缓存雪崩及解决方案 -- 添加随机TTL值

缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

相比较来看，显然Redis宕机带来的影响更大

解决方案：

• 给不同的Key的TTL添加随机值
• 利用Redis集群提高服务的可用性
• 给缓存业务添加降级限流策略
• 给业务添加多级缓存（例如在反向代理服务器nginx再添加一层缓存、在jvm内部添加一层缓存等）

反向代理服务器nginx添加一层缓存，nginx缓存未命中在查询redis，redis未命中到达jvm，在jvm内部添加一层缓存，最后才会查询数据库

案例

在单机的系统中，通常使用给不同的Key的TTL添加随机值的方案来解决缓存雪崩的问题

public Shop queryWithPassThrough(Long id) {
    String key = "cache:shop:" + id;
    // 1. 从redis查询商铺缓存
    String shopJson = stringRedisTemplate.opsForValue().get(key);
    // 2. 判断是否存在
    if (StrUtil.isNotBlank(shopJson)) {
        // 3. 存在，转成Java对象，直接返回
        return JSONUtil.toBean(shopJson, Shop.class);
    }
    // 处理缓存穿透（空值占位）
    if (shopJson != null) {
        return null;
    }
    // 4. 不存在，根据id查询数据库
    Shop shop = getById(id);
    // 5. 不存在，返回错误
    if (shop == null) {
        // 写入空值并设置随机TTL（避免缓存穿透）
        stringRedisTemplate.opsForValue().set(
            key,
            "",
            generateRandomTTL(60, 120), // 随机60~120秒
            TimeUnit.SECONDS
        );
        return null;
    }
    // 6. 存在，写入redis并设置随机TTL
    stringRedisTemplate.opsForValue().set(
        key,
        JSONUtil.toJsonStr(shop),
        generateRandomTTL(1800, 600), // 随机25~35分钟（基础30分钟±5分钟）
        TimeUnit.SECONDS
    );
    // 7. 返回
    return shop;
}

// 生成随机TTL的方法（基础值±偏移量）
private long generateRandomTTL(int baseSeconds, int offsetSeconds) {
    // 使用ThreadLocalRandom生成安全的随机数
    long randomOffset = ThreadLocalRandom.current().nextLong(-offsetSeconds, offsetSeconds + 1);
    // 确保TTL不小于最小值（如10秒）
    return Math.max(10, baseSeconds + randomOffset);
}