一句话答案

穿透（查不存在的 key→布隆/空值缓存）、击穿（热 key 过期→互斥锁/永不过期）、雪崩（大量 key 同时过期→随机 TTL/多级缓存）。

核心要点

缓存穿透（Cache Penetration）：

现象：查询一个不存在的 key，缓存中没有，每次都直接打到 DB
场景：恶意攻击（大量查询 id=-1 等不存在的数据）
危险：DB 被大量无效查询压垮

解决方案：
  1. 缓存空值：查询结果为空时，也在缓存中写入 null（短过期时间如 5min）
     缺点：可能缓存大量无效 key
  
  2. 布隆过滤器（推荐）：
     在请求到达缓存前，先用布隆过滤器判断 key 是否可能存在
     不存在 → 直接返回，不查 DB 也不查缓存
     缺点：有误判率（误判为存在的占少数），需要维护数据同步

缓存击穿（Cache Breakdown / Hot Key）：

现象：某个热点 key 突然过期，大量并发请求同时打到 DB
场景：秒杀商品详情、热门文章的缓存刚好过期

解决方案：
  1. 互斥锁（Mutex）：
     缓存失效时，只让一个线程查 DB 并重建缓存
     其他线程等待（或先返回旧数据）
     缺点：等待期间性能下降
  
  2. 逻辑过期（Logical Expiration）：
     key 永不真正过期，但在 value 中存储过期时间戳
     发现逻辑过期 → 异步线程重建缓存，同时返回旧数据（不阻塞）
     优点：不阻塞请求；缺点：短暂返回旧数据（最终一致）

缓存雪崩（Cache Avalanche）：

现象：大量缓存 key 同时过期，或 Redis 实例宕机，流量全部打到 DB
场景：大量 key 设置了相同的过期时间

解决方案：
  1. 过期时间随机化：在基础过期时间上加随机偏移（如 TTL + random(0, 300s)）
  2. Redis 集群高可用：部署主从+哨兵或 Redis Cluster，避免单点故障
  3. 限流 + 降级：DB 前加限流，DB 承载不住时返回降级数据
  4. 本地缓存（多级缓存）：Redis 宕机时，本地缓存（Caffeine）提供兜底

追问与易错

追问方向：

• 布隆过滤器有什么缺点？如何解决？（误判率/不支持删除→Counting Bloom Filter）
• 互斥锁方案的缺点？（等待时间长/锁失效问题）
• 你们项目中用了哪种方案？为什么？

易错点：

• ❌ 混淆三者的区别——穿透是 key 不存在，击穿是热 key 过期，雪崩是大量 key 同时过期
• ❌ "空值缓存就完美解决穿透了"——海量不存在的 key 会占用大量内存，需设 TTL

💡 记忆锚点

穿透 = 查无此人（布隆过滤器拦门口），击穿 = 唯一保安下班众人涌入（互斥锁排队），雪崩 = 所有保安同时下班（错开下班时间 = 随机TTL）。三者区别：不存在/热key过期/大量key同时过期。