缓存雪崩靠setex加随机抖动,缓存击穿靠set+setnx互斥锁+双重检查,两者必须配合使用;TTL不加扰动会导致批量过期穿透DB,setnx保证加锁原子性,逻辑过期适用于容忍 stale data 的热点数据。

直接上结论:缓存雪崩靠 setex 加随机抖动,缓存击穿靠 set + setnx 互斥锁 + 双重检查,两者必须配合使用,单用任何一个都扛不住真实高并发。
为什么 setex 加固定 TTL 就会雪崩
Redis 里大量 key 同时过期,不是小概率事件——它常发生在定时任务刷新、服务重启后批量预热、或开发者写死 300 这种整数 TTL 的时候。一旦这些 key 在同一秒内集体失效,所有请求瞬间穿透到 DB,CPU 直接拉满。
- 现象:
redis_client.setex("user:1001", 300, "data")批量调用后,每 5 分钟就出现一次数据库慢查询报警 - 根本原因:TTL 没做扰动,Redis 过期键清理是惰性+定期混合策略,但“到期时间一致”会让定期扫描集中触发
- 参数差异:
base_ttl=300是安全底线,jitter_range建议设为60~180秒;太小(如 10)没效果,太大(如 600)会导致部分缓存长期 stale - 性能影响:随机化本身无开销,但要注意
random.randint()在多线程下不是完全线程安全的,生产环境建议用secrets.randbelow()或初始化一个局部random.Random()实例
互斥锁为什么必须用 setnx 而不是 get + set
用 redis_client.get(key) 判断为空再 redis_client.set(key, value),本质是竞态条件(race condition)。两个线程几乎同时执行完 get 得到 None,接着都执行 set,结果就是 DB 被查两次,缓存被写两次,锁形同虚设。
- 正确姿势:
redis_client.set(lock_key, "1", nx=True, ex=10)——nx=True表示仅当 key 不存在时才设置,这个操作是原子的 - 容易踩的坑:
ex=10必须设,否则锁不释放会永久阻塞;但也不能设太短(如 1 秒),否则业务逻辑稍慢就会导致锁自动过期,多个线程再次并发进入 - 双重检查不能省:加锁前查一次缓存,加锁成功后再查一次——防止锁等待期间别的线程已把数据写回
- 释放锁必须用
delete,不能用del(Python 关键字);更稳妥的做法是用 Lua 脚本保证“判断+删除”原子性,但对大多数场景,简单delete已足够
逻辑过期 vs 物理过期:什么时候该放弃 setex
当某个 key 是绝对热点(比如首页 banner、热搜榜),且业务能容忍几秒内的旧数据时,物理过期(setex)反而成了风险源。这时应改用逻辑过期:key 永不过期,过期时间藏在 value 里。
- 适用场景:
redis_client.set("hot_list", json.dumps({"data": [...], "expire_at": 1745542000})),每次读取先解析expire_at再决定是否异步刷新 - 关键点:异步刷新必须用独立线程或任务队列(如 Celery),不能在主线程里同步查 DB,否则响应延迟飙升
- 兼容性注意:value 结构变复杂后,所有读写逻辑都要适配 JSON 解析;如果用 pickle,跨语言或升级 Python 版本时可能出问题
- 别忘了兜底:异步刷新失败时,要降级为直接同步加载,否则用户永远看到过期数据
最易被忽略的一点:互斥锁的 lock_key 必须和业务 key 严格一一对应,且不能带可变前缀(比如用时间戳拼接)。否则看似加了锁,实际每个请求都在抢不同的锁,等于没锁。
Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!











