4. 缓存穿透：定义与危害、产生原因、解决方案

缓存穿透是 Redis 缓存失效场景中风险最高、最容易被忽视的一类问题。它不依赖缓存键的过期或淘汰，而是直接利用“查询不存在的数据”这一逻辑漏洞，绕过缓存层对后端存储发起持续攻击。理解其定义、危害与解决方案，是构建搜索缓存闭环的第一道防线。

4.1 定义与危害

定义：缓存穿透指客户端请求的数据在缓存中不存在（既未命中缓存），在数据库中也不存在，导致每次请求都直接穿透缓存层，直达数据库或后端存储系统。

危害：

• 数据库压力激增：大量无效查询直接打到数据库，可能瞬间打满连接池或磁盘 IO。
• 缓存层失效：缓存层形同虚设，无法起到保护后端的作用。
• 系统雪崩风险：当穿透流量超过数据库承载阈值时，可能引发级联故障，导致整个搜索服务不可用。
• 恶意攻击入口：攻击者可通过构造大量不存在的 key（如随机 ID、非法参数）实施穿透攻击。

4.2 产生原因

缓存穿透的核心原因只有一个：查询的数据在缓存和数据库中均不存在。具体可分为以下两类：

下图展示了缓存穿透的完整请求链路：

4.3 解决方案

针对缓存穿透，业界有两种主流解决方案：布隆过滤器和空值缓存。两者各有优劣，实际生产环境中常组合使用。

4.3.1 布隆过滤器

原理：布隆过滤器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。它由位数组和多个哈希函数组成，可以快速过滤掉一定不存在的数据。

• 优点：内存占用极低（亿级数据仅需几百 MB），查询速度极快（O(k)，k 为哈希函数个数）。
• 缺点：存在误判率（可能将不存在的数据误判为存在），且无法删除元素（标准实现）。
• 适用场景：数据量极大、对误判容忍度较低、数据相对静态的场景（如商品 ID 白名单）。

下图展示了布隆过滤器在缓存穿透防御中的位置：

4.3.2 空值缓存

原理：当查询数据库返回空结果时，仍然将该 key 写入缓存，但 value 设置为一个特殊标记（如 null 或 ""），并设置较短的过期时间（如 30~60 秒）。后续相同 key 的请求直接命中缓存，不再穿透到数据库。

• 优点：实现简单，无需额外组件，对任意 key 都有效。
• 缺点：会占用缓存空间（大量无效 key 可能挤占热点数据），且过期时间内数据可能已真实存在（短暂不一致）。
• 适用场景：数据量中等、key 空间有限、对实时一致性要求不高的场景。

4.3.3 方案对比

4.3.4 代码示例：空值缓存实现

// 查询商品信息（含空值缓存）
public Product getProduct(String productId) {
    // 1. 先查缓存
    String cacheKey = "product:" + productId;
    String cachedValue = redis.get(cacheKey);
    
    if (cachedValue != null) {
        // 2. 命中缓存，判断是否为空值标记
        if ("NULL_VALUE".equals(cachedValue)) {
            return null; // 数据不存在
        }
        return JSON.parseObject(cachedValue, Product.class);
    }
    
    // 3. 缓存未命中，查数据库
    Product product = productDao.selectById(productId);
    
    if (product == null) {
        // 4. 数据库也不存在，写入空值缓存（过期时间 30 秒）
        redis.setex(cacheKey, 30, "NULL_VALUE");
        return null;
    }
    
    // 5. 数据库存在，写入正常缓存（过期时间 300 秒）
    redis.setex(cacheKey, 300, JSON.toJSONString(product));
    return product;
}