面试官：你的Redis缓存击穿了，怎么办？

当面试官问到“Redis缓存击穿了，怎么办？”时，可以围绕以下核心解决方案进行回答，并结合实际场景说明适用性：

1. 互斥锁方案（Mutex Lock）

核心思路：通过分布式锁控制并发请求，确保同一时间只有一个线程能查询数据库并重建缓存。实现步骤：

发现缓存失效时，先尝试获取锁（如Redis的SETNX或Redisson分布式锁）。
获取锁成功后，再次检查缓存（避免其他线程已重建），若仍失效则查询数据库并更新缓存。
释放锁，未获取锁的线程可短暂重试或返回降级数据。代码示例：

public String getData(String key) { String value = redis.get(key); if (value == null) { if (tryLock(key)) { // 获取锁 try { value = redis.get(key); // 双重检查 if (value == null) { value = db.query(key); redis.set(key, value, expireTime); } } finally { unlock(key); // 释放锁 } } else { Thread.sleep(50); // 重试或降级 return getData(key); } } return value;}

适用场景：高并发读多写少，且能接受短暂锁等待的系统。注意点：需设置锁超时时间，避免死锁；锁粒度不宜过大（如按数据Key加锁）。

2. 热点数据永不过期

核心思路：对热点数据不设置TTL，通过后台异步线程定期更新缓存。实现方式：

写入缓存时不设置过期时间（如redis.set(key, value)）。
启动定时任务（如每5分钟）从数据库加载最新数据并更新缓存。代码示例：

public void setHotKey(String key, String value) { redis.set(key, value); // 不设过期时间 scheduler.scheduleAtFixedRate(() -> { String newValue = db.query(key); redis.set(key, newValue); }, 0, 5, TimeUnit.MINUTES);}

适用场景：数据更新频率低且访问量极大的场景（如秒杀商品库存）。风险点：后台任务失败会导致数据不一致，需配合监控告警；可增加版本号校验。

3. 布隆过滤器（Bloom Filter）

核心思路：用布隆过滤器快速过滤无效请求，避免缓存穿透（查询不存在的Key）。实现步骤：

初始化时将所有存在的Key存入布隆过滤器。
查询前先检查过滤器，若Key不存在则直接返回空。代码示例：

public String getData(String key) { if (!bloomFilter.mightContain(key)) { // 快速判断 return null; } String value = redis.get(key); if (value == null) { value = db.query(key); if (value != null) { redis.set(key, value); } } return value;}

适用场景：防止缓存穿透（大量查询不存在的Key）。局限性：存在误判率（可能误判存在），需根据业务调整过滤器参数（如哈希函数数量、位数组大小）。

4. 缓存预热

核心思路：系统启动或低峰期提前加载热点数据到缓存，避免冷启动时缓存失效。实现方式：

通过分析日志或预定义规则确定热点Key。
在服务启动时或定时任务中批量加载数据到Redis。代码示例：

public void warmUpCache() { List<String> hotKeys = getHotKeys(); // 获取热点Key列表 hotKeys.parallelStream().forEach(key -> { String value = db.query(key); redis.set(key, value); });}

适用场景：数据可预测且访问模式固定的系统（如电商首页推荐）。注意点：预热时机需避开高峰期，避免影响正常请求。

5. 随机过期时间

核心思路：为缓存设置基础过期时间+随机偏移量，避免大量Key同时失效。实现方式：

基础过期时间（如30分钟）加上随机值（如0-15分钟）。代码示例：

public void setWithRandomExpire(String key, String value) { int baseExpire = 1800; // 30分钟 int randomOffset = new Random().nextInt(900); // 0-15分钟 redis.set(key, value, baseExpire + randomOffset);}

适用场景：通用性方案，适合无明显热点但需分散失效时间的场景。优势：实现简单，能有效缓解集中过期导致的击穿。

综合建议

组合使用：例如互斥锁+随机过期时间，或布隆过滤器+缓存预热。
监控与降级：实时监控缓存命中率，设置熔断机制（如连续失败N次后直接返回空）。
数据一致性：根据业务容忍度选择最终一致性（异步更新）或强一致性（加锁同步）。

通过以上方案，可以系统性解决Redis缓存击穿问题，具体选择需结合业务并发量、数据更新频率和一致性要求。

您可能感兴趣问答

Collapsible

热门标签

热点问答