缓存三兄弟之缓存穿透

1.1什么是缓存穿透？

查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库。

【例】一个get请求：api/news/getById/1

解决方案：

（1）缓存空数据：查询返回的数据为空，仍把这个空结果进行缓存。  {key:1,value:null}

       优点：简单。   

       缺点：消耗内存，可能会发生不一致的问题

（2）布隆过滤器

       优点：内存占用少，不存在多余的key

       缺点：实现复杂，存在误判

1.2什么是布隆过滤器

布隆过滤器（Bloom Filter）是一种高效的数据结构，用于判断一个元素是否存在于一个集合中。它利用位数组和多个哈希函数来实现快速的成员查询。

bitmap（位图）：相当于是一个以（bit）位为单位的数组，数组中每个单元只能存储二进制数0或1。

布隆过滤器的核心思想是用一个位数组（通常用二进制位表示）来表示一个集合，初始时所有位都置为0。然后，对于每个要加入集合的元素，通过多个哈希函数计算出多个哈希值，然后将位数组中对应的位置置为1。

判断一个元素是否存在于集合时，同样使用多个哈希函数计算出对应的哈希值，然后检查位数组中对应的位置是否都为1，如果有任意一个位置为0，则说明该元素不存在于集合中；如果所有位置都为1，则该元素可能存在于集合中（因为有可能发生哈希碰撞），需要进一步查询底层数据结构来确认。

布隆过滤器查询存在误判率：

由于布隆过滤器使用多个哈希函数来映射元素到不同的位置，并且使用二进制位来表示元素的存在状态，这就导致了误判的可能性。具体来说，以下几个因素会导致误判：

（1）哈希碰撞：不同的元素经过哈希函数计算可能映射到相同的二进制位，导致不同元素在布隆过滤器中产生了冲突，从而可能被误判为存在于集合中。

（2）容量限制：布隆过滤器使用有限的二进制位数组来表示集合，当集合中元素数量较多时，可能会导致位的重复使用，从而增加误判的概率。

虽然查询元素是否存在有误判率，但是如果查询元素是否不存在，则没有误判率。

数组越小误判率就越大，数组越大误判率就越小，但是同时带来了更多的内存消耗。一般设置5%的误判率，是可以接受的。