缓存问题：缓存穿透

 文章目录

• 前言
• 一、pandas是什么？
• 二、使用步骤
  • 1.引入库
  • 2.读入数据
• 总结

---

前言

        缓存穿透是指，查询数据库中的一个一定不存在的数据，查询流程是先对redis进行查询，缓存未命中，在对数据库进行查询，假如存在10w个不存在的数据查询请求，这十万个请求将全部打到数据库上面。

一、解决方案一

        对不存在的数据，我们也进行缓存，这个数据是一个固定的值，比如x，每个查询到这个固定的值x，直接返回从而减小数据库的压力。

参考代码

    public List<CategoryVo> findCatgorysTree() {

        String catgorysJsonStr = redisTemplate.opsForValue().get(GmallConstant.REDIS_CACHE_CATEGORY_KEY);
        //判断缓存之中是否有数据
        if (!StringUtils.isEmpty(catgorysJsonStr)) {
            //存在
            //判断这个值是否是x，
            if ("x".equals(catgorysJsonStr)) {
                //是x，
                log.info("数据库中不存在的值，redis返回null......");
                //返回null
                return null;
            } else {
                //不是x，是说明是真是存在的数据
                //返回
                return JSON.parseArray(catgorysJsonStr, CategoryVo.class);
            }
        } else {//缓存之中没有数据
            //查询数据库
            List<CategoryVo> categoryVoList = baseCategory1Mapper.findCatgorysTree();
            //是否查出这个数据
            if (categoryVoList != null && categoryVoList.size() != 0) {
                log.info("数据库中存在这个值.........");
                //数据库存在这个值
                String toJSONString = JSON.toJSONString(categoryVoList);
                //返回redis中在返回
                redisTemplate.opsForValue().set(GmallConstant.REDIS_CACHE_CATEGORY_KEY, toJSONString);
                return categoryVoList;
            } else {
                log.info("数据中不存在这个值.........");
                //数据库中不存在这个值
                redisTemplate.opsForValue().set(GmallConstant.REDIS_CACHE_CATEGORY_KEY, "x");
                return categoryVoList;
            }
        }
    }

        存在的弊端：无法解决随机值穿透的问题，其他值还是会请求数据库，并且每一次请求都会在redis中进行存储一个值  x，对于redis的内存消耗比较严重。

二、解决方案二(方案一优化)

        缓存预热：服务启动时就将数据从数据库缓存到redis中，在数据查询的时候以缓存中的数据为准，缓存中如果存在数据，直接返回，不存在返回null。

        存在的弊端：消耗redis中的内存，缓存一致性问题。

三、解决方案三（使用过滤器的思想）

开辟两个内存空间，存储不同的内容. 

三、解决方案四（对解决方案三改进，减少skuId的内存消耗）：布隆过滤器

1. 布隆过滤器作用：判断一个数据是否存在
2. 布隆过滤器的组成：二级制数组 +  hash函数
3. 布隆过滤器存储数据的过程：对要存储的数据进行hash计算，将对应结算结果作为数组的索引，并将对应索引上的值更改为1（默认为0）
4. 布隆过滤器如何判断数据是否存在：对需要判断的数据进行hash计算，判断对应索引上的值是否全部为1，如果为1，则可能存在，如果存在不为1的，则一定不存在
5. 布隆过滤器不支持删除。

 入门案例

package com.atguigu.gmall;

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;

public class BloomFilterTest {
    public static void main(String[] args) {
        //初始化一个布隆过滤器
        /**
         * Funnel<? super T> funnel, 限定布隆过滤器中存储的元素类型
         * int expectedInsertions,   期望布隆过滤器中存储的元素个数
         * double fpp,              误判率，越低，数组越大
         */
        BloomFilter<Long> longBloomFilter = BloomFilter.create(Funnels.longFunnel(), 100000, 0.0000001);
        //向布隆过滤器中添加数据
        longBloomFilter.put(45l);
        longBloomFilter.put(50l);
        longBloomFilter.put(53l);
        //判断数据在布隆过滤器中是否存在
        System.out.println(longBloomFilter.mightContain(45l));
        System.out.println(longBloomFilter.mightContain(50l));
        System.out.println(longBloomFilter.mightContain(100l));
    }
}

---

在解决方案二中服务启动时就将数据从数据库缓存到redis中，如何去做？

        spring的生命周期：

1. 通过实现InitializingBean接口继承afterPropertiesSet()方法
2. 自定义init（）方法，加上@PostConstruct注解.