本文目录导读：
下面给你一套 Java 面试中关于 Redis 的高频案例讲解，从简单到深入，覆盖缓存穿透、击穿、雪崩、分布式锁、数据一致性等核心场景，并附上代码示例和回答话术。
高频案例：缓存穿透 / 击穿 / 雪崩
这是面试官必问的“三兄弟”，核心考察你对缓存异常场景的理解和解决方案。
缓存穿透（查不存在的数据）
现象：大量请求查询一个缓存和数据库都不存在的 key，导致请求直接打到数据库。
解决方案：
- 缓存空值：如果数据库查不到，也把空值缓存起来，设置较短的过期时间（如 5 分钟）。
- 布隆过滤器：在缓存之前加一层 Bloom Filter，拦截不存在的 key。
代码示例（缓存空值）：
public String getData(String key) {
// 1. 查缓存
String value = redis.get(key);
if (value != null) {
return value;
}
// 2. 缓存未命中，查数据库
String dbValue = queryDB(key);
if (dbValue == null) {
// 3. 缓存空值，防止穿透
redis.set(key, "", 300); // 5分钟过期
return null;
}
// 4. 写回缓存
redis.set(key, dbValue, 3600);
return dbValue;
}
缓存击穿（热点 key 过期）
现象：一个热点 key 在过期瞬间，大量并发请求同时打向数据库。
解决方案：
- 互斥锁：只允许一个线程去重建缓存，其他线程等待。
- 逻辑过期：不设置物理过期时间，而是存一个逻辑过期时间，异步更新。
代码示例（互斥锁）：
public String getDataWithLock(String key) {
String value = redis.get(key);
if (value != null) {
return value;
}
// 加锁（使用 Redis SETNX 实现）
String lockKey = "lock:" + key;
boolean locked = redis.setIfAbsent(lockKey, "1", 30, TimeUnit.SECONDS);
if (locked) {
try {
// 二次检查（double check）
value = redis.get(key);
if (value != null) return value;
// 查数据库
value = queryDB(key);
redis.set(key, value, 3600);
return value;
} finally {
redis.delete(lockKey);
}
} else {
// 等待重试
Thread.sleep(100);
return getDataWithLock(key); // 递归重试
}
}
缓存雪崩（大量 key 同时过期）
现象：大量 key 在同一时间过期，导致请求全部打到数据库。
解决方案：
- 随机过期时间：在设置过期时间时加上随机值。
- 多级缓存：本地缓存（Caffeine）+ Redis。
- 熔断降级：数据库压力过大时，直接返回默认值。
// 设置过期时间时加随机值 int expireTime = 3600 + new Random().nextInt(600); // 1小时 + 0~10分钟随机 redis.set(key, value, expireTime);
分布式锁（重点考察）
场景
在分布式系统中,多个服务同时操作同一个资源（如库存扣减），需要保证互斥性。
要求
- 互斥性：同一时刻只有一个线程能获取锁。
- 防死锁：锁必须设置过期时间。
- 防误删：只能删除自己的锁（加 value 标识）。
代码示例（Redisson 实现）
@Autowired
private RedissonClient redissonClient;
public void deductStock() {
RLock lock = redissonClient.getLock("stock:1001");
try {
// 尝试加锁，等待 10 秒，锁有效 30 秒
if (lock.tryLock(10, 30, TimeUnit.SECONDS)) {
// 业务逻辑：扣减库存
int stock = getStock();
if (stock > 0) {
reduceStock();
}
}
} catch (InterruptedException e) {
e.printStackTrace();
} finally {
lock.unlock(); // 释放锁
}
}
面试关键点：
- 为什么不用 SETNX 自己实现？—— Redisson 有watch dog 自动续期、可重入等特性。
- 锁过期时间设置多少合适？—— 要结合业务执行时间，或使用 Redisson 自动续期。
缓存与数据库双写一致性
场景
更新数据库后,如何保证缓存一致？
方案对比
| 方案 | 说明 | 问题 |
|---|---|---|
| 先更新数据库，再删缓存 | 推荐 | 可能短暂不一致，但最终一致 |
| 先删缓存，再更新数据库 | 不推荐 | 并发下容易脏数据 |
| 延迟双删 | 先删缓存 → 更新数据库 → 延迟再删 | 解决并发问题 |
推荐方案（先更新 DB，再删缓存）
@Transactional
public void updateData(String id, String newValue) {
// 1. 更新数据库
database.update(id, newValue);
// 2. 删除缓存
redis.delete("key:" + id);
}
补充（延迟双删）：
public void updateData(String id, String newValue) {
redis.delete("key:" + id); // 先删缓存
database.update(id, newValue);
// 延迟 500ms 再删一次
Thread.sleep(500);
redis.delete("key:" + id);
}
热点数据缓存（商品详情）
场景
商品详情页高并发访问量巨大,如何设计？
方案
- 多级缓存：本地缓存（Caffeine）→ Redis → 数据库。
- 缓存预热：项目启动时，把热门商品加载到缓存。
- 缓存更新策略：定时刷新 + 主动失效。
// 缓存预热
@Component
public class CachePreload implements ApplicationRunner {
@Autowired
private RedisTemplate<String, Object> redisTemplate;
@Override
public void run(ApplicationArguments args) {
List<Product> hotProducts = productService.getHotProducts();
for (Product product : hotProducts) {
redisTemplate.opsForValue().set("product:" + product.getId(), product, 1, TimeUnit.HOURS);
}
}
}
排行榜（ZSet 应用）
场景
游戏排行榜、销售榜单等。
代码示例
// 更新分数
redisTemplate.opsForZSet().add("rank", "user:1001", 85.5);
// 获取 Top 10
Set<Object> top10 = redisTemplate.opsForZSet().reverseRange("rank", 0, 9);
// 获取某用户排名
Long rank = redisTemplate.opsForZSet().reverseRank("rank", "user:1001");
面试回答话术模板
面试官问：“你们项目中 Redis 是怎么用的？”
建议从以下三方面回答：
缓存场景：商品详情缓存、用户信息缓存，使用 Spring Cache + Redis。 2. 分布式锁：库存扣减时使用 Redisson 分布式锁防止超卖。 3. 排行榜/计数器：点赞用 incr，排行榜用 ZSet。
然后引出经典问题：
“在缓存使用过程中，我们也考虑到了缓存穿透、击穿、雪崩。 穿透我们用缓存空值+布隆过滤器； 击穿我们用互斥锁； 雪崩用过期时间加随机值。 对于一致性，我们采用先更新数据库再删缓存的策略，最终一致即可。”
备战建议
| 知识点 | 必备程度 | 面试频率 |
|---|---|---|
| 缓存穿透/击穿/雪崩 | 90% | |
| 分布式锁 | 80% | |
| 缓存一致性 | 70% | |
| ZSet 排行榜 | 40% | |
| 持久化机制（RDB/AOF） | 50% | |
| 过期删除策略 | 30% |
