CC攻击本质上不是靠海量带宽把你“淹死”,而是用大量看似正常的请求把你的服务器计算资源、数据库连接和磁盘IO耗尽。很多防护思路集中在流量入口做限速和验证码,但真正致命的问题往往在数据库层:攻击请求穿透了前端过滤后,每一条都触发复杂的SQL查询,导致数据库连接池被占满、慢查询堆积、CPU飙到100%。所以数据库层的负载防护不是可有可无的补充,而是决定你业务能不能在攻击中活下来的关键防线。

先把数据库连接池当成第一道闸门

绝大多数应用服务器和数据库之间都有一个连接池,攻击者只要能触发应用逻辑,就会消耗连接池里的连接。默认配置下很多连接池允许的最大连接数远超过数据库实际能承受的并发数,比如应用配了200个连接,而数据库在复杂查询下可能30个并发就接近饱和。CC攻击一来,连接池瞬间被占满,正常用户排队等待,最后整个站点表现为“数据库连接超时”。

正确的做法是根据数据库实际压测结果反向推导连接池上限。比如你的MySQL在混合读写场景下稳定吞吐是80并发,那么应用侧连接池最大连接数就不应该超过60,留出余量给后台任务和运维操作。同时必须开启连接池的等待超时和泄漏回收机制,把那些被攻击请求长时间占用的连接强制回收。很多Java应用使用HikariCP,关键参数可以这样调整:

maximumPoolSize=60
connectionTimeout=3000
idleTimeout=60000
maxLifetime=1800000
leakDetectionThreshold=10000

这样即使有攻击请求卡在慢查询上,连接也会在3秒内快速失败而不是无限等待,泄漏检测能在10秒时打印出占用连接的堆栈,方便你定位是哪条业务逻辑被利用。

SQL限流比应用层限流更接近病灶

应用层的IP限流和验证码只能挡住一部分自动化攻击,但攻击者一旦更换IP或者使用代理池,前端限流效果就会大打折扣。更有效的做法是在数据库前面加一层SQL防火墙或者代理,直接对SQL的执行频率和资源消耗进行控制。比如使用ProxySQL、MaxScale或者云厂商提供的数据库防火墙能力,可以针对特定的SQL指纹做熔断。

举个例子,如果攻击者不断请求搜索接口,导致数据库执行大量LIKE '%关键词%'的全表扫描,你可以在数据库代理层设置规则:同一个SQL模板在5秒内执行超过100次就直接拒绝后续请求,返回一个自定义错误码,让应用层快速降级。这种做法的好处是它不关心请求来自哪个IP,只关心SQL本身是否异常高频。即使攻击者用一万个IP轮换,只要触发的SQL模式相同,依然会被数据库层拦截。

对于自建MySQL的环境,还可以利用pt-query-digest分析慢查询日志,找出攻击期间执行次数暴增的SQL,然后针对这些SQL在应用层加缓存或者直接封禁对应的接口参数。数据库层的限流配置需要和业务方确认哪些SQL是核心交易不能误伤,哪些是辅助查询可以牺牲。

读写分离和缓存前置是基础但必须做对

CC攻击中很大一部分压力来自读请求,比如商品详情页、文章内容页、搜索列表页。这些请求如果每次都打到主库,主库的CPU和IO很快就会被拖垮。读写分离可以把读流量分散到多个从库上,但很多团队做了读写分离后依然被打穿,原因是从库数量不够或者从库配置和主库一样弱。

更有效的方式是在从库前面再加一层Redis或者Memcached缓存,把热点数据的读取拦截在数据库之外。缓存命中率做到90%以上时,数据库层面对CC攻击的耐受能力会提升一个数量级。但要注意缓存穿透问题:攻击者如果请求大量不存在的ID,缓存里没有,请求就会穿透到数据库。这时候必须在缓存层对空结果也做短时间缓存,或者使用布隆过滤器快速判断ID是否存在。

对于写请求的攻击,比如恶意提交表单、频繁创建订单,数据库层需要依赖应用层的幂等控制和业务限流。数据库本身可以通过唯一索引、事务隔离级别和写入队列来缓解。例如在订单表上对用户ID和商品ID做联合唯一索引,防止攻击者重复提交造成数据膨胀。同时把非关键写入操作异步化,先写入消息队列再批量落库,避免数据库被高频小事务打垮。

慢查询治理是数据库层抗CC的长期工程

CC攻击之所以能对数据库造成巨大伤害,很多时候是因为数据库里本身就存在大量慢查询。攻击者只要找到这些慢查询对应的接口,用很小的请求量就能把数据库拖死。比如一个没有索引的报表查询正常情况下一秒执行一次,数据库勉强能扛住,但攻击者并发调用100次,数据库就彻底崩溃。

