Redis缓存穿透（缓存空值，布隆过滤器）+代码实现

缓存穿透

1.缓存空对象

	/**
     * 缓存空值解决缓存穿透
     * @param id
     * @return
     */
    @Override
    public Result queryById(Long id) {
        String cacheShopKey = CACHE_SHOP_KEY + id;
        // 1.从Redis中查询id
        String shopJson = stringRedisTemplate.opsForValue().get(cacheShopKey);

        if (StrUtil.isNotBlank(shopJson)) {
            // 2.命中返回商铺信息
            return Result.ok(JSONUtil.toBean(shopJson, Shop.class));
        }else if(shopJson != null){
            // 2.1.缓存为空直接返回错误信息
            return Result.fail("店铺信息不存在！");
        }
        // 3.未命中查询数据库
        Shop shop = getById(id);
        // 4.商铺不在数据库
        if(shop == null){
            // 4.1.缓存空值
            stringRedisTemplate.opsForValue().set(cacheShopKey, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
            // 4.2.返回错误信息
            return Result.fail("店铺不存在");
        }
        // 5.商铺在数据库
        // 5.1.保存到Redis中
        stringRedisTemplate.opsForValue().set(cacheShopKey, JSONUtil.toJsonStr(shop));
        stringRedisTemplate.expire(cacheShopKey, CACHE_SHOP_TTL, TimeUnit.MINUTES);
        // 5.2.返回商铺信息
        return Result.ok(shop);
    }

2.布隆过滤器

布隆过滤器（Bloom Filter）是一种空间效率高的概率数据结构，用于测试一个元素是否属于一个集合。它可以有效地表示一个集合，并快速判断某个元素是否在集合中。布隆过滤器的核心思想是通过多个哈希函数对数据进行多次映射，从而减少存储空间，并提供快速的查询操作。

工作原理：

1. 初始化: 初始化一个大小为 m 的位数组，每个位置初始值为 0。选择 k 个独立的哈希函数，每个哈希函数将输入元素映射到 [0, m-1] 范围内的一个位置。
2. 添加元素:

• • 对于要加入集合的每个元素，用 k 个哈希函数对该元素进行哈希运算，得到 k 个哈希值。
  • 将这 k 个哈希值对应的位数组中的位置设为 1。

1. 查询元素:

• • 对于要查询的元素，同样使用 k 个哈希函数对该元素进行哈希运算，得到 kkk 个哈希值。
  • 检查位数组中这 k 个位置，如果其中有任何一个位置为 0，则该元素一定不在集合中。
  • 如果这 k 个位置全部为 1，则该元素可能在集合中。

布隆过滤器的优缺点：

优点：

1. 空间效率高: 相比于直接存储所有元素，布隆过滤器使用的存储空间更少。
2. 插入和查询速度快: 插入和查询操作的时间复杂度都是 O(k)，其中 k 是哈希函数的个数。

缺点：

1. 存在误判率: 布隆过滤器只能告诉你一个元素“可能在”集合中，或者“肯定不在”集合中。它会有一定的误判率，即可能会误认为一个不在集合中的元素在集合中。
2. 删除操作困难: 一旦元素插入布隆过滤器后，就很难删除它们，因为无法确定某个位上的 1 是否是由多个元素共同设置的。

实现：

1. 添加Guava依赖
   在 pom.xml 中添加 Guava 依赖：

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>31.0.1-jre</version>
</dependency>

1. 定义布隆过滤器
   在你的服务类中定义和初始化布隆过滤器：

/**
 * 布隆过滤器解决缓存穿透
 * @param id
 * @return
 */
private BloomFilter bloomFilter;
@PostConstruct
public void init(){
    // 初始化布隆过滤器，假设最多有1000000个店铺，误判率为0.01
    bloomFilter = BloomFilter.create(Funnels.stringFunnel(StandardCharsets.UTF_8),
            100000, 0.1);
    // 预加载布隆过滤器
    List<Shop> shopList = list();
    for(Shop shop : shopList){
        bloomFilter.put(CACHE_SHOP_KEY + shop.getId());
    }
}
@Override
public Result queryById(Long id) {
    String cacheShopKey = CACHE_SHOP_KEY + id;
    // 1.布隆过滤器过滤，不存在直接返回错误信息
    if(!bloomFilter.mightContain(cacheShopKey)){
        return Result.fail("店铺不存在");
    }
    // 2.可能存在，从Redis中查询id
    String shopJson = stringRedisTemplate.opsForValue().get(cacheShopKey);
    if (StrUtil.isNotBlank(shopJson)) {
        // 2.1命中返回商铺信息
        return Result.ok(JSONUtil.toBean(shopJson, Shop.class));
    }
    // 3.未命中查询数据库
    Shop shop = getById(id);
    // 4.商铺不在数据库，返回错误信息
    if(shop == null){
        return Result.fail("店铺不存在");
    }
    // 5.商铺在数据库
    // 5.1.保存到Redis中
    stringRedisTemplate.opsForValue().set(cacheShopKey, JSONUtil.toJsonStr(shop));
    stringRedisTemplate.expire(cacheShopKey, CACHE_SHOP_TTL, TimeUnit.MINUTES);
    // 5.2.返回商铺信息
    return Result.ok(shop);
}

效果：

postman请求id不在数据库中的商铺时，并没有从数据库中查取，直接被过滤掉了