4. 缓存击穿原理：概念、辨析与热点 Key 失效场景

缓存击穿是分布式缓存系统中一种典型的“局部高并发”故障模式。与缓存穿透和缓存雪崩不同，击穿的核心矛盾在于：某个极热点的 Key 在缓存中恰好过期失效，导致大量并发请求同时穿透到后端数据库。在 Kafka 堆积场景下，消费端往往承载着海量实时写入与查询，一旦热点 Key 失效，数据库压力会瞬间飙升，进而引发消费 Lag 进一步扩大。

4.1 什么是缓存击穿

缓存击穿（Cache Breakdown）指：一个被高频访问的 Key（热点 Key）在缓存中失效的瞬间，大量并发请求同时回源到数据库加载数据。由于该 Key 的访问量极大，数据库在短时间内无法处理如此高的并发量，导致响应变慢、连接池耗尽，甚至引发数据库宕机。

在 Kafka 消费场景中，典型的击穿案例是：消费端维护了一个“商品最新价格”缓存，Key 为 product:price:10001，TTL 设置为 60 秒。当该 Key 恰好过期时，恰好有 2000 个消费线程同时查询该商品价格，全部未命中缓存，于是 2000 个请求同时打到 MySQL，导致数据库 CPU 瞬间 100%。

4.2 缓存击穿 vs 缓存穿透 vs 缓存雪崩

这三种故障模式经常被混淆，但它们的成因、影响范围和解决方案完全不同。下表从多个维度进行对比：

4.3 热点 Key 失效的典型场景

在 Kafka 堆积与 Redis 缓存并存的架构中，以下四种场景最容易触发缓存击穿：

1. 定时任务批量失效：消费端使用固定的 TTL（如 3600 秒），所有 Key 在同一时间点过期。当消费高峰恰好落在过期时间点，大量热点 Key 同时失效。
2. 冷启动/缓存预热不足：服务重启后 Redis 中无数据，所有热点 Key 同时回源。Kafka 消费端在重启后，大量未消费的消息瞬间涌入，导致数据库被打穿。
3. 热点数据集中更新：业务高峰期对某个热点数据（如大促商品价格）进行批量更新，导致旧缓存被主动删除，新缓存尚未写入，出现“空窗期”。
4. 缓存过期与高并发查询重叠：某个热点 Key 的 TTL 恰好为 60 秒，而该 Key 的 QPS 高达 10 万。在 Key 过期的下一秒，10 万个请求同时回源。

4.4 缓存击穿流程示意图

下图展示了缓存击穿的完整流程：从热点 Key 失效到数据库被打穿：

4.5 在 Kafka 堆积场景下的特殊风险

当 Kafka 消费端出现消息堆积时，缓存击穿的破坏力会被放大：

• 消费线程数激增：堆积严重时，消费端会启动更多线程或实例来追赶进度，导致回源并发量成倍增加。
• 热点 Key 集中度更高：堆积消息往往集中在少数热门实体（如头部商品、热门用户），这些 Key 的访问频率远高于普通 Key。
• 数据库成为瓶颈：一旦热点 Key 失效，数据库不仅要处理正常业务查询，还要承受消费端海量回源，极易触发连接池耗尽。
• 雪崩连锁反应：数据库响应变慢 → 消费端处理延迟增加 → 堆积进一步加剧 → 更多 Key 过期 → 数据库压力更大。