30分鐘自學教程：Redis緩存穿透原理與解決方案

目標

1. 理解緩存穿透的成因及危害。
2. 掌握布隆過濾器、空值緩存等核心防御技術。
3. 能夠通過代碼實現請求攔截與緩存保護。
4. 學會限流降級、異步加載等應急方案。

---

教程內容

0~2分鐘：緩存穿透的定義與核心原因

• 定義：惡意或異常請求頻繁訪問數據庫中不存在的數據，繞過緩存直接沖擊數據庫。
• 典型場景：
  • 攻擊者偽造大量非法ID（如負數、超長字符串）。
  • 業務未對查詢參數校驗，或未緩存空結果。
• 危害：
  • 數據庫壓力激增，甚至宕機。
  • 正常服務被惡意請求拖垮。

---

2~5分鐘：代碼模擬穿透場景（Java示例）

// 未做防護的查詢方法（模擬穿透問題）  
public Product getProduct(String id) {  String key = "product:" + id;  Product product = redisTemplate.opsForValue().get(key);  if (product == null) {  // 直接查詢數據庫（未緩存空值）  product = productService.loadFromDB(id);  if (product != null) {  redisTemplate.opsForValue().set(key, product, 1, TimeUnit.HOURS);  }  }  return product; // 惡意請求會反復查詢數據庫  
}  

驗證問題：

• 使用JMeter發送100次id=-1的請求，觀察數據庫查詢次數是否為100次（穿透發生）。

---

5~12分鐘：解決方案1——布隆過濾器（Bloom Filter）

• 原理：基于位數組和哈希函數，快速判斷數據是否可能存在于數據庫，攔截非法請求。
• 代碼實現（Redisson布隆過濾器）：

// 初始化布隆過濾器并預熱合法數據  
public class BloomFilterInit {  private RBloomFilter<String> bloomFilter;  @PostConstruct  public void init() {  bloomFilter = redissonClient.getBloomFilter("product_bloom");  bloomFilter.tryInit(100000L, 0.01); // 容量10萬，誤判率1%  List<String> validIds = productService.getAllValidIds();  validIds.forEach(bloomFilter::add);  }  
}  // 查詢時攔截非法請求  
public Product getProductWithBloomFilter(String id) {  if (!bloomFilter.contains(id)) {  return null; // 直接攔截  }  // 正常查詢邏輯...  
}  

• 注意事項：
  • 誤判率需根據業務容忍度調整（如0.1%更嚴格，但占用更多內存）。
  • 需定期同步布隆過濾器與數據庫的合法數據（如定時任務）。

---

12~20分鐘：解決方案2——空值緩存（Cache Null）

• 原理：即使數據庫不存在該數據，也緩存空值（如“NULL”），避免重復穿透。
• 代碼實現：

public Product getProductWithNullCache(String id) {  String key = "product:" + id;  Product product = redisTemplate.opsForValue().get(key);  if (product == null) {  product = productService.loadFromDB(id);  if (product == null) {  // 緩存空值，5分鐘過期  redisTemplate.opsForValue().set(key, "NULL", 5, TimeUnit.MINUTES);  return null;  }  redisTemplate.opsForValue().set(key, product, 1, TimeUnit.HOURS);  } else if ("NULL".equals(product)) {  return null; // 直接返回空結果  }  return product;  
}  

• 優化點：
  • 空值過期時間不宜過長（避免存儲大量無效Key）。
  • 可結合布隆過濾器，減少空值緩存的數量。

---

20~25分鐘：解決方案3——請求參數校驗

• 原理：在業務層攔截非法參數（如非數字ID、越界值）。
• 代碼實現（Spring Boot參數校驗）：

public Product getProduct(@PathVariable String id) {  // 校驗ID格式（僅允許數字）  if (!id.matches("\\d+")) {  throw new IllegalArgumentException("非法ID格式");  }  // 校驗ID范圍（如大于0）  long numericId = Long.parseLong(id);  if (numericId <= 0) {  throw new IllegalArgumentException("ID必須為正數");  }  // 正常查詢邏輯...  
}  

• 擴展：
  • 使用Hibernate Validator實現注解式校驗（如@Min(1)）。

---

25~28分鐘：應急處理方案

1. 限流降級（Guava RateLimiter）：

private RateLimiter rateLimiter = RateLimiter.create(100); // 每秒100個請求  public Product getProduct(String id) {  if (!rateLimiter.tryAcquire()) {  throw new RuntimeException("請求過于頻繁，請稍后重試");  }  // 正常查詢邏輯...  
}  

2. 異步加載（CompletableFuture）：

public Product getProductAsync(String id) {  String key = "product:" + id;  Product product = redisTemplate.opsForValue().get(key);  if (product == null) {  CompletableFuture.runAsync(() -> {  Product dbProduct = productService.loadFromDB(id);  if (dbProduct != null) {  redisTemplate.opsForValue().set(key, dbProduct, 1, TimeUnit.HOURS);  }  });  }  return product; // 可能返回空，但避免阻塞請求  
}  

---

28~30分鐘：總結與優化方向

• 核心原則：攔截非法請求、緩存空值、業務兜底。
• 高級優化：
  • 結合Redis Module的RedisBloom擴展（生產級布隆過濾器）。
  • 動態調整限流閾值（如根據數據庫負載自動限流）。

---

練習與拓展

練習

1. 實現一個布隆過濾器，攔截id<=0的非法請求。
2. 修改空值緩存邏輯，動態設置隨機過期時間（如5~15分鐘）。

推薦拓展

1. 學習RedisBloom模塊的安裝與使用。
2. 研究分布式限流框架（如Sentinel）的實現原理。
3. 探索緩存穿透與緩存擊穿的綜合防護方案。