在面試過程中，面試官的桌子上擺放著很多高頻的面試題，能否順利回答決定了你面試通過的概率。其中緩存問題就是其中的一份，可以說掌握緩存問題及解決方法是面試前必須準備的內容。那么緩存有什么典型的問題，出現的原因是什么，又該如何解決呢？本文，來為你一一詳細介紹。

緩存問題有哪些？

緩存雖然能提升性能，但也會帶來一些問題。緩存問題有很多，其中經典的緩存問題如下圖所示：

1. 緩存雪崩

問題描述：緩存服務宕機，導致所有請求直接訪問數據庫，引發數據庫壓力激增甚至崩潰。

解決方法：

• 集群化部署緩存（如Redis Cluster），實現高可用；
• 使用熔斷降級機制，限制數據庫訪問量；
• 讀寫分離；
• 使用本地緩存；
• 對緩存體系進行實時監控，當請求訪問的慢速比超過閥值時，及時報警，通過機器替換、服務替換進行及時恢復；也可以通過各種自動故障轉移策略，自動關閉異常接口、停止邊緣服務、停止部分非核心功能措施，確保在極端場景下，核心功能的正常運行。

2. 緩存失效

問題描述：大量緩存數據同時過期，導致所有請求直接訪問數據庫，引發數據庫壓力激增甚至崩潰。

解決方法：設置隨機過期時間，避免同時失效。使用公式：過期時間 = base 時間 + 隨機時間。

3. 緩存穿透

問題描述：頻繁查詢不存在的數據（如惡意攻擊），緩存和數據庫均無法命中，導致無效請求穿透到數據庫。

解決方法：

• 布隆過濾器（Bloom Filter）： 構建一個 BloomFilter 緩存過濾器，記錄全量數據，這樣訪問數據時，可以直接通過 BloomFilter 判斷這個 key 是否存在，如果不存在直接返回即可，根本無需查緩存和 DB。但是BloomFilter 要緩存全量的 key，這就要求全量的 key 數量不大，10億條數據以內最佳，因為 10億 條數據大概要占用 1.2GB 的內存。也可以用 BloomFilter 緩存非法 key，每次發現一個 key 是不存在的非法 key，就記錄到 BloomFilter 中，這種記錄方案，會導致 BloomFilter 存儲的 key 持續高速增長，為了避免記錄 key 太多而導致誤判率增大，需要定期清零處理；
• 緩存空值（Null Object）： 為不存在的 Key 設置短時間緩存，避免重復查詢數據庫。

4. 緩存擊穿

問題描述：某個熱點Key突然過期，大量并發請求直接訪問數據庫，導致瞬時壓力過大。

解決方法：

• 永久緩存： 針對基本不會發生更新的場景，可以把 key 設置為永不過期，讓 key 常駐緩存；定期緩存：針對需要頻繁更新的場景，可以使用額外的補償程序來定時刷新緩存或者延長 key 的實效時間；
• 分布式鎖： 針對偶爾需要更新的場景，可以對請求代碼使用分布式互斥鎖，使得少部分直接請求數據庫后更新緩存，而剩余的其他請求直接使用新緩存即可，或者采用本地互斥鎖保證僅有少量請求能夠更新緩存，其余請求訪問新緩存。

5. 緩存與數據庫一致性

問題描述：緩存與數據庫數據不一致，常見于更新操作時，比如更新 DB 后，寫緩存失敗，從而導致緩存中存的是老數據。

解決方式：

• 刪除 Key： 寫入/更新的時候，先刪除緩存中的 Key，再更新數據庫；
• 訂閱數據庫Binlog： 通過監聽數據庫變更同步更新緩存（如Canal工具）；
• 最終一致性容忍： 根據業務場景接受短暫不一致。

6. 緩存預熱

問題描述：系統啟動時緩存為空，大量請求直接訪問數據庫導致冷啟動壓力。

解決方式：提前加載熱點數據到緩存（如統計分析高頻訪問的Key）。

7. 緩存淘汰策略

問題描述：緩存空間有限時，如何選擇淘汰哪些數據以騰出空間。

解決方式：

• LRU（Least Recently Used）： 淘汰最近最少使用的數據；
• LFU（Least Frequently Used）： 淘汰訪問頻率最低的數據；
• TTL（Time To Live）：基于過期時間淘汰。

8. 緩存污染

問題描述：緩存中存儲了低頻訪問的數據，擠占了熱點數據的空間。

解決方式：

優化緩存淘汰策略（如結合LRU和LFU）；

定期清理非熱點數據。

9. 熱點 Key

問題描述：某些業務在某一瞬間或某一時間段內可能會成為熱點業務，熱點業務的數據可能會產生熱點key，比如微博上熱榜數據。

解決方式：

• 找到對應的熱點 key，將這些熱 key 進行分散處理，比如一個熱 key 名字叫 hotkey，可以被分散為 hotkey#1、hotkey#2、hotkey#3，……hotkey#n，這 n 個 key 分散存在多個緩存節點，然后 client 端請求時，隨機訪問其中某個后綴的 hotkey，這樣就可以把熱 key 的請求打散，避免一個緩存節點過載；
• 也可以 key 的名字不變，對緩存提前進行多副本+多級結合的緩存架構設計。再次，如果熱 key 較多，還可以通過監控體系對緩存的 SLA 實時監控，通過快速擴容來減少熱 key 的沖擊。最后，業務端還可以使用本地緩存，將這些熱 key 記錄在本地緩存，來減少對遠程緩存的沖擊。

10. 大 Key

問題描述：緩存中某些 key 的 value 的值過大，導致寫操作超時、加載速度緩慢等問題。

解決方式：

• 如果數據存在 MC 中，可以設計一個緩存閥值，當 value 的長度超過閥值，則對內容啟用壓縮，讓 KV 盡量保持小的 size，其次評估大 key 所占的比例，在 Mc 啟動之初，就立即預寫足夠數據的大 key，讓 MC 預先分配足夠多的 trunk size 較大的 slab。確保后面系統運行時，大 key 有足夠的空間來進行緩存；
• 如果數據存在 Redis 中，比如業務數據存 set 格式，大 key 對應的 set 結構有幾千幾萬個元素，這種寫入 Redis 時會消耗很長的時間，導致 Redis 卡頓。此時，可以擴展新的數據結構，同時讓 client 在這些大 key 寫緩存之前，進行序列化構建，然后通過 restore 一次性寫入；
• 將大 key 分拆為多個 key，盡量減少大 key 的存在。同時由于大 key 一旦穿透到 DB，加載耗時很大，所以可以對這些大 key 進行特殊照顧，比如設置較長的過期時間，比如緩存內部在淘汰 key 時，同等條件下，盡量不淘汰這些大 key。