缓存击穿必然发生,需用set原子指令加互斥锁或逻辑过期方案防控;布隆过滤器对此无效,仅适用于拦截非法不存在key。

缓存击穿不是“能不能防”的问题,而是“不防就崩”的问题——只要你的热点 key 有过期时间,且并发量超过数据库单点承受能力,它就一定会在某个毫秒级时刻爆发。
为什么 Redis.setex() 直接写缓存会引发击穿
最典型的错误是把 setex 当成万能缓存写入,比如:
client.setex("product:123", 300, json.dumps(data))
这行代码本身没问题,但问题出在「所有线程都执行它」。当 key 过期瞬间,5000 个请求同时发现缓存 miss,全部调用数据库查询 + setex,数据库连接池直接打满。
- 根本原因:缓存读写分离,写操作无协调机制
- 关键盲区:
setex不带原子性判断,无法阻止并发回源 - 后果不只是慢:可能触发数据库连接耗尽、慢查询堆积、主从延迟飙升
用 Redis 的 SET 命令实现互斥锁(推荐落地方案)
不用引入额外组件,纯 redis-py 就能实现可靠的重建锁。核心是用 SET key value NX EX seconds 的原子语义:
lock_key = "lock:product:123"
if client.set(lock_key, "1", nx=True, ex=5):
# 成功拿到锁:查 DB → 写缓存 → 删锁
data = db.query_product(123)
client.setex("product:123", 300, json.dumps(data))
client.delete(lock_key)
else:
# 没抢到锁:等待 50ms 后重试,或直接返回旧缓存(如果允许 stale read)
time.sleep(0.05)
-
NX确保只在 key 不存在时设值,天然排他 -
EX 5是防死锁的底线——锁最多持 5 秒,避免服务宕机导致永久阻塞 - 别用
GETSET或分两步SET+EXPIRE:非原子操作,在中间崩溃就会锁住整个 key - 等待策略建议用指数退避,而不是固定 sleep,否则高并发下仍会形成“锁队列洪峰”
逻辑过期方案比永不过期更可控
很多人第一反应是“把热点 key 设为永不过期”,但这会带来数据一致性风险:一旦 DB 更新而缓存没刷新,用户就永远看到脏数据。
更稳妥的做法是缓存值里嵌入逻辑过期时间:
cache_value = {
"data": {...},
"expire_at": int(time.time()) + 300 # 逻辑过期戳
}
client.setex("product:123", 3600, json.dumps(cache_value)) # 物理 TTL 设长些(如 1 小时)
- 读取时先检查
expire_at是否已过期;若过期,尝试用互斥锁异步刷新,当前请求仍返回旧值 - 物理 TTL(
setex的 second 参数)要远大于逻辑 TTL,只为兜底防止内存无限增长 - 这个方案牺牲了“绝对实时”,但换来了可用性与一致性的平衡——电商详情页、新闻列表等场景完全可接受
布隆过滤器只对穿透有效,别误用在击穿上
这是高频误区:布隆过滤器(Bloom Filter)解决的是「查询根本不存在的 key」,比如恶意刷 user:999999999。它对「真实存在但刚好过期的热点 key」完全无效。
- 如果你在击穿场景里加了布隆过滤器,等于给一把锁配了两把钥匙——多此一举,还增加 CPU 和内存开销
- 真正该用布隆过滤器的地方是接口入口层,拦截
/api/user/后面明显非法的 ID 格式或超出范围的数值 - 布隆过滤器的误判率(false positive)再低,也改变不了它无法识别“已存在但过期”这一事实
击穿的本质是“真数据+真请求+真过期”,唯一解法是控制重建行为的并发粒度——要么锁住,要么让重建变成后台动作,而不是每次请求都重来一遍。
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!











