缓存雪崩 缓存击穿 热key大key 持久化尽量避免丢失数据 数据库redis一致性

下面给出一份「面试速记表 + 实战代码 + 口诀」，把 Redis 最常见的 5 类“大坑”一次性整理清楚。

---

口诀：
雪崩一大片，击穿一个点；
热 key 扛不住，大 key 拖全网；
持久化丢数据，缓存库不同步。

---

坑名	触发场景	典型现象	防护 4 件套（按优先级）	一句话记忆
1. 缓存雪崩	大量 key 同时过期 / Redis 宕机	所有请求直达 DB，DB 被打挂	• 过期时间加随机值（散列） • Redis Cluster + 哨兵高可用 • 本地 Caffeine 二级缓存 • 降级限流（Sentinel）	“把过期时间打散，别让千军万马一起冲”
2. 缓存击穿	单个热点 key 失效瞬间	该 key 的并发全部打到 DB	• 热点 key 永不过期 + 异步刷新 • 互斥锁（SET NX PX + Lua） • 逻辑过期（value 里存时间戳） • 提前预热 + 布隆过滤器	“热点 key 永不过期，或加互斥锁”
3. 热 key	访问 QPS 极高，单节点网卡占满	Redis 单分片 CPU 100%	• 本地缓存 + 一致性哈希分片 • 拆 key：将热 key 按 hash 后缀分成 N 份 • 读写分离（副本节点）	“把 1 把钥匙拆成 100 把”
4. 大 key	value 过大（>10 MB）	慢查询、阻塞、同步延迟	• 业务拆分：按日期/ID 分段 • 使用 Hash / List 分片 • 定期扫描：redis-cli --bigkeys • 惰性删除：UNLINK 代替 DEL	“大 key 瘦身，拆、分、删”
5. 持久化丢数据	RDB 快照间隔内崩溃	最近写入全部蒸发	• AOF 每秒刷盘 (appendfsync everysec) • RDB + AOF 混合模式 • 双写日志：Binlog → Canal → Redis • 异地多活	“RDB 做备份，AOF 做实时，双保险”

---

数据库 & 缓存一致性 3 种套路

1. Cache-Aside（旁路缓存）
   读：先缓存 → 没有再查库 → 写回缓存
   写：先写库 → 再删缓存（延迟双删防并发）

   @CacheEvict(key = "#id", beforeInvocation = false)
   public void updateOrder(Long id, OrderDTO dto) {
       orderMapper.updateById(id, dto);
       // 延迟 500 ms 再次删，防并发脏读
       executor.schedule(() -> redisTemplate.delete("order:"+id), 500, TimeUnit.MILLISECONDS);
   }

2. 分布式锁 + 双写
   写请求先拿 Redisson 锁 → 写库 → 写缓存 → 解锁

3. Canal / Debezium 异步订阅
   MySQL binlog → Canal → Kafka → 更新 Redis，零侵入，最终一致

---

热 key 互斥锁示例（Lua 原子脚本）

-- KEYS[1] 锁名  ARGV[1] 过期毫秒
if redis.call('SET', KEYS[1], 1, 'NX', 'PX', ARGV[1]) then
    return 1   -- 拿到锁
else
    return 0   -- 没拿到
end

Java 封装

Boolean locked = redisTemplate.execute(
        RedisScript.of(lua, Boolean.class),
        Collections.singletonList("lock:sku:" + skuId),
        1000);
if (Boolean.TRUE.equals(locked)) {
    try {
        // 查询数据库并回写缓存
    } finally {
        redisTemplate.delete("lock:sku:" + skuId);
    }
} else {
    // 自旋 or 返回默认值
}

---

总结口诀再背一遍
雪崩—打散过期，击穿—锁/永不过期，热 key—拆分，大 key—瘦身，持久化—RDB+AOF，一致性—延迟双删 + 异步 binlog。