好的，我来详细讲解缓存雪崩问题及解决方案。先理解概念，再用故事举例说明，最后总结方法论。

---

一、缓存雪崩的定义

缓存雪崩是指大量缓存数据在同一时间集体过期，导致所有请求直接打到数据库，造成数据库瞬间压力过大而崩溃的现象。

就像高速公路收费站所有闸机同时故障，车辆全部涌向人工窗口导致瘫痪。

---

二、典型案例场景

某电商平台在双十一零点，10万件商品的缓存同时过期：

缓存层失效 --> 所有查询涌入数据库 --> 数据库QPS暴增 --> 数据库宕机 --> 整个服务不可用

---

三、核心解决方案

1. 随机过期时间

// 给不同缓存设置不同过期时间
int baseTime = 3600; // 基础1小时
int randomTime = (int)(Math.random() * 600); // 0-10分钟随机偏移
redis.set("product:123", data, baseTime + randomTime);

效果：将缓存失效时间打散，避免集体失效

2. 互斥锁重建

public Product getProduct(String key) {
    Product product = redis.get(key);
    if (product == null) {
        // 获取分布式锁
        if (lock.tryLock()) {
            try {
                // 双重检查
                product = redis.get(key);
                if (product == null) {
                    product = db.query(...);
                    redis.set(key, product, 3600);
                }
            } finally {
                lock.unlock();
            }
        } else {
            // 未获取锁的线程等待重试
            Thread.sleep(50);
            return getProduct(key);
        }
    }
    return product;
}

效果：限制重建缓存的并发量

3. 二级缓存架构

用户请求 --> 本地缓存（Guava Cache） --> Redis集群 --> 数据库

特点：

• 本地缓存设置不同过期策略（如LRU淘汰）
• Redis集群分片部署（如Codis）

4. 永久缓存+异步更新

// 设置永久缓存但后台异步更新
redis.set("hot:product:123", data);
// 启动定时任务每小时更新
scheduler.scheduleAtFixedRate(() -> {
    Product p = db.query(...);
    redis.set("hot:product:123", p);
}, 0, 1, TimeUnit.HOURS);

5. 熔断降级

// 使用Hystrix实现熔断
@HystrixCommand(
    fallbackMethod = "getProductFallback",
    commandProperties = {
        @HystrixProperty(name="circuitBreaker.requestVolumeThreshold", value="20")
    })
public Product getProduct(String id) { ... }

public Product getProductFallback(String id) {
    return defaultProduct; // 返回兜底数据
}

---

四、真实案例对比

未优化前（某社交APP活动页）：

优化后方案：

---

五、总结方法论

---

通过以上方法，可以有效预防和应对缓存雪崩问题。实际开发中建议采用多级缓存+随机过期+熔断降级的组合方案，像给系统装上"减震器"，即使遇到流量洪峰也能平稳运行。