缓存粒度设计与穿透、击穿、雪崩防御是环环相扣的系统工程：粒度影响缓存效率与一致性，而三大异常防御需结合分层缓存、布隆过滤、分布式锁、ttl随机化及熔断降级等策略协同应对。
缓存粒度设计和三大异常（穿透、击穿、雪崩）的防御不是孤立问题，而是环环相扣的系统工程。粒度太粗，缓存利用率低、更新成本高；粒度过细，key爆炸、内存浪费、一致性难控——而无论粒度如何，若缺乏对应防御机制，再好的设计也会在高并发下瞬间崩塌。关键在于“按需分层 + 精准拦截 + 弹性兜底”。
缓存粒度：从场景出发，拒绝一刀切
粒度选择本质是权衡空间、更新频率与一致性要求：
- 粗粒度缓存（如整张用户订单列表）：适合读多写少、变更不频繁的聚合数据；但更新时需全量刷新，易引发雪崩风险，且单次缓存命中收益高、miss代价也高。
- 细粒度缓存（如单个订单项 order:1001:item:2001）：更新灵活、一致性好，但key数量激增，布隆过滤器维护成本上升，空值缓存策略也更难收敛。
- 混合粒度：推荐主流做法——核心实体用细粒度（user:1001、product:888），高频组合查询用适度聚合（cart:user:1001、recent_orders:user:1001:7d），并通过本地缓存（Caffeine）对细粒度key做短期热点缓冲。
穿透防御：先筛后查，双保险拦截无效请求
穿透本质是“无效key打穿所有层”，防御重点在入口侧过滤与缓存层兜底：
- 网关或服务入口集成布隆过滤器（Bloom Filter），预加载所有合法ID集合（如用户ID、商品SKU）；对肯定不存在的请求直接拦截，不进业务逻辑。
- 对未命中缓存的查询，无论数据库是否返回null，都写入空值缓存（如 value = “null” 或自定义占位对象），并设置较短TTL（如 2–5 分钟），避免重复穿透。
- 对ID类参数增加基础校验（如正整数、长度范围、前缀规则），在Controller层快速拒绝明显非法输入，减少无效流量进入缓存链路。
击穿防护：锁+重试+本地缓存，稳住热点生命线
击穿聚焦单个热点key过期瞬间的并发冲击，核心是“错峰重建 + 避免重复加载”：
- 使用分布式锁（Redisson RLock 或 SETNX + Lua）控制重建权限，确保同一时刻仅一个线程查库写缓存。
- 采用双重检查（Double-Check）：加锁后再次查缓存，防止锁等待期间其他线程已写入，避免冗余DB查询。
- 搭配本地缓存（如 Caffeine）作为第一道屏障，对热点key设置较长的expireAfterWrite（如10分钟），即使Redis中key过期，本地仍可短暂兜底，大幅降低Redis和DB压力。
雪崩应对：时间分散 + 多级缓冲 + 熔断降级
雪崩源于大量key集体失效或缓存服务不可用，需从生成、存储、降级三层面设防：
- TTL随机化：基础过期时间 + 随机偏移（如 3600 ± 300 秒），打破集中过期节奏；对强时效性数据（如秒杀库存），改用逻辑过期（缓存value内嵌expireTime字段，由业务线程异步刷新）。
- 二级缓存架构：Caffeine（本地）+ Redis（远程）。本地缓存命中率通常可达70%–90%，天然隔离Redis抖动影响；本地miss后再查Redis，Redis miss才查DB。
- 熔断与降级：接入Sentinel或Resilience4j，在DB响应超时或错误率超标时，自动触发降级逻辑（如返回兜底静态页、缓存历史快照、或简化数据结构），保障服务可用性而非强一致性。
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
