10000 个请求、800 QPS、数据库 300 QPS，三种缓存故障跑下来，数据库峰值最高冲到 800，失败请求最多 8393 个。
我把这套对照做成一个离线网页，9 组配置一屏跑完，页内 12 条断言全部通过。
在线案例与源码：gitcode.com/OPCTeam/dem… 成品只有一个 index.html，双击就能打开。
一、为什么值得看：三种崩法不是同一个问题
缓存穿透是查不存在的数据，缓存永远不命中。
缓存击穿是一个热 key 过期，所有请求同时回源。
缓存雪崩是一批 key 在同一秒过期，数据库瞬间被压满。
名字像，修法完全不同：空值缓存、互斥重建、TTL 抖动。
我拿同一套 10000 请求跑三遍，数据库峰值分别是 548、796、612 QPS。
三个数字差出一截，说明它们根本不是同一种病。
二、准备环境：进入码道 Web
登录后在对话框里写需求，不用装软件。
码道有三种使用方式：WebUI（浏览器对话）、TUI（终端命令行）和桌面 IDE（IDE 插件）。本文用 WebUI 版演示。
三、需求原文：把模拟规则写死
我把五个参数写进需求：请求总量 10000、到达 800 QPS、数据库 300 QPS、TTL 2 秒、热 key 占比 40%。
随机数用 mulberry32，种子固定 20261113，每次运行都从同一条序列开始。
数据库按单队列算，服务能力等于容量，排队超过 800ms 记失败。
热 key 重建按一次 120ms 的慢查询算，这个假设后面会单独说。
第一版交回来只有 5/12，问题不在界面，在模型。
四、实测：9 组流量跑出来的数字
| 场景 | 命中率 | 数据库峰值 QPS | P99 (ms) | 失败请求 |
|---|---|---|---|---|
| 穿透基线 | 49.9% | 548 | 808 | 1152 |
| 穿透+空值缓存 | 74.2% | 312 | 35.8 | 0 |
| 击穿基线 | 26.2% | 796 | 808 | 7194 |
| 击穿+互斥重建 | 79.0% | 280 | 107.5 | 0 |
| 击穿+热点预加载 | 79.0% | 280 | 17.9 | 0 |
| 雪崩基线 | 65.5% | 612 | 642.1 | 0 |
| 雪崩+TTL 抖动 | 71.5% | 384 | 295.4 | 0 |
| 三合一基线 | 10.0% | 800 | 808 | 8393 |
| 三合一+全部保护 | 78.3% | 300 | 13.7 | 0 |
击穿基线最难看：命中率 26.2%，数据库峰值 796 QPS，7194 个请求排队超过 800ms。
打开互斥重建，峰值掉到 280 QPS，失败清零。
只开热点预加载也能把 P99 从 808ms 压到 17.9ms，但那是把热 key 的寿命拉长，不是重建变快。
雪崩基线峰值 612 QPS，P99 642.1ms，失败数是 0，但延迟已经很难看。
TTL 抖动把峰值压到 384 QPS，P99 降到 295.4ms。
三种故障叠在一起，命中率只剩 10.0%，8393 个请求失败。
四个保护全开，命中率回到 78.3%，数据库峰值 300 QPS，失败清零。
五、怎么读这张表：三个数字背后的机制
穿透场景里，25% 的请求去查 200 个不存在的 key。
不开空值缓存，这 2500 次请求全部落到数据库，命中率只有 49.9%。
开了空值缓存，第一次查库后写入 NULL 标记，TTL 30 秒，后续请求直接命中。
命中率从 49.9% 升到 74.2%，失败请求从 1152 降到 0。
击穿场景里，40% 的流量打同一个热 key。
它在 1.2 秒过期，重建一次要 120ms，这 120ms 里后续请求继续 miss。
不开互斥，每个 miss 都自己查库，队列越排越长。
开互斥，只放一个请求去重建，其余请求等 120ms 后命中缓存。
数据库峰值从 796 掉到 280 QPS，P99 从 808ms 降到 107.5ms。
雪崩场景里，85% 的 key 在 1.0~1.1 秒集中过期。
TTL 抖动把过期时间打散到 0.8~7.2 秒，峰值从 612 降到 384 QPS。
它不是让数据库变快，只是把同一秒的活分到后面几秒。
三合一基线把三种问题叠在一起，数据库 QPS 顶到 800，8393 个请求失败。
四个保护分别管一段：空值缓存挡住穿透，互斥重建挡住击穿，TTL 抖动挡住雪崩，热点预加载把热 key 的寿命拉长。
六、验证与踩坑：第一版 5/12 是怎么修到 12/12 的
第一版把数据库容量当成 300 个并发窗口，每个查询 8ms。
300 除以 0.008 等于 37500 QPS，怎么打都打不穿。
我把它改成单队列，服务时间等于 1000 除以容量，队列才真的会堵。
第二版所有 key 的初始过期时间都写成 2 秒。
开场 2 秒所有 key 一起过期，穿透场景也跑出了雪崩。
我把初始过期时间打散到 0.4~8.4 秒，三种故障才分得开。
第三个坑在穿透的 key。
第一版每次随机 0~99999，空值缓存写完也命中不了第二次。
改成 200 个固定的不存在 key，空值缓存才有意义。
第四个坑在互斥重建。
第一版缓存一写完就算命中，重建的 120ms 根本没挡住请求。
我加了 readyAt，缓存要等重建完成才可用，互斥才真的只放一个请求进去。
改完重跑，12 条断言全部通过。
失败路径也跑了：把请求总量改成 50，控制面板下方出现一行红字「请求总量需在 100~50000 之间」。
上面的 548 QPS、808ms、1152 个失败没有被清空，上一次结果还在。
本地复现命令：
python -m http.server 8000
打开 http://localhost:8000/index.html，点「一键跑 9 组对照」就能看到同一张表。
七、边界：这是模拟器，不是 Redis 压测
所有数字来自页内模拟，不是线上 Redis 集群的压测结果。
请求按均匀分布到达，key 空间固定 1000 个，没有网络抖动，也没有 Redis 单线程模型。
热 key 重建固定 120ms，真实业务可能 5ms，也可能 2 秒。
数据库按单队列算，真实数据库还有连接池、慢查询隔离和主从延迟。
所以这张表适合比较三种故障的相对关系，不适合拿绝对值去做容量规划。
如果你的 QPS、TTL、热 key 占比不同，把参数改掉再跑一遍，结论可能反过来。
八、使用码道体会
- 模拟规则写进需求，模型就没有自由发挥的空间。
- 断言要带实测值，不能只写一个 true。
- 先让模型跑出 9 组对照，再让页面自己算，数字才对得上。
- 第一版 5/12 不可怕，怕的是没人去看是哪 7 条挂了。
- 错误路径也要留截图，读者才知道输入错了会怎样。
- 把 120ms 这类假设写在页面上，读者才能判断结论能不能搬。
九、结果与下一步
三种故障里，击穿对数据库最狠：796 QPS，7194 个失败。
穿透靠空值缓存，击穿靠互斥重建，雪崩靠 TTL 抖动。
三种一起上，才把 8393 个失败压到 0。
成品和源码在这里：gitcode.com/OPCTeam/dem…
下一步想补 Redis Cluster 分片下的热 key、多级缓存的回源顺序，以及真实 Redis 的压测对照。
