4. 缓存穿透问题排查：定义与成因、支付场景下的穿透案例、布隆过滤器原理与配置

4.1 缓存穿透的定义与核心成因

缓存穿透是指查询一个根本不存在的数据时，请求绕过缓存直接打到数据库的现象。由于缓存中不存在该键，每次请求都会穿透到存储层，导致数据库压力骤增，甚至引发雪崩。

4.2 支付场景下的穿透案例：恶意查询不存在的订单号

4.2.1 场景描述

某电商支付系统，订单号采用 18 位数字（如 202503211234567890）。攻击者编写脚本，批量请求 /order/status?orderId=202503219999999999 这类不存在的订单号。由于缓存中无此 key，每次请求都查询 MySQL 订单表，导致数据库 CPU 飙升到 100%，正常用户支付回调超时。

4.2.2 攻击流量特征

• 请求量：每秒 5000+ QPS，持续 3 分钟
• key 分布：订单号连续递增但均不存在
• 缓存命中率：从 95% 骤降至 5%
• 数据库慢查询：出现大量 SELECT * FROM orders WHERE order_id = ? 且耗时 > 2s

4.2.3 排查步骤

1. 监控告警：Redis 缓存命中率曲线断崖式下跌，DB 连接数飙升
2. 日志分析：发现大量请求的 orderId 不在最近 24 小时订单范围内
3. 流量回放：提取 1000 条异常请求，逐一查询数据库确认均不存在
4. 确认穿透：缓存中无 key，DB 中无记录，符合穿透定义

4.3 布隆过滤器原理与配置

4.3.1 布隆过滤器核心原理

布隆过滤器（Bloom Filter）是一种空间效率极高的概率型数据结构，用于判断一个元素是否可能存在于集合中。它由一个位数组和多个哈希函数组成。

• 添加元素：将元素通过 k 个哈希函数映射到位数组的 k 个位置，将这些位置置为 1
• 查询元素：同样计算 k 个哈希位置，如果所有位都是 1，则元素可能存在；如果任意一位为 0，则元素一定不存在
• 误判率：存在一定的假阳性概率（判断存在但实际不存在），但不会漏判（判断不存在则一定不存在）

4.3.2 布隆过滤器参数配置

4.3.3 Redis 中配置布隆过滤器

Redis 4.0+ 通过 RedisBloom 模块支持布隆过滤器。安装后使用以下命令：

# 1. 创建布隆过滤器：key=order_bloom，误判率=0.01，容量=10000000
BF.RESERVE order_bloom 0.01 10000000

# 2. 批量添加合法订单号（生产环境通过脚本批量加载）
BF.MADD order_bloom 202503210000000001 202503210000000002 202503210000000003

# 3. 查询订单号是否存在
BF.EXISTS order_bloom 202503219999999999
# 返回 0 → 一定不存在，直接拒绝

BF.EXISTS order_bloom 202503210000000001
# 返回 1 → 可能存在，继续查缓存/DB

4.3.4 布隆过滤器 vs 空值缓存方案