什么是缓存穿透，如何解决？

核心回答

缓存穿透是指请求查询的数据在缓存和数据库中都不存在，未命中结果又没有被有效拦截或缓存，导致相同或大量不存在的键反复查询数据库。它可能来自恶意构造的 ID，也可能来自旧链接、删除后的数据等正常请求。

通常分层治理：

1. 入口校验与限流。 拒绝明显无效的参数，限制异常请求及数据库回源量。
2. 缓存“不存在”的结果。 数据库明确查无数据后，写入可识别的空值标记并设置较短 TTL，后续相同请求直接返回；标记要与“缓存未命中”区分。
3. 用布隆过滤器过滤大量随机键。 将可查询的 ID 加入过滤器，判断确定未收录的键可提前拦截；判断可能存在的键仍正常查缓存和数据库。前提是过滤器已完整构建，并能及时同步新数据。

空值缓存适合重复访问同一个不存在的键；布隆过滤器更适合拦截大量不同的不存在键。两者可结合，但仍需控制回源，避免误判、同步延迟或组件故障把压力全部转给数据库。

空值缓存要处理哪些细节

以商品详情为例：先查商品缓存，命中商品值就返回，命中“不存在”标记就返回未找到；真正未命中时再查数据库，查到商品则写正常缓存，明确没有记录才写短期空值。

TTL 要结合新数据可见性的要求选择。过长会让后来创建的商品继续被当成不存在；过短则增加回源。创建商品提交成功后，应清理相应空值，失败时有重试，TTL 作为兜底。并发中的旧查询仍可能晚于清理写回空值；若业务不接受这段窗口，需要进一步协调回填与创建，不能只依赖一次删除。

数据库超时、连接失败不代表“商品不存在”，不能统一缓存成未找到。可以按业务返回暂时不可用，或单独短期缓存错误状态以抑制重试，但应保留它与业务空结果的区别。

随机键攻击还可能灌入大量空值，占满缓存，因此需要限制空值缓存规模、保留时间和入口流量，而不是无限缓存所有无效 ID。

布隆过滤器为什么会误判

布隆过滤器使用多个哈希函数把 ID 映射到位数组。查询时只要有一位为 0，就能判断该 ID 没被加入；如果对应位都是 1，可能是这个 ID，也可能由其他 ID 的映射共同造成，所以会出现假阳性。

这个性质针对的是已加入过滤器的集合。数据库新增记录尚未同步、过滤器丢失或重建未完成时，数据库中的真实商品也可能未被收录。此时不能把过滤器的负结果直接当成业务不存在，应识别过滤器的就绪状态，并按可用性要求采用受限回源等策略。布隆过滤器本身不提供数据库与过滤器的原子更新。

误判率越低通常需要越多空间或计算；容量增长也要规划。普通布隆过滤器的位可能由多个元素共享，删除商品时不能随便清零对应位，否则可能影响其他 ID；保留这些位会多放行一些查询，可以通过受控重建等方式治理。

追问：加锁或者随机 TTL 能解决穿透吗

同键请求合并或互斥回源可以减少并发查库，但如果每次查不到都不保存结果，下次仍会回源；对大量不同键，逐键加锁也难以解决总体压力。

随机 TTL 主要缓解大量缓存集中失效。热点数据存在、缓存失效后被大量请求同时重建，通常称为缓存击穿；大量不存在的数据反复回源才是这里的穿透。要根据数据库是否有数据、请求是否集中在同一键，以及回源量来判断，不能只凭“缓存命中率下降”下结论。

参考资料