你在互联网大厂做后端开发的时候，有没有被缓存穿透问题搞得焦头烂额呢？相信很多同行都有过这样的经历，原本以为缓存能大大提升系统性能，结果却因为缓存穿透，让数据库压力骤增，甚至影响到整个系统的稳定运行。今天，咱们就来好好唠唠这个缓存穿透问题，看看怎么把它彻底解决掉。

背景介绍

在互联网应用中，缓存是提升系统性能的重要手段。当用户发起请求时，系统首先会去缓存中查找数据，如果命中则直接返回，大大减少了数据库的压力。但缓存穿透现象却打破了这种理想状态。所谓缓存穿透，就是指查询一个根本不存在的数据，由于缓存中也没有该数据，所以每次请求都会直接穿透到数据库，当这类请求大量存在时，数据库就会不堪重负，甚至可能导致系统崩溃。比如在电商系统中，如果有人恶意利用不存在的商品 ID 进行大量查询，就可能引发缓存穿透问题。

解决方案

布隆过滤器（Bloom Filter）

这是一个非常有效的解决方案。在缓存层前增加布隆过滤器，它基于哈希算法，由一个位数组和多个哈希函数构成。所有合法 Key 经过多个哈希函数计算后，会在位数组的对应位置上标记为 1 。当有请求到来时，先通过布隆过滤器判断该 Key 是否合法，即将该 Key 经过相同的多个哈希函数计算，查看位数组对应位置是否都为 1，如果不是则直接返回，这样可以拦截大部分无效请求。举例来说，某电商平台在采用布隆过滤器后，成功拦截了 99% 的无效商品 ID 请求，数据库压力下降了 90%。

不过，布隆过滤器存在一定的误判率，我们可以通过调整哈希函数数量和位数组大小来优化。误判率计算公式为(( (1 - e^{-kn/m})^k ))，其中(k)为哈希函数数量，(m)为位数组大小，(n)为元素数量 。实际应用中，需要权衡空间占用和误判率。例如，若元素数量(n = 1000000)，希望误判率控制在 0.01%，经过计算，合适的(m)约为 1800 万位，(k)约为 12 个哈希函数。

同时，为了保证数据的实时性，需要定期同步数据库更新布隆过滤器，例如每天凌晨进行全量同步。也可以采用增量更新的方式，当数据库有新数据插入时，实时更新布隆过滤器。

缓存空对象（Null Caching）

当数据库未命中时，我们可以将空值缓存起来并设置一个短的 TTL（如 5 - 30 秒）。这样，后续相同的请求就可以直接从缓存中获取空值，避免再次访问数据库。以社交平台为例，对不存在的用户资料缓存空值后，减少了 80% 的穿透请求。

但要注意，空值需与正常数据区分开，比如可以在缓存值前加上特定的前缀标识，像 “NULL_”。另外，还可以通过异步清理空缓存，比如监听数据库 Binlog，当新增数据时删除对应的空缓存。或者设置一个定时任务，每隔一段时间扫描缓存，清理掉过期的空缓存，避免缓存中积累过多无用的空值，占用缓存空间。

业务层防御

在业务层对参数进行严格的过滤也很关键。比如 ID 必须为数字且长度固定等，防止非法参数进入系统。可以在代码中添加参数校验模块，例如在 Java 中使用正则表达式对传入的 ID 进行校验：

import java.util.regex.Pattern;

public class ParameterValidator {
    private static final Pattern ID_PATTERN = Pattern.compile("^\\d{8}#34;);
    public static boolean isValidId(String id) {
        return ID_PATTERN.matcher(id).matches();
    }
}

对同一 IP 的请求进行限流，例如每秒限制 10 次，避免恶意攻击。可以使用令牌桶算法或漏桶算法实现限流，以 Guava 库中的 RateLimiter（基于令牌桶算法）为例：

import com.google.common.util.concurrent.RateLimiter;

public class RequestLimiter {
    private static final RateLimiter rateLimiter = RateLimiter.create(10);
    public static boolean tryAcquire() {
        return rateLimiter.tryAcquire();
    }
}

对于敏感接口，强制要求用户登录验证，确保请求的合法性。可以通过 JWT（JSON Web Token）等技术实现用户身份验证，用户登录成功后生成 JWT 令牌，后续请求携带令牌，在业务层进行令牌验证，只有验证通过的请求才会继续处理。

总结

缓存穿透问题虽然棘手，但只要我们掌握了正确的方法，就能有效地解决它。大家不妨试试上述的解决方案，根据自己的业务场景进行优化。在实际应用过程中，如果遇到什么问题或者有更好的解决办法，欢迎在评论区留言分享。让我们一起努力，提升系统性能，为用户带来更流畅的体验。