Redis 缓存穿透、缓存击穿、缓存雪崩区别和解决方案

梦伟栈

已于 2024-03-12 10:41:22 修改

阅读量38

点赞数

文章标签： redis 数据库 nosql数据库 nosql

于 2024-03-12 10:39:55 首次发布

原文链接：https://mp.weixin.qq.com/s/2tqXK_tMhVopPhSuZGRS0w

版权

Redis

1.缓存穿透
2.缓存击穿
3.缓存雪崩

1.缓存穿透

1.什么是缓存穿透？

缓存穿透简单说就是大量请求的 key 是不合理的，根本不存在于缓存中，也不存在于数据库中。这就导致这些请求直接到了数据库上，根本没有经过缓存这一层，对数据造成了巨大的压力，可能直接就被这么多请求搞宕机了。

缓存穿透

举个栗子：某黑客恶意制造一些非法的 key 发起大量请求，导致大量请求落到数据库，结果是没有查到对应的数据。也就是最终请求都落到了数据库上，造成了巨大的压力。

2.有哪些解决办法？

1)缓存无效 key: 如果缓存和数据库都查不到某个 key 的数据就写一个到 Redis 中去设置过期时间，具体命令如下：SET key value EX 10086。这种方式可以解决请求的 key 变化不频繁的情况，如果黑客恶意攻击，每次构建不同的请求 key，会导致 Redis 中缓存大量无效的 key。很明显这种方案不能从根本上解决问题。一般设计key是：表名:列名:主键名:主键值。 Java举例：

public Object getObjectInclNullById(Integer id) {
    // 从缓存中获取数据
    Object cacheValue = cache.get(id);
    // 缓存为空
    if (cacheValue == null) {
        // 从数据库中获取
        Object storageValue = storage.get(key);
        // 缓存空对象
        cache.set(key, storageValue);
        // 如果存储数据为空，需要设置一个过期时间(300秒)
        if (storageValue == null) {
            // 必须设置过期时间，否则有被攻击的风险
            cache.expire(key, 60 * 5);
        }
        return storageValue;
    }
    return cacheValue;
}

2)布隆过滤器 布隆过滤器是一个非常神奇的数据结构，可以非常方便的判断一个给的的数据是否存在于海量数据中。可以看作由二进制向量（或者说位数组）和一系列随机映射函数（哈希函数）两部分组成的数据结构。相比于我们平时常用的 List、Map、Set等数据结构，它占用的空间更少并且效率更高，但是缺点是其返回的结果是概率性的，而不是非常准确的，理论情况下添加到集合中的元素越多，误报的可能性就越大。并且，存放在布隆过滤器的数据不容易删除。

Bloom Filter 的简单原理示意图

Bloom Filter 会使用一个较大的 bit 数组来保存所有的数据，数组中的每个元素都只占用 1 bit，并且每个元素只能是 0 或者 1（代表 false 或者 true），这也是 Bloom Filter 节省内存的核心所在。这样来算的话，申请一个 100w 个元素的位数组只占用 1000000Bit / 8 = 125000 Byte = 125000/1024KB ≈ 122KB的空间。