引言在高并发系统架构中缓存是提升性能、降低数据库压力的核心组件。Redis以其高性能、丰富的数据结构和成熟的生态成为缓存层的事实标准。然而不合理的缓存设计会引入数据不一致、缓存穿透、击穿、雪崩等风险。本文从设计模式出发结合 Spring Boot 代码实战彻底梳理 Redis 缓存的核心实践帮你构建一个健壮、高效的缓存层。一、核心概念与设计模式缓存设计不是简单地“存进去、取出来”而需要应对各种异常流量冲击和数据一致性挑战。下面逐一拆解最常见的三大问题及其解决方案。1. 缓存穿透现象查询一个数据库中也不存在的数据每次请求都会穿过缓存直接打到数据库上。由于缓存没有命中无法提供保护若遭受恶意攻击会导致数据库压力剧增。解决方案-缓存空对象将不存在的 key 对应的值设为 null 或空标记并设置较短过期时间如 30秒防止高频查询穿透。-布隆过滤器将所有可能存在的数据哈希到一个足够大的 bitmap 中查询前先用布隆过滤器快速判断是否存在若不存在直接拒绝。适用于数据量极大或 key 格式固定的场景。2. 缓存击穿现象一个热点 key 在某个瞬间过期此时大量请求同时涌入缓存未命中全部直接落库可能瞬间压垮数据库。解决方案-互斥锁Mutex Lock只有拿到锁的请求允许加载数据库并回写缓存其余请求短暂等待或重试。一般使用 Redis 的SETNX或分布式锁如 Redisson实现。-逻辑过期在 value 中保存一个逻辑过期时间缓存永不过期。读取时发现逻辑过期则异步更新缓存返回旧值避免瞬间穿透。3. 缓存雪崩现象大量 key 在同一时间过期或 Redis 实例宕机导致所有请求都流向数据库引发系统雪崩。解决方案-过期时间加随机扰动在基础过期时间上增加一个随机值避免集中失效。-多级缓存架构如 Nginx 本地缓存 分布式缓存缓存未命中时还可以使用降级方案。-限流与熔断对数据库访问进行限流结合 Hystrix/Sentinel 实现熔断降级。4. 缓存更新策略缓存与数据库双写涉及数据一致性业界常用以下几种模式-Cache Aside旁路缓存最常用。读先查缓存未命中则查数据库并更新缓存。写先更新数据库然后删除缓存等待下次读时重建。延迟双删策略是写前先删缓存再更新 DB延时后再删一次缓存以保证最终一致性。-Read/Write Through缓存层作为代理业务不关心 DB缓存负责同步更新 DB。-Write Behind Caching异步批量写入 DB写入性能极高但数据一致性弱。下文实战以Cache Aside 互斥锁 空对象缓存为例展示如何构建一个生产级缓存服务。二、实战示例Spring Boot Redis MySQL1. 环境依赖依赖Spring Web、Spring Data Redis、MySQL Driver、MyBatis-Plus或 JPA以及连接池Lettuce。pom.xml核心依赖省略完整文件dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-data-redis/artifactId /dependency dependency groupIdorg.springframework.boot/groupId artifactIdspring-boot-starter-web/artifactId /dependency dependency groupIdcom.baomidou/groupId artifactIdmybatis-plus-boot-starter/artifactId version3.5.3/version /dependency dependency groupIdmysql/groupId artifactIdmysql-connector-java/artifactId scoperuntime/scope /dependency2. 配置application.yml配置 Redis 连接和 MySQL 数据源。spring: redis: host: localhost port: 6379 datasource: url: jdbc:mysql://localhost:3306/cache_demo?useSSLfalseserverTimezoneUTC username: root password: root driver-class-name: com.mysql.cj.jdbc.Driver mybatis-plus: configuration: map-underscore-to-camel-case: true3. 实体与 Mapper假设有一个商品表提供商品 id 查询。CREATE TABLE product ( id bigint primary key auto_increment, name varchar(100), price decimal(10,2), stock int );对应实体Data TableName(product) public class Product { private Long id; private String name; private BigDecimal price; private Integer stock; }Mapper 接口MyBatis-PlusMapper public interface ProductMapper extends BaseMapperProduct { }4. 核心缓存服务带注释下面编写ProductService实现带互斥锁和空值缓存的缓存查询逻辑。Slf4j Service public class ProductService { Autowired private RedisTemplateString, Object redisTemplate; Autowired private ProductMapper productMapper; private static final String PRODUCT_PREFIX product::; private static final String LOCK_PREFIX lock::product::; private static final long CACHE_EXPIRE_SECONDS 3600; // 基础1小时 private static final long NULL_CACHE_EXPIRE_SECONDS 60; // 空对象缓存60秒 public Product getProductById(Long id) { String cacheKey PRODUCT_PREFIX id; // 1. 尝试从缓存获取 Object cached redisTemplate.opsForValue().get(cacheKey); if (cached ! null) { // 如果是空标记防止穿透 if (cached instanceof NullValueMarker) { return null; } return (Product) cached; } // 2. 