分布式锁 + AOP实现缓存

随着业务中缓存及分布式锁的加入，业务代码变的复杂起来，除了需要考虑业务逻辑本身，还要考虑缓存及分布式锁的问题，增加了程序员的工作量及开发难度。而缓存的玩法套路特别类似于事务，而声明式事务就是用了aop的思想实现的。

一、思路

创建一个自定义注解，创建一个切面类。

在切面类中切入点的判断用

"@annotation(注解全类名)"

二、缓存的实现

在切面类中，实现对切入点的方法增强，这也是aop的重要思想（对原有代码只做增强，不做修改）。被修饰的方法是直接查询数据库的，这样产生的问题就有很多，例如  缓存穿透、缓存雪崩、缓存击穿。因此要用分布式锁，对查询数据库做一个保障。

思路：

//        1.查缓存  看看是否命中
//        2.没有命中就查数据库 防止缓存击穿 要加分布式锁
//        2.1查数据库是否能查到，查不到 也放入redis   查得到也放redis
//        2.2查完数据库 释放锁
//        3.兜底方法还是查数据库

分布式锁，可以解决缓存击穿的问题，布隆过滤器可以解决缓存穿透问题。

分布式锁，简单来讲就是在redis缓存中创建一个键，键名就是锁名，如果缓存中存在，就不能创建，这就是没获取到锁。锁创建成功，拿到锁以后，再做数据库的查询，查完释放锁（就是删除键名）

分布式锁的实现一般用RedissonClient创建。

RLock lock = redissonClient.getLock(键名)

lock.lock()

lock.unlock()

三、AOP

横向提取，动态织入

5、布隆过滤器

5.1 布隆过滤器原理

5.1.1 什么是布隆过滤器

布隆过滤器（Bloom Filter），是1970年，由一个叫布隆的小伙子提出的，距今已经五十年了。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。二进制大家应该都清楚，存储的数据不是0就是1，默认是0。

主要用于判断一个元素是否在一个集合中，0代表不存在某个数据，1代表存在某个数据。

总结： 判断一个元素一定不存在 或者 可能存在！ 存在一定的误判率{通过代码调节}

Bit 数组：

0	0	0	0	0	0	0	0	0

5.1.2 布隆过滤器使用场景

大数据量的时候, 判断一个元素是否在一个集合中。解决缓存穿透问题

5.1.3 原理

存入过程

布隆过滤器上面说了，就是一个二进制数据的集合。当一个数据加入这个集合时，经历如下：

通过K个哈希函数计算该数据，返回K个计算出的hash值

这些K个hash值映射到对应的K个二进制的数组下标

将K个下标对应的二进制数据改成1。

如图所示：

查询过程

布隆过滤器主要作用就是查询一个数据，在不在这个二进制的集合中，查询过程如下：

1、通过K个哈希函数计算该数据，对应计算出的K个hash值

2、通过hash值找到对应的二进制的数组下标

3、判断：如果存在一处位置的二进制数据是0，那么该数据不存在。如果都是1，该数据可能存在集合中。

5.1.4 布隆过滤器的优缺点

优点

1. 由于存储的是二进制数据，所以占用的空间很小

2. 它的插入和查询速度是非常快的，时间复杂度是O（K），空间复杂度：O (M)。

   • K: 是哈希函数的个数

   • M: 是二进制位的个数

3. 保密性很好，因为本身不存储任何原始数据，只有二进制数据

缺点

1. 添加数据是通过计算数据的hash值，那么很有可能存在这种情况：两个不同的数据计算得到相同的hash值。

例如图中的“张三”和“张三丰”，假如最终算出hash值相同，那么他们会将同一个下标的二进制数据改为1。

这个时候，你就不知道下标为1的二进制，到底是代表“张三”还是“张三丰”。

由此得出如下缺点：

一、存在误判

假如上面的图没有存 "张三"，只存了 "张三丰"，那么用"张三"来查询的时候，会判断"张三"存在集合中。

因为“张三”和“张三丰”的hash值是相同的，通过相同的hash值，找到的二进制数据也是一样的，都是1。

误判率：

受三个因素影响： 二进制位的个数m, 哈希函数的个数k, 数据规模n (添加到布隆过滤器中的函数)

已知误判率p, 数据规模n, 求二进制的个数m，哈希函数的个数k {m,k 程序会自动计算 ，你只需要告诉我数据规模，误判率就可以了}

ln: 自然对数是以常数e为底数的对数，记作lnN（N>0）。在物理学，生物学等自然科学中有重要的意义，一般表示方法为lnx。数学中也常见以logx表示自然对数。

二、删除困难

还是用上面的举例，因为“张三”和“张三丰”的hash值相同，对应的数组下标也是一样的。

如果你想去删除“张三”，将下标为1里的二进制数据，由1改成了0。

那么你是不是连“张三丰”都一起删了呀。