📚 课程目录第2章缓存一致性基础

2. 缓存一致性基础：缓存穿透、缓存击穿、缓存雪崩的定义与区别

在分布式缓存与数据库并存的架构中，缓存层与底层存储（如 MySQL、PostgreSQL）之间的数据一致性是系统稳定性的基石。然而，在高并发、高吞吐场景下，缓存层会暴露出三类经典异常现象：缓存穿透、缓存击穿 和 缓存雪崩。这三者虽然都表现为“缓存失效后请求直达数据库”，但其成因、影响范围及治理策略截然不同。本节将逐一剖析其定义，并通过对比表格与架构图厘清核心差异。

2.1 缓存穿透（Cache Penetration）

定义：查询一个根本不存在的数据。由于缓存中不存在该 key，请求直接穿透缓存层，每次都会落到数据库上。当恶意攻击或大量无效 key 并发请求时，数据库会承受巨大压力，甚至宕机。

核心特征：key 在缓存和数据库中均不存在。
典型场景：爬虫遍历不存在的商品 ID、黑客构造随机 ID 发起攻击。
危害：数据库连接数被打满，正常业务请求被阻塞。

  关键指标：缓存命中率骤降（如从 95% 跌至 30%），数据库 QPS 飙升且无对应数据行返回。

2.2 缓存击穿（Cache Breakdown / Hotspot Invalid）

定义：一个热点 key 在缓存中过期失效的瞬间，大量并发请求同时访问该 key，由于缓存中无数据，所有请求全部穿透到数据库，导致数据库瞬时负载激增。

核心特征：key 在缓存中不存在，但在数据库中存在；且该 key 是热点数据。
典型场景：秒杀商品详情页、微博热搜词条在过期瞬间被大量用户刷新。
危害：单点 key 失效引发数据库局部过载，可能拖慢整个数据库实例。

注意：缓存击穿与穿透的本质区别在于——击穿的 key 在数据库中是真实存在的，只是缓存恰好过期；而穿透的 key 在数据库中根本不存在。

2.3 缓存雪崩（Cache Avalanche）

定义：在同一时刻，大量缓存 key 同时过期失效，或缓存节点整体宕机，导致海量请求直接涌入数据库，引发数据库连锁崩溃。

核心特征：多个 key（非单个）同时失效，或缓存层整体不可用。
典型场景：缓存服务重启、大量 key 设置了相同的过期时间（如凌晨 0 点统一过期）。
危害：数据库瞬间被击穿，引发级联故障，系统整体不可用。

经验值：生产环境中，缓存雪崩往往伴随着数据库连接池耗尽、慢查询堆积、CPU 使用率 100% 等连锁反应。

2.4 三者核心区别对比

对比维度	缓存穿透	缓存击穿	缓存雪崩
失效范围	单个 key（不存在）	单个热点 key	大量 key 或整个缓存层
数据库是否存在	否	是	是（部分 key 存在）
根本原因	查询不存在的数据	热点 key 过期瞬间	大量 key 同时过期 / 缓存宕机
数据库压力特征	持续低命中率，压力均匀	瞬时尖峰，单点压力	瞬时海啸，全局压力
典型治理手段	布隆过滤器、空值缓存	互斥锁、逻辑过期、永不过期	过期时间加随机值、缓存高可用、限流降级

2.5 三类异常在缓存一致性测试中的表现

在《OpenTelemetry 采样策略优化缓存一致性测试链路》课程中，我们需要在测试链路中模拟并观测这三类异常，以验证采样策略能否准确捕获一致性偏差。下表总结了它们在测试链路中的典型表现：

异常类型	测试链路中的观测点	OpenTelemetry 采样关注点
缓存穿透	数据库收到大量“查无此 key”的 SELECT 请求	采样器需识别“缓存未命中 + 数据库空结果”的 span 组合
缓存击穿	热点 key 过期后，数据库出现同一 SQL 的并发尖峰	采样器需对同一操作名的高并发 span 进行降采样或保留
缓存雪崩	数据库连接池瞬间打满，大量超时或错误 span 爆发	采样器需触发错误率告警并动态提升采样率

2.6 缓存穿透、击穿、雪崩的请求流向对比

下图从请求流向上直观展示三类异常的区别：穿透请求直接绕过缓存查询空数据；击穿请求在热点 key 过期瞬间穿透到数据库；雪崩请求则因大量 key 同时失效而集体穿透。

2.7 缓存一致性测试中的采样策略启示

在构建测试链路时，OpenTelemetry 采样器需要针对上述三类异常设计不同的采样规则：

穿透检测：对“缓存未命中 + 数据库空结果”的 span 组合进行全量采样，用于分析无效 key 的分布特征。
击穿检测：对同一热点 key 的并发 span 进行头部采样（Head Sampling），保留第一个请求的完整链路，后续请求降采样。
雪崩检测：当错误率或数据库延迟超过阈值时，动态切换为尾部采样（Tail Sampling），保留所有错误 span 用于根因分析。