缓存未命中尝试加锁 String lockKey LOCK_PREFIX id; boolean lockAcquired false; try { // 互斥锁SETNX 过期时间避免死锁。使用Lua保证原子性。 lockAcquired acquireLock(lockKey, 10); if (!lockAcquired) { // 未获锁则短暂等待后重试 Thread.sleep(50); return getProductById(id); // 重试 } // 3. 双检获取锁后再次查询缓存避免重复加载DB cached redisTemplate.opsForValue().get(cacheKey); if (cached ! null) { if (cached instanceof NullValueMarker) return null; return (Product) cached; } // 4. 查询数据库 Product product productMapper.selectById(id); if (product ! null) { // 写入缓存加随机过期时间防止雪崩 long expire CACHE_EXPIRE_SECONDS ThreadLocalRandom.current().nextInt(300); redisTemplate.opsForValue().set(cacheKey, product, expire, TimeUnit.SECONDS); return product; } else { // 缓存空对象防止穿透 long nullExpire NULL_CACHE_EXPIRE_SECONDS ThreadLocalRandom.current().nextInt(30); redisTemplate.opsForValue().set(cacheKey, new NullValueMarker(), nullExpire, TimeUnit.SECONDS); return null; } } catch (InterruptedException e) { Thread.currentThread().interrupt(); return null; } finally { if (lockAcquired) { releaseLock(lockKey); } } } // 更新商品时删除缓存Cache Aside 写操作 Transactional public void updateProduct(Product product) { productMapper.updateById(product); // 删除缓存 String cacheKey PRODUCT_PREFIX product.getId(); redisTemplate.delete(cacheKey); // 可引入延迟双删先删 - 更新DB - 延时再删此处简化 } // --------- 分布式锁简单实现生产建议使用 Redisson--------- private boolean acquireLock(String lockKey, long expireSeconds) { String lockValue UUID.randomUUID().toString(); Boolean success redisTemplate.opsForValue() .setIfAbsent(lockKey, lockValue, expireSeconds, TimeUnit.SECONDS); return Boolean.TRUE.equals(success); } private void releaseLock(String lockKey) { redisTemplate.delete(lockKey); } // 空值标记内部类 private static class NullValueMarker implements Serializable { } }5. 控制器测试RestController RequestMapping(/product) public class ProductController { Autowired private ProductService productService; GetMapping(/{id}) public Product getProduct(PathVariable Long id) { return productService.getProductById(id); } PutMapping(/update) public String update(RequestBody Product product) { productService.updateProduct(product); return ok; } }启动应用后反复访问/product/1观察 Redis 缓存行为第一次查询记录日志后续查询直接从缓存返回当缓存过期或被删除时只会有一个线程进入数据库加载。三、常见问题与注意事项1. 双写一致性问题Cache Aside 模式在读多写少时表现优秀但在高并发写场景可能出现短暂不一致。延迟双删可以进一步降低脏数据风险。对于强一致性要求建议使用分布式事务或直接读写穿透模式但成本较高。2. 缓存预热系统启动或大促前提前将热点数据加载到缓存避免首次请求的冷启动延迟。可通过监听 Spring 启动事件调用服务加载核心数据。3. 大 Key 与热 Key 问题大 Key单个 key 的 value 过大如超过 10KB会占用大量网络带宽也可能引起 Redis 阻塞。应拆分或进行压缩。热 Key某个 key 被 QPS 极高如秒杀商品可能导致单分片压力过大。可本地缓存、读写分离、或通过 key 拆分如product:1_0,product:1_1分担到不同 slot。4. 序列化与连接池使用更高效的序列化方式如 Protostuff代替 JDK 序列化减少内存和网络开销。配置合理的连接池参数Lettuce 默认连接数较小高并发下需调整。5. 缓存监控与降级引入缓存命中率、缓存负载等监控当 Redis 不可用时能够通过熔断器快速失败或者切换到本地缓存避免拖垮整个系统。四、总结缓存设计是一个需要精确权衡的领域没有一刀切的方案。核心在于理解每种模式的适用场景并结合业务读写性质、一致性要求、异常流量处理来设计。本文展现的Cache Aside 互斥锁防击穿 空值缓存防穿透 随机过期防雪崩是经典组合可直接用于大多数互联网项目。代码示例虽简单但骨架足以扩展至生产环境推荐结合实际业务需求不断打磨优化。记住缓存不是银弹它引入的复杂性问题需要用更审慎的设计去应对。希望这篇文章能成为你缓存实践中的一盏明灯。