cache-traplisted

# 缓存陷阱 ## When to Invoke 商品详情、活动页、配置、用户信息等读多写少走 Redis；出现击穿/穿透/雪崩/不一致。 ## When NOT 分布式锁、库存扣减主账本、MQ。缓存不是数据源。 ## 风险（面试考点） | 名称 | 是什么 | 不是什么 | |------|--------|----------| | 穿透 | 查不存在的数据，缓存和 DB 都没有，每次打 DB | 热点 key 过期 | | 击穿 | 一个热点 key 过期，并发打穿 DB | 大批 key 一起过期 | | 雪崩 | 大批 key 同时过期，或 Redis 宕机，流量打到 DB | 单个 key | 另：先更新缓存再写 DB、或删缓存后再写 DB 导致把旧值填回缓存。 ## 适用场景 - 商品/景点/场次详情 - 活动开关、字典 - 热点商户信息 ## 方案选型（轻量优先） 读写：Cache-Aside。应用读 Redis → miss 读 DB → 回填。写：**先写 DB，再删缓存**（不是改缓存）。删失败靠 TTL 自愈，可延迟再删一次。 | 问题 | 默认 | 升级 | |------|------|------| | 穿透 | 参数校验 + 缓存空值短 TTL（30–120s） | 布隆过滤器挡明确不存在的 ID | | 击穿 | 热点永不过期或逻辑过期 + 单飞（同 key 只回源一次） | 互斥锁回填 | | 雪崩 | TTL 加随机抖动；Redis 主从/哨兵 | 本地 Caffeine 做二级；DB 限流；熔断 | | 热点 | 本地缓存 + Redis | 拆 key、副本读 | | 大 key | 拆分；删除用 `UNLINK` | 禁止 `KEYS` | ## 默认方案 ```java public Product get(Long id) { String key = "prod:" + id; String cached = redis.opsForValue().get(key); if (cached != null) { return cached.equals(NULL) ? null : readJson(cached); } Product db = productMapper.selectById(id); if (db == null) { redis.opsForValue().set(key, NULL, Duration.ofSeconds(60)); return null; } int ttl = 600 + ThreadLocalRandom.current().nextInt(120); redis.opsForValue().set(key, writeJson(db), Duration.ofSeconds(ttl)); return db; } @Transactional public void update(Product p) { productMapper.updateById(p); redis.delete("prod:" + p.getId()); // 先 DB 后删缓存 } ``` 击穿单飞（同进程）： ```java private final ConcurrentHashMap<L