4. 缓存一致性基础：缓存穿透、缓存击穿、缓存雪崩的定义与典型场景

在分布式限流熔断治理中，缓存层是抵御突发流量、保护后端数据库的第一道防线。然而，缓存层自身的故障模式——缓存穿透、缓存击穿、缓存雪崩——会直接导致请求绕过缓存直击数据库，引发级联故障。理解这三种故障的定义、成因与典型场景，是定位缓存一致性故障的前提。

4.1 三种故障的核心定义与对比

4.2 缓存穿透：空查询的陷阱

典型场景：攻击者构造大量不存在的用户 ID（如负数、超长数字）请求用户信息接口。缓存中无此 key，数据库中也无此记录，每次请求都直接查询数据库。

• 危害：数据库连接数被无效查询耗尽，正常请求被阻塞。
• 缓存一致性表现：缓存命中率骤降，数据库 QPS 飙升，限流器频繁触发。
• 常见治理手段：缓存空值（设置短 TTL）、布隆过滤器前置拦截。

4.3 缓存击穿：热点 key 的瞬间崩塌

典型场景：某电商平台的爆款商品详情页，缓存 key 为 product:12345。该 key 在缓存中的 TTL 恰好到期，此时数千个并发请求同时读取该 key，全部未命中缓存，直接查询数据库。

• 危害：数据库单行记录被高频查询，行锁竞争激烈，响应时间飙升。
• 缓存一致性表现：缓存命中率在某一秒内断崖式下跌，数据库 QPS 出现尖峰。
• 常见治理手段：互斥锁（只允许一个线程重建缓存）、热点 key 永不过期 + 异步更新。

4.4 缓存雪崩：全局性的灾难

典型场景：某系统所有缓存 key 的过期时间统一设置为 1 小时。在整点时刻，大量 key 同时过期，所有请求同时穿透到数据库。或者，缓存集群中某台机器宕机，该机器上的所有 key 全部失效。

• 危害：数据库瞬间承受数倍于平时的流量，极易触发连接池耗尽、CPU 满载，导致数据库宕机。
• 缓存一致性表现：缓存命中率全局归零，数据库 QPS 达到峰值，系统整体响应时间急剧恶化。
• 常见治理手段：过期时间随机化（基础 TTL + 随机偏移）、缓存集群高可用（主从 + 哨兵）、本地缓存二级降级。

4.5 三种故障在限流熔断治理中的表现差异

4.6 典型故障排查步骤

1. 查看缓存命中率曲线：如果命中率从 95% 骤降至 10% 以下，优先怀疑缓存雪崩或击穿。
2. 检查 key 过期分布：使用 redis-cli --bigkeys 或类似工具，查看是否有大量 key 在同一时间过期。
3. 分析请求日志：筛选出缓存未命中的请求，查看请求的 key 是否集中在一个热点 key（击穿）还是分散在大量不存在的 key（穿透）。
4. 验证数据库 QPS 与缓存 QPS 的比例：正常情况下数据库 QPS 应远小于缓存 QPS；如果比例接近 1:1，说明缓存基本失效。
5. 检查限流器日志：限流触发的时间点是否与缓存命中率下跌的时间点吻合。

# 示例：使用 Redis 命令检查 key 过期时间分布
redis-cli --scan --pattern "product:*" | head -100 | while read key; do
  ttl=$(redis-cli ttl "$key")
  echo "$key TTL: $ttl"
done
# 如果大量 key 的 TTL 集中在同一秒，说明存在雪崩风险