缓存穿透了怎么办？

前两篇缓存文章主要解决了：

• 如何使用缓存（Cache Aside）
• 如何保证缓存高可用（Redis Cluster）

但缓存系统上线后，很快会遇到一个现实问题：

有些请求根本无法被缓存拦住。

正常情况下：

请求
 ↓
Redis
 ↓
命中
 ↓
返回

数据库压力很小。

但某些请求会变成：

请求
 ↓
Redis不存在
 ↓
MySQL不存在
 ↓
返回空

而且每次请求都会重复这个过程。

这种现象就是：

缓存穿透（Cache Penetration）

本章核心讨论的就是：

如何防止大量无效请求绕过缓存，直接冲击数据库。

一、什么是缓存穿透

缓存穿透指的是：

查询一个缓存中不存在、数据库中也不存在的数据。

例如：

用户ID = -1
订单ID = 999999999999

这些数据本来就不存在。

查询过程：

Redis
没有

↓

MySQL
没有

↓

返回空

如果：

正常用户偶尔查一次。

问题不大。

但如果：

10000 QPS

都在查询不存在的数据。

那么：

10000次请求
↓
全部打到数据库

缓存完全失效。

二、缓存穿透为什么危险

缓存设计的目标是：

保护数据库。

正常情况：

10000请求
 ↓
Redis
 ↓
9900命中
 ↓
100到数据库

数据库压力很小。

但穿透发生时：

10000请求
 ↓
Redis
 ↓
全部未命中
 ↓
MySQL

数据库瞬间承受：

10000 QPS

如果是恶意攻击：

甚至：

10万QPS
100万QPS

数据库可能直接被打垮。

因此：

缓存穿透本质上是：

无效请求绕过缓存，对数据库发动攻击。

三、缓存穿透产生的根本原因

文章强调：

缓存穿透的根源是：

“不存在的数据没有被缓存”。

例如：

数据库：

不存在 user:999999

Redis：

也不存在 user:999999

于是：

每次查询：

Redis Miss
↓
DB Miss
↓
返回

下次查询：

仍然：

Redis Miss
↓
DB Miss

无限重复。

四、方案一：缓存空对象（最常用）

这是最简单也是最常见的方案。

第一次查询：

user:999999

结果：

Redis
没有

↓

MySQL
没有

此时：

缓存一个特殊值：

NULL

例如：

user:999999 = null

并设置：

TTL = 5分钟

下次请求：

Redis
命中NULL

直接返回。

数据库不会再被访问。

五、缓存空对象的优缺点

优点：

实现简单

几乎所有系统都能快速落地。

效果明显

绝大部分穿透问题立即解决。

缺点：

占用缓存空间

例如：

攻击者不断请求：

user:100000001
user:100000002
user:100000003

Redis会存储大量：

NULL Key

导致：

缓存空间浪费。

因此：

一般会设置：

较短TTL

例如：

5分钟
10分钟

六、方案二：布隆过滤器（Bloom Filter）

这是文章重点介绍的方案。

核心思想：

在访问 Redis 之前，先判断数据是否可能存在。

流程变成：

请求
 ↓
Bloom Filter
 ↓

不存在
 ↓
直接返回

存在
 ↓
Redis
 ↓
MySQL

例如：

系统有：

1亿用户

所有合法用户ID：

提前加入 Bloom Filter。

查询：

user:999999999

时：

Bloom Filter判断：

绝对不存在

直接拒绝。

无需访问：

Redis
MySQL

七、布隆过滤器为什么高效

因为：

Bloom Filter本质是：

位数组 + 多个Hash函数。

特点：

空间极小

例如：

1亿数据

可能只需要：

几百MB

远小于：

HashMap

查询极快

时间复杂度：

O(1)

适合：

高并发场景。

八、布隆过滤器的特点

文章特别强调：

Bloom Filter有一个重要特点：

不存在误判不存在

即：

如果判断：

不存在

那么一定不存在。

但：

可能误判存在

例如：

实际上不存在：

user:999999

Bloom Filter可能认为：

存在

于是：

继续访问：

Redis
MySQL

但不会影响正确性。

只是降低一点效果。

九、缓存空对象 vs 布隆过滤器

缓存空对象

优点：

• 实现简单
• 无需额外组件

缺点：

• 浪费缓存空间
• 需要等待第一次请求

Bloom Filter

优点：

• 请求还没到 Redis 就被拦截
• 节省缓存空间
• 更适合大规模系统

缺点：

• 实现复杂
• 存在误判率

十、互联网公司的实际做法

文章给出的实践方案：

中小系统

通常：

缓存空对象

已经足够。

大型系统

通常：

Bloom Filter
+
缓存空对象

组合使用。

流程：

请求
 ↓
Bloom Filter
 ↓
Redis
 ↓
MySQL

形成多层保护。

十一、缓存穿透与缓存击穿的区别

很多人容易混淆。

缓存穿透

查询：

不存在的数据

特点：

Redis没有
DB也没有

缓存击穿

查询：

热点数据

特点：

Redis过期
DB有

因此：

穿透攻击的是：

不存在的数据

击穿攻击的是：

热点数据

两者完全不同。

十二、本章最重要的工程思想

缓存并不能天然挡住所有流量。

因为：

对于不存在的数据，缓存根本没有内容可缓存。

因此：

必须增加额外防线。

整个防御体系：

请求
 ↓
Bloom Filter
 ↓
Redis
 ↓
MySQL

核心目标是：

让无效请求尽量在最前面被拦截。

不要进入数据库。

十三、本章核心脉络

引入缓存
      ↓
发现数据库仍被打爆
      ↓
分析发现大量不存在的数据查询
      ↓
缓存穿透
      ↓

解决方案：

缓存空对象
      ↓
Bloom Filter
      ↓

组合防御
      ↓
保护数据库

一句话总结

缓存穿透是指查询的数据既不在缓存中也不在数据库中，导致所有请求直接落到数据库。解决方案主要有缓存空对象和布隆过滤器两种：前者通过缓存空结果避免重复查询，后者通过预先判断数据是否存在来提前拦截非法请求。在大型系统中，通常将两者结合使用，在数据库之前构建多层防护体系。