程序员凌晨三点被薅醒：缓存三连击怎么防

老张揉着眼睛爬起来，手机屏幕上DBA的未接来电已经摞了七个。后台监控群里，数据库连接数曲线像坐了火箭——10秒从200飙到2000+，服务全面超时。黑产脚本正在遍历138****0001到138****9999，每秒上万次查询砸向根本不存在的用户ID。这是缓存穿透，Redis缓存三连击的第一拳。

三拳全中什么场面？双十一零点你抢券页面卡死，背后可能是穿透、击穿、雪崩轮番上阵。本文用一张图拆透这三道裂缝，附可直接落地的Python代码。

一图锁定：三道裂缝长什么样

想象缓存是一堵墙，墙后是你的数据库：

穿透——有人专门砸墙不存在的部位，墙说"这儿没门"，但砸的人太多，墙后的DB先崩。

击穿——热门展位突然撤了（缓存过期），上千人同时挤过去重建，DB被踩垮。

雪崩——整面墙的砖块同时到期，流量洪峰无差别灌入DB。

三者的共同点是：缓存没拦住，数据库硬扛。区别只在"没拦住"的原因不同。

穿透：让"不存在"止步于缓存层

攻击者用脚本狂刷user:999999999这种幽灵ID，缓存永远miss，请求直达数据库。每秒1万次EXISTS返回0，DB瞬间变筛子。

防御双保险：

第一重：布隆过滤器（Bloom Filter）做存在性前置校验。这是个概率型数据结构，告诉你"绝对不存在"或"可能存在"。把全量用户ID哈希进去，查询时先过一遍，绝对不存在的key直接拦截，零成本。

第二重：空值短期缓存。布隆过滤器说"可能存在"但实际查DB没有？把这个"没有"也缓存5分钟，下次同样请求直接返回NULL，不再穿透。

代码逻辑：

查缓存前→布隆过滤器拦截→缓存命中直接返回→未命中查DB→DB有数据缓存1小时/无数据缓存5分钟NULL。

核心就两点：存在性前置校验 + 空值短期缓存，把无效流量挡在数据库门外。

击穿：热点key过期时的并发踩踏

首页推荐位hot_item缓存到期那一毫秒，1000个线程同时发现GET返回nil，同时执行SET。谁先写？谁来查库？没协调就是灾难——数据库CPU飙升，缓存重建被重复执行N次。

解法：分布式锁串行化重建。

Redis的SETNX（SET if Not eXists）是原子操作，配合自动过期时间防死锁。抢到锁的线程去查库重建，没抢到的短暂等待后重试，或返回降级数据。

关键细节：

锁粒度必须最小化，只锁单个key；锁必须设自动过期，防止持有锁的线程崩溃导致死锁；拿到锁后二次检查缓存，防止重复重建；finally块必须释放锁，异常也不能漏。

锁不是性能杀手，未协调的并发才是。

雪崩：别让缓存集体"下班"

凌晨2点，运营批量导入商品设置了统一TTL=3600秒。整点一到，数万key同时失效，流量洪峰同步涌向数据库——这是缓存雪崩。

根治口诀：不设固定过期时间，只设"基础TTL+随机抖动"；核心数据宁可冗余更新，也不集体断供。

具体做法：

普通数据：基础TTL ± 10%随机抖动。3600秒的基础过期时间，实际落在3240~3960秒之间，分散失效窗口。

核心数据：逻辑永不过期 + 异步刷新。缓存不设置过期时间，后台任务每30分钟主动更新，旧数据直到新数据写入前一直有效。

生产环境禁用KEYS命令扫描，用SCAN+TTL采样更安全。

从事故到防线：一个真实复盘

那次凌晨三点的穿透事故后，团队补了三件事：

布隆过滤器接入用户查询链路，百万级容量、千分之一误判率，内存占用不到2MB；空值缓存5分钟，黑产脚本的遍历攻击从2000+连接数压到个位数；监控告警从"数据库CPU>80%"前置到"缓存命中率骤降+大量NULL查询"。

监控不是锦上添花，是故障前的最后一道哨兵。

穿透、击穿、雪崩，本质是缓存与数据一致性之间的三道裂缝。守住它们，只需三招：存在性校验让"不存在"止步于缓存层；热点保护把重建动作串行化；过期分散避免缓存集体休眠。

缓存不是银弹，是需要精心设计的防护体系。你在项目中用过哪种防护组合？redis.conf里有没有藏着自研的黑魔法？