Cache缓存如何避免雪崩

缓存雪崩（Cache Avalanche）是指大量缓存数据在同一时间集中失效，或者缓存服务整体不可用，导致瞬时大量请求直接打到数据库，造成数据库压力过大甚至宕机。

下面从原因 → 解决思路 → 落地方案几个层面说明如何避免。

一、缓存雪崩的常见原因

1. 缓存设置了相同的过期时间
2. 缓存服务器宕机（Redis 集群故障）
3. 热点数据集中失效
4. 突发流量 + 缓存未命中

二、避免缓存雪崩的核心方案

1️⃣ 过期时间加随机值（最常用）

避免同一时间批量失效。

原过期时间：30 分钟
改进：30 分钟 + 随机(0~10)分钟

示例（Java）：

int expire = 30 * 60 + new Random().nextInt(600);
redis.set(key, value, expire);

✅ 效果：失效时间分散，降低集中击穿概率

2️⃣ 缓存永不过期 + 异步刷新

适合热点数据。

• 缓存逻辑上“不过期”
• 后台定时任务或懒加载更新

请求 → 缓存有 → 直接返回
后台线程 → 定时更新缓存

✅ 优点：彻底避免失效 ❌ 缺点：数据一致性要求高时需谨慎

3️⃣ 多级缓存架构

降低单点风险。

请求
 ↓
本地缓存（Caffeine / Guava）
 ↓（未命中）
分布式缓存（Redis）
 ↓（未命中）
数据库

✅ 即使 Redis 挂了，本地缓存仍可扛一部分流量

4️⃣ 限流 & 降级

防止数据库被冲垮。

• 接口限流（Sentinel / Hystrix）
• 降级返回默认值或静态页

QPS > 阈值 → 拒绝部分请求

✅ 保护核心系统

5️⃣ 热点 Key 隔离

避免一个 Key 拖垮整体。

• 热点 Key 单独集群
• Key 拆分（hash 分片）

hot_key_1
hot_key_2
hot_key_3

6️⃣ Redis 高可用

从架构层面避免“缓存整体挂掉”。

• Redis 主从 + 哨兵
• Redis Cluster
• 多机房部署

7️⃣ 互斥锁 / 单飞（防止击穿引发雪崩）

缓存失效时，只让一个请求去查 DB。

if (redis.get(key) == null) {
    if (lock.tryLock()) {
        data = db.query();
        redis.set(key, data);
        lock.unlock();
    }
}

✅ 降低数据库压力

三、雪崩 vs 穿透 vs 击穿（快速区分）

四、总结一句话

避免缓存雪崩 = 过期时间打散 + 高可用缓存 + 限流降级 + 多级防护

如果你愿意，我也可以结合 Redis / Spring Boot / 微服务 给你一个完整示例方案。