缓存穿透是恶意查询不存在key导致请求直达数据库并压垮DB的问题；需用布隆过滤器预判绝对不存在的key，并对空值缓存设置随机过期时间以避免雪崩。
缓存穿透是什么，为什么它会直接打垮数据库
缓存穿透不是性能问题，是攻击面问题：当大量请求查询 null 或根本不存在的 key（比如恶意构造的 user:id:999999999），Redis 查不到就穿透到 DB，DB 瞬间被压垮。关键在于——这些 key 从不写入缓存，所以每次都是“空查 + DB 负载”。
典型现象：Redis get 返回 null，但日志里 DB 的 SELECT 却高频执行；监控看到 DB QPS 暴涨，而 Redis hit rate 接近 100%（因为全是 miss，没得 hit）。
用布隆过滤器预判“key 绝对不存在”
布隆过滤器（Bloom Filter）是空间换时间的方案，适合做“存在性快速否定”。它不能 100% 确认存在，但能 100% 确认不存在——这正是防御穿透的核心需求。
- Spring Boot 中推荐用
RedisBloom模块（需 Redis 服务启用redisbloom模块）或客户端侧用guava+ 本地布隆过滤器（适合 key 总量可控、更新不频繁的场景） - 初始化时把所有合法 key（如用户 ID、商品 SKU）批量塞进布隆过滤器；新增 key 时同步更新（注意分布式一致性）
- 查询前先调
bloom.exists("user:id:123")，返回false就直接返回空，不查 Redis 也不查 DB - 注意误判率：默认 3% 误判率会导致 3% 的真实 key 被当成不存在，建议设为
0.01，代价是内存翻倍
空值缓存（Cache Null）必须带随机过期时间
对查不到的 key，写入一个占位值（如 "null" 或空 JSON "{}"）并缓存，避免重复穿透。但若所有空值统一设固定 TTL（比如 5 分钟），会引发“缓存雪崩式重击”——大量空值同时过期，瞬间涌向 DB。
- 写空值时用随机 TTL：比如基础 2 分钟，再加
Random.nextInt(60)秒，范围控制在 120–180 秒之间 - 空值内容建议用轻量标识，如
"__NULL__"，避免和业务真实数据混淆 - 必须配合布隆过滤器使用：否则布隆漏掉的非法 key 会反复写空值，浪费 Redis 内存
- 注意序列化：若用
StringRedisTemplate，确保null值被序列化为字符串而非抛异常
@Cacheable 不能直接防穿透，要重写逻辑
Spring 的 @Cacheable 默认只缓存方法返回非 null 结果，遇到 DB 返回 null 就不会写缓存——这恰恰放行了穿透请求。
- 别依赖
@Cacheable(key = "#id", unless = "#result == null")，它不解决空值不缓存的问题 - 正确做法是手写 service 方法：先查 Redis → 若为
"__NULL__"直接 return；若为null，再查 DB；DB 也为空则写"__NULL__"+ 随机 TTL - 如果坚持用注解，可自定义
CacheResolver或继承RedisCacheManager，重写getMissingCache和写入逻辑，但复杂度陡增 - 切记：所有空值写入必须走
redisTemplate.opsForValue().set(key, value, timeout, TimeUnit.SECONDS)，别用boundValueOps，后者不支持随机 timeout
真正难的不是代码怎么写，而是布隆过滤器的初始加载时机、key 集合的完整性保障、以及空值与布隆双层校验的时序一致性——这些点一旦出错，防护就形同虚设。
