4. 缓存雪崩与过期策略

缓存雪崩是分布式缓存系统中破坏力最大的故障模式之一。与缓存击穿（针对单个热点 Key）和缓存穿透（针对不存在的数据）不同，雪崩表现为大范围缓存 Key 在同一时间窗口内集中失效，导致海量请求直接穿透至后端数据库或微服务，引发级联过载甚至系统整体不可用。本节从成因分析入手，系统讲解过期时间随机化、多级缓存架构等核心防御手段。

4.1 缓存雪崩的成因与危害

缓存雪崩的根源在于大量缓存 Key 的过期时间被设置为相同的绝对时刻，或者缓存节点因故障同时下线。以下是三种典型触发场景：

4.2 过期时间随机化：基础防御手段

过期时间随机化是最直接、成本最低的雪崩防御策略。其核心思想是在基础 TTL 之上叠加一个随机偏移量，使 Key 的过期时刻在时间轴上均匀散开，避免形成“过期波峰”。

4.2.1 随机化策略对比

4.2.2 代码实现示例

// Java 实现：固定偏移 + 百分比混合随机
public class ExpiryRandomizer {
    private static final long BASE_TTL = 3600L;          // 基础 TTL：1 小时
    private static final long FIXED_OFFSET = 600L;       // 固定偏移：0~600 秒
    private static final double PCT_RANDOM = 0.1;        // 百分比随机：±10%

    public static long randomizeTtl(String key) {
        // 1. 基于 Key 的哈希值生成确定性随机种子，保证相同 Key 每次计算一致
        int seed = Math.abs(key.hashCode());
        Random rnd = new Random(seed);

        // 2. 固定偏移分量
        long fixedPart = (long)(rnd.nextDouble() * FIXED_OFFSET);

        // 3. 百分比随机分量
        long pctPart = (long)(BASE_TTL * PCT_RANDOM * (rnd.nextDouble() * 2 - 1));

        // 4. 最终 TTL = 基础值 + 固定偏移 + 百分比偏移
        long ttl = BASE_TTL + fixedPart + pctPart;

        // 5. 确保 TTL 为正数
        return Math.max(60L, ttl);
    }
}

4.3 多级缓存架构：系统性解决方案

过期时间随机化只能缓解“批量过期”型雪崩，对“节点宕机”型雪崩效果有限。多级缓存架构通过引入不同性能特征和容错能力的缓存层，实现故障隔离和流量削峰，是应对缓存雪崩的系统性方案。

4.3.1 经典三级缓存模型

4.3.2 多级缓存 TTL 策略矩阵

4.4 节点宕机型雪崩的防御

当 Redis 集群节点宕机时，多级缓存架构中的 L2 层会大面积失效。此时需要额外的防御机制：

• 客户端侧： 实现“缓存空值”策略，对 L2 查询返回空结果时，在 L1 中缓存一个短 TTL（如 5 秒）的空标记，防止同一 Key 的后续请求反复穿透。
• 代理侧： 部署 Redis 代理层（如 Twemproxy、Codis），自动摘除故障节点，并将请求路由到健康节点或降级到 L3。
• 存储侧： 数据库连接池设置“快速失败”阈值，当等待队列超过 100 时直接返回降级响应，避免线程堆积。

4.5 缓存预热与主动刷新

在系统启动或大规模 Key 即将过期前，通过主动预热和刷新机制平滑缓存加载过程，避免冷启动雪崩。

4.6 综合防御策略总结

缓存雪崩的防御需要从“预防—缓解—恢复”三个维度构建闭环：

1. 预防层： 过期时间随机化 + 多级缓存架构 + 缓存预热，从源头减少雪崩概率。
2. 缓解层： 本地缓存空值标记 + 客户端限流降级 + 数据库连接池保护，在雪崩发生时控制损害。
3. 恢复层： 主动刷新机制 + 故障节点自动摘除 + 缓存数据渐进式重建，加速系统自愈。