在使用 Redis 作为缓存时，缓存击穿和缓存雪崩是常见且可能会对系统造成严重影响的问题，下面为你详细介绍这两个问题及其解决方案。

缓存击穿

问题描述

缓存击穿指的是某个非常 “热点” 的 key 在缓存中过期失效的瞬间，大量针对该 key 的请求同时涌入，这些请求无法从缓存中获取数据，便会全部直接访问数据库，从而给数据库带来巨大的压力，甚至可能导致数据库崩溃。

示例场景

以电商系统为例，某热门商品的信息被缓存到 Redis 中，设置了过期时间。当这个过期时间一到，该商品信息的缓存失效，而此时恰好有大量用户同时访问该商品页面，这些请求就会直接打到数据库上。

解决方案

• 设置永不过期：对于一些核心的热点数据，可以不设置过期时间，这样能避免因缓存过期导致的击穿问题。不过，这种方式需要手动管理缓存的更新，确保数据的一致性。
• 使用互斥锁：在发现缓存失效时，先尝试获取一个互斥锁（如 Redis 的分布式锁）。只有获取到锁的请求才能去访问数据库并更新缓存，其他请求则等待一段时间后重新尝试从缓存中获取数据。示例代码（伪代码）如下：

收起

python

import redis
import time

redis_client = redis.Redis()

def get_data(key):
    data = redis_client.get(key)
    if data is None:
        # 尝试获取锁
        lock = redis_client.setnx('lock:' + key, '1')
        if lock:
            try:
                # 模拟从数据库获取数据
                data = get_data_from_db(key)
                # 更新缓存
                redis_client.set(key, data)
            finally:
                # 释放锁
                redis_client.delete('lock:' + key)
        else:
            # 未获取到锁，等待一段时间后重试
            time.sleep(0.1)
            return get_data(key)
    return data

def get_data_from_db(key):
    # 实际从数据库查询数据的逻辑
    pass

缓存雪崩

问题描述

缓存雪崩是指在某一时刻，大量的缓存 key 同时过期，或者 Redis 服务器出现故障，导致大量请求无法从缓存中获取数据，进而全部涌向数据库，使数据库的负载急剧增加，甚至可能导致数据库崩溃，最终造成整个系统的不可用。

示例场景

假如在系统中为大量的缓存 key 设置了相同的过期时间，当这个时间点到来时，这些 key 会同时失效，就会引发缓存雪崩。另外，如果 Redis 服务器因硬件故障、网络问题等原因无法正常工作，也会导致类似的情况发生。

解决方案

• 分散过期时间：为不同的缓存 key 设置随机的过期时间，避免大量 key 同时过期。例如，在设置缓存时，可以在原本的过期时间基础上加上一个随机的偏移量。示例代码（Python）如下：

收起

python

import redis
import random

redis_client = redis.Redis()

def set_cache(key, value, expire_time):
    # 生成一个随机的偏移量（例如 0 - 60 秒）
    offset = random.randint(0, 60)
    total_expire_time = expire_time + offset
    redis_client.setex(key, total_expire_time, value)

• 使用多级缓存：除了 Redis 缓存外，还可以使用本地缓存（如 Guava Cache）作为一级缓存，Redis 作为二级缓存。当请求到来时，先从本地缓存中获取数据，如果本地缓存中没有，再从 Redis 中获取，最后才考虑访问数据库。这样可以减少对 Redis 和数据库的访问压力。
• Redis 高可用：采用 Redis Sentinel 或 Redis Cluster 等方案实现 Redis 的高可用，当某个 Redis 节点出现故障时，能够自动进行故障转移，保证 Redis 服务的稳定性。