[特殊字符]️ Redis缓存穿透：当数据库被“空气”攻击时，如何优雅防御？

最新推荐文章于 2025-07-17 14:26:46 发布

hehehaha2025

最新推荐文章于 2025-07-17 14:26:46 发布

阅读量6

点赞数

CC 4.0 BY-SA版权

文章标签： it

原文链接：https://aicoding.juejin.cn/post/7525353263023718410

🌪️ Redis缓存穿透：当数据库被“空气”攻击时，如何优雅防御？

“缓存穿透？就是Redis防了个寂寞，数据库被空气打了！”

大家好！今天我们来聊聊Redis缓存中那个让无数开发者头疼的“幽灵攻击”——缓存穿透。它不费一兵一卒，却能让你数据库原地爆炸。本文将从原理到实战，手把手教你如何优雅防御！

一、缓存穿透：一场针对“不存在数据”的恶意攻击

什么是缓存穿透？

当用户疯狂请求数据库中根本不存在的数据时，请求会绕过缓存层（因为缓存中也没有），直接穿透到数据库。高并发下，数据库可能被压垮。

举个例子🌰：

正常请求：查商品ID=1001（存在） → 缓存命中 → 返回结果
穿透请求：查商品ID=-1（不存在） → 缓存未命中 → 查数据库 → 数据库返回空 → 下次继续查库（死循环）

二、防御方案对比：哪种才是你的菜？

方案	原理	优点	缺点
空对象缓存	将"不存在"也缓存	简单直接，成本低	可能缓存大量无用数据
布隆过滤器	预存所有合法Key，拦截非法请求	内存占用极小，效率高	存在误判率，不能删除元素
互斥锁	防止大量请求同时击穿到DB	保证数据一致性	降低系统并发能力

三、实战代码：Java防御三件套

场景：电商平台商品查询

/* by 01130.hk - online tools website : 01130.hk/zh/htmltable.html */
// 1. 布隆过滤器初始化（Guava实现）
BloomFilter<Long> bloomFilter = BloomFilter.create(
    Funnels.longFunnel(), 
    1000000, // 预期元素数量
    0.01     // 误判率
);

// 初始化合法商品ID（实际应从DB加载）
bloomFilter.put(1001L);
bloomFilter.put(1002L);

// 2. 商品查询服务（三层防护）
public Product getProduct(Long id) {
    // 第一关：布隆过滤器拦截
    if (!bloomFilter.mightContain(id)) {
        log.warn("🚫 非法ID被拦截: {}", id);
        return null;
    }
    
    // 第二关：尝试从缓存读取
    String cacheKey = "product:" + id;
    Product product = redisTemplate.opsForValue().get(cacheKey);
    
    // 命中空对象缓存（特殊标记）
    if ("NULL_OBJECT".equals(product)) {
        log.info("🛑 命中空对象缓存: {}", id);
        return null;
    }
    
    // 第三关：缓存未命中，查数据库（加互斥锁）
    if (product == null) {
        synchronized (this) {
            // 双重检查锁
            product = redisTemplate.opsForValue().get(cacheKey);
            if (product == null) {
                // 查数据库
                product = productDao.findById(id);
                if (product == null) {
                    // 缓存空对象，设置短TTL
                    redisTemplate.opsForValue().set(cacheKey, "NULL_OBJECT", 5, TimeUnit.MINUTES);
                } else {
                    // 缓存真实数据
                    redisTemplate.opsForValue().set(cacheKey, product, 1, TimeUnit.HOURS);
                }
            }
        }
    }
    return product;
}

关键点解析：

布隆过滤器：前置屏障，拦截绝对非法ID（如负数、超大数）
空对象缓存：为不存在的Key设置特殊值（避免重复查库）
互斥锁：synchronized保证单进程重建缓存（分布式用Redisson）

四、原理深潜：布隆过滤器为何如此高效？

布隆过滤器工作流程：

/* by 01130.hk - online tools website : 01130.hk/zh/htmltable.html */
         ┌─────────┐       ┌─────────┐
请求ID →  │ 哈希函数1 │ → 位位置1 │         │
         ├─────────┤       │         │
         │ 哈希函数2 │ → 位位置2 │ 位数组   │ → 全为1？存在！
         ├─────────┤       │         │
         │ 哈希函数3 │ → 位位置3 │         │
         └─────────┘       └─────────┘

写入：对Key做K次哈希，将位数组对应位置设为1
查询：检查Key的所有哈希位是否均为1（是→可能存在，否→绝对不存在）
特点：宁可错杀一千，绝不放过一个（可能误判合法Key，但绝不放过非法Key）

五、避坑指南：这些雷区千万别踩！

空值缓存TTL过短
→ 攻击者会在TTL过期后再次穿透
✅ 解决方案：动态TTL，例如30s + 随机30s
布隆过滤器初始化不全
→ 新商品ID被误判为非法
✅ 解决方案：启动时全量加载+定时增量同步
过度依赖单一方案
→ 布隆过滤器有误判率，空对象浪费内存
✅ 终极方案：组合拳！布隆过滤器+空缓存+互斥锁

六、最佳实践：企业级防御架构

graph LR
A[客户端请求] --> B{布隆过滤器}
B -->|合法| C[Redis缓存]
B -->|非法| D[直接拒绝]
C -->|命中| E[返回数据]
C -->|未命中| F{获取分布式锁}
F -->|成功| G[查询数据库]
G -->|存在| H[写入缓存]
G -->|不存在| I[写入空缓存]
F -->|失败| J[短暂等待后重试缓存]

七、面试暴击点：这样答秒杀面试官！

问题1：缓存穿透和缓存击穿有什么区别？
💡 答：

穿透：查不存在的数据（恶意攻击）
击穿：查存在但过期的热点Key（并发访问导致）

问题2：布隆过滤器为何不能删除元素？
💡 答：
删除元素需将对应位置0，但该位可能被其他元素共享（哈希碰撞）。误删会导致其他元素被误判为不存在！

问题3：如何动态更新布隆过滤器？
💡 答：

方案1：重建新布隆过滤器 → 原子替换旧版本
方案2：使用Counting Bloom Filter（支持计数删除）

八、总结：防御之道在于分层拦截

“不要让你的数据库为空气打工！”

缓存穿透的本质是对不存在数据的暴力访问，防御核心思路：

前置拦截：布隆过滤器阻挡明显非法请求（门卫大爷）
中端缓存：空对象缓存吸收重复攻击（僵尸尸体也有价值）
后端加锁：互斥锁防止并发击穿（排队别挤！）

终极奥义：没有银弹！组合方案 + 动态调整才是王道。

思考题：如果攻击者使用随机生成的不存在ID（如UUID），布隆过滤器还有效吗？欢迎评论区讨论！ 👇