引言

在现代互联网架构中，缓存是提升系统性能、降低数据库压力的核心手段之一。而 Redis 作为高性能的内存数据库，凭借其丰富的数据结构、灵活的配置选项以及高效的网络模型，已经成为缓存领域的首选工具。本文将从 Redis 的基本原理出发，深入探讨其在缓存场景中的核心概念、设计模式、常见问题及解决方案，并结合高可用架构的设计思路，帮助读者全面掌握 Redis 缓存的技术要点。

一、Redis 与缓存的基本原理

1.1 什么是 Redis？

Redis（Remote Dictionary Server）是一个开源的内存键值存储系统，支持多种数据结构（如 String、Hash、List、Set、Sorted Set 等）。它通过内存操作实现极低的延迟（通常为微秒级），同时提供持久化机制和主从复制功能，确保数据的可靠性和高可用性。

1.2 缓存的核心作用

缓存的本质是通过空间换时间，将高频访问的数据存储在内存中，减少对底层数据库的直接请求。其核心优势包括：

降低数据库负载：通过缓存热点数据，减少数据库的查询压力。
提高响应速度：内存读取速度远高于磁盘，显著缩短请求响应时间。
应对突发流量：在秒杀、促销等场景中，缓存可以有效吸收瞬时高并发请求。

1.3 缓存的缺点

但是缓存也会增加代码复杂度和运营的成本:

二、如何使用缓存

实际开发中,会构筑多级缓存来使系统运行速度进一步提升,例如:本地缓存与redis中的缓存并发使用

浏览器缓存：主要是存在于浏览器端的缓存

应用层缓存：可以分为tomcat本地缓存，比如之前提到的map，或者是使用redis作为缓存

数据库缓存：在数据库中有一片空间是 buffer pool，增改查数据都会先加载到mysql的缓存中

CPU缓存：当代计算机最大的问题是 cpu性能提升了，但内存读写速度没有跟上，所以为了适应当下的情况，增加了cpu的L1，L2，L3级的缓存

三、缓存更新策略

3.1 介绍

缓存更新是redis为了节约内存而设计出来的一个东西，主要是因为内存数据宝贵，当我们向redis插入太多数据，此时就可能会导致缓存中的数据过多，所以redis会对部分数据进行更新，或者把他叫为淘汰更合适。

内存淘汰：redis自动进行，当redis内存达到咱们设定的max-memery的时候，会自动触发淘汰机制，淘汰掉一些不重要的数据(可以自己设置策略方式)

超时剔除：当我们给redis设置了过期时间ttl之后，redis会将超时的数据进行删除，方便咱们继续使用缓存

主动更新：我们可以手动调用方法把缓存删掉，通常用于解决缓存和数据库不一致问题

3.2 数据库缓存不一致解决方案：

由于我们的缓存的数据源来自于数据库,而数据库的数据是会发生变化的,因此,如果当数据库中数据发生变化,而缓存却没有同步,此时就会有一致性问题存在,其后果是:

用户使用缓存中的过时数据,就会产生类似多线程数据安全问题,从而影响业务,产品口碑等

综合考虑我们采用人工编码方式来解决数据库和缓存不一致的问题。

人工编码方式：缓存调用者在更新完数据库后再去更新缓存，也称之为双写方案。

操作缓存和数据库时有三个问题需要考虑：

删除缓存还是更新缓存？

更新缓存：每次更新数据库都更新缓存，无效写操作较多
删除缓存：更新数据库时让缓存失效，查询时再更新缓存

如果采用第一个方案，那么假设我们每次操作数据库后，都操作缓存，但是中间如果没有人查询，那么这个更新动作实际上只有最后一次生效，中间的更新动作意义并不大，我们可以把缓存删除，等待再次查询时，将缓存中的数据加载出来。

如何保证缓存与数据库的操作的同时成功或失败？

单体系统，将缓存与数据库操作放在一个事务
分布式系统，利用TCC等分布式事务方案

先操作缓存还是先操作数据库？

先删除缓存，再操作数据库
先操作数据库，再删除缓存

应该具体操作缓存还是操作数据库，我们应当是先操作数据库，再删除缓存，原因在于，如果你选择第一种方案，在两个线程并发来访问时，假设线程1先来，他先把缓存删了，此时线程2过来，他查询缓存数据并不存在，此时他写入缓存，当他写入缓存后，线程1再执行更新动作时，实际上写入的就是旧的数据，新的数据被旧数据覆盖了。

四、缓存穿透：无效请求的“黑洞”

4.1 问题定义

缓存穿透是指请求的数据既不存在于缓存中，也不存在于数据库中，导致请求直接穿透到数据库。这种现象会显著增加数据库的负载，甚至引发服务不可用。

4.2 常见场景

恶意攻击：黑客通过伪造非法 ID（如随机字符串）持续请求，消耗数据库资源。
业务逻辑漏洞：未校验用户输入的合法性，导致非法请求直接访问数据库。
冷启动数据：新业务上线初期，缓存尚未填充，所有请求均需查询数据库。

4.3 解决方案

（1）布隆过滤器（Bloom Filter）

原理：使用位数组和哈希函数快速判断数据是否存在。
优势：
- 内存占用极小（如百万级数据仅需几 MB）。
- 拦截效率高（哈希计算时间复杂度为 O(1)）。
局限性：
- 存在误判率（需合理设置哈希函数数量和位数组大小）。
- 不支持删除操作（需使用 Counting Bloom Filter）。

（2）缓存空值（Null Caching）

原理：对数据库中不存在的数据返回空值，并设置短 TTL（如 5 分钟）。
优势：
- 实现简单，无需额外数据结构。
- 有效拦截恶意请求。
缺点：
- 占用缓存空间（需评估空值占比）。
- 短时间内可能被高频请求反复触发。

缓存空对象思路分析：当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到缓存了。

布隆过滤：布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中，

假设布隆过滤器判断这个数据不存在，则直接返回

这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突

五、缓存雪崩

缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

解决方案：

给不同的Key的TTL添加随机值
利用Redis集群提高服务的可用性
给缓存业务添加降级限流策略
给业务添加多级缓存

六、缓存击穿

6.1解决方案

缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。

常见的解决方案有两种：

互斥锁
逻辑过期

逻辑分析：假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法，那么这些线程都不能从缓存中查询到数据，那么他们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大

解决方案一、使用锁来解决：

因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。

假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。

解决方案二、逻辑过期方案

方案分析：我们之所以会出现这个缓存击穿问题，主要原因是在于我们对key设置了过期时间，假设我们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们内存了吗，我们可以采用逻辑过期方案。

我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续通过逻辑去处理。假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个线程去进行以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁，而线程1直接进行返回，假设现在线程3过来访问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据。

这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据。