被追问「线上真遇到过吗」:缓存穿透的排查顺序与止血手段
- 时间
- 2026-11
- 来源
- 牛客网
《面试题目》
- 缓存穿透怎么排查?
- 你线上真遇到过吗,怎么定位到是穿透的?
- 怎么区分缓存穿透和缓存击穿?
- 当时做了哪些止血?空值缓存的过期时间设多少合适?
- 布隆过滤器是银弹吗?它有什么代价?
- 只在 Service 层做参数校验有什么问题?
- 如果攻击者每次换一个随机 ID,空值缓存还挡得住吗?
- 面试时这道题你会怎么组织回答?
《参考解析》
为什么穿透难认:它不像雪崩那样一大片 key 同时过期,一眼可见。穿透的流量占比可能只有几个百分点,但每个请求都打到 DB,而 DB 的承载能力比 Redis 低两个数量级,照样能把库压垮。帖主遇到的现象是 MySQL CPU 冲高、接口 P99 从 80ms 涨到两秒多,而 Redis 命中率只是从 98% 掉到 92%——命中率的小幅下跌对应的是 DB 的灾难。
排查三步:第一步看 DB 侧,拉慢查询日志,确认是不是大量「耗时不长但 QPS 异常高」的查询,并检查这些查询的结果是否为空——正常未命中查出来的是真实数据,查出空结果且量很大,基本可以锁定穿透。第二步看 Redis 侧 miss 的 key 长什么样,在应用层对缓存未命中的 key 做低采样打点,观察是否集中在伪造或连续递增的 ID 上;这里有个坑,开全量日志会把磁盘写满,采样率要压到千分之一级别。第三步区分穿透与击穿:击穿是单个真实存在的热点 key 过期瞬间被并发打库,穿透是 key 压根不存在、缓存永远不会命中,看 miss 的 key 在库里是否存在即可分辨。
止血的优先级:最便宜的是对查询结果为空的 key 也写缓存,TTL 设短(例如 60 秒),几分钟就能上线;其次是网关层按来源限流,掐掉明显的脚本流量;再是入口参数格式校验。空值缓存的时间不能拍脑袋:设长了,运营新建的数据在 TTL 内查不到,会变成用户投诉;设短了挡不住持续攻击。折中做法是空值短 TTL,并在数据创建时主动删除对应的空值 key。
布隆过滤器的边界:它能把「一定不存在」的请求挡在缓存之前,但有误判率、需要预热、标准实现不支持删除,重建期间还要处理一致性。业务量没到那个级别时,空值缓存加参数校验已经够用;只有当不存在的 key 高度分散、空值缓存完全覆盖不住时,才值得引入。
参数校验要放在入口:写在 Service 里,请求仍然要穿过 Controller、拦截器、参数解析才被拦下,资源已经消耗了。挪到网关和参数校验注解上,才能真正省下后面的开销。
回答结构:先讲怎么判断(DB 空结果占比、miss key 分布、穿透与击穿的区别),再讲怎么止血(空值缓存、入口限流、格式校验),最后讲怎么根治(布隆过滤器、热点隔离、异常 ID 分布的监控告警)。补一句自己的判断会更好:穿透排查的难点不在方案,而在于能否快速拿到「miss 的 key 长什么样」,所以平时就要在缓存未命中处留低采样埋点。