所以数据库层的负载防护必须包含持续的慢查询治理。每天分析慢查询日志,找出执行时间超过1秒的SQL,逐个优化索引、改写查询逻辑或者拆分成更小的查询。对于无法优化的复杂统计类SQL,可以改成离线计算,把结果预先汇总到单独的统计表中,线上请求只读取汇总结果。

同时要开启数据库的查询超时设置,比如MySQL的max_execution_time,PostgreSQL的statement_timeout,把单条SQL的执行时间限制在合理范围内。这样即使有攻击者触发了慢查询,数据库也会在超时后主动终止,而不是让连接一直挂着消耗资源。

数据库层的主动防御:熔断和降级

当数据库负载达到危险阈值时,应用层和数据库层都需要有自动熔断机制。很多公司只在应用层做了服务降级,比如关闭搜索功能、关闭推荐功能,但数据库本身并没有熔断能力。一旦数据库CPU超过90%,连接数接近上限,就应该触发保护策略。

可以在数据库代理层设置资源阈值,当活跃连接数超过最大值的80%时,自动拒绝新的非核心查询请求,只放行核心交易SQL。对于MySQL,可以利用ProxySQL的规则引擎实现基于连接数的动态路由和拒绝策略。对于云数据库,可以配置只读实例的自动扩容和主实例的只读保护模式。

应用层也需要配合做降级开关。比如当数据库响应时间超过500毫秒时,自动关闭非核心功能,只保留登录、下单、支付等核心链路。降级策略要提前演练,确保在真实攻击中能一键生效,而不是临时改代码。

利用数据库审计日志快速定位攻击源

CC攻击的溯源不能只靠Web访问日志,数据库的审计日志往往能提供更精确的信息。因为攻击请求最终都要落到SQL执行上,通过数据库审计可以知道哪些SQL在短时间内执行次数异常、哪些用户或者应用账号在大量查询敏感数据。

开启数据库审计后,可以实时监控SQL执行频率和资源消耗。一旦发现某个SQL模板的执行次数突然飙升,立即联动告警系统通知运维人员。同时审计日志可以作为事后分析攻击手法的依据,帮助优化防护规则。需要注意的是审计日志本身也会消耗数据库性能,建议只对关键表和高风险操作开启审计,或者使用旁路抓包的方式采集SQL流量。

数据库层防护和前端防护必须联动

单独靠数据库层防护是不够的,最有效的策略是让前端流量清洗和数据库层限流形成闭环。比如前端WAF识别出某个IP在短时间内请求了大量不同ID的详情页,就可以直接把这个IP加入黑名单,同时在数据库层对该IP对应的应用账号做临时限制。反过来,数据库层发现某个SQL模板执行异常,可以把SQL指纹推送给WAF,让WAF在入口处拦截包含特定参数的请求。

这种联动需要统一的监控和配置平台,把WAF、应用服务器、数据库代理的日志汇聚到一起分析。很多云安全产品已经提供了类似的联动能力,自建环境可以通过API和消息队列实现。联动的好处是攻击者无论从哪个环节突破,都会被其他环节的防护机制兜底。

实际案例中的数据库层防护配置

以一个典型的电商网站为例,在遭受CC攻击时,数据库层做了以下调整后,成功扛住了峰值5万QPS的恶意请求:

第一,将应用连接池从默认的200降到50,连接超时设为2秒,开启泄漏检测。第二,在ProxySQL上对商品详情查询SQL设置每分钟最多执行500次,超过后返回自定义错误码,应用层收到错误码后直接返回缓存数据。第三,把商品详情、分类列表、搜索热词全部缓存到Redis,缓存过期时间从10分钟延长到1小时,对不存在的商品ID缓存空值60秒。第四,对订单表增加用户ID和商品ID的联合唯一索引,防止重复下单。第五,开启MySQL的慢查询日志,每天自动分析并优化TOP10慢SQL。第六,设置数据库CPU超过85%时自动触发只读保护,只允许核心交易SQL执行。

这套组合拳下来,数据库的CPU使用率从攻击初期的95%降到了35%左右,正常用户的访问几乎不受影响。

数据库层的负载防护不是某一个工具或者某一条配置就能解决的,它需要连接池调优、SQL限流、缓存前置、慢查询治理、熔断降级和日志审计多个环节配合。攻击者会不断变换手法,你的数据库层防护也需要持续迭代。把数据库当成一个有限资源来管理,任何请求在到达数据库之前都要经过层层过滤和限制,这样才能在CC攻击中保住核心业务不中断。