Redisson布隆过滤器解决缓存穿透的简单实现

最新推荐文章于 2024-09-08 10:18:53 发布

ohoy

最新推荐文章于 2024-09-08 10:18:53 发布

阅读量743

点赞数 2

分类专栏： redisson 文章标签： redis

本文链接：https://blog.csdn.net/weixin_40598838/article/details/125291986

版权

redisson 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文介绍了如何利用Redisson的布隆过滤器来解决缓存穿透问题。通过在请求路径中加入布隆过滤器，先检查数据是否存在，避免无效的数据库查询。详细展示了配置Redisson，创建布隆过滤器，并将数据存入Redis的步骤。同时解释了布隆过滤器可能出现的误判情况。

摘要由CSDN通过智能技术生成

概述

Redisson一个侧重于分布式开发的开源的开源框架，提供了一系列具有分布式特性的常用工具类，我们将用Redisson解决缓存穿透问题

解决方案

缓存穿透通常有两种解决方案一种是返回空对象，另一种则是使用布隆过滤器，布隆过滤器的实现有很多种，比如使用google开源的Guava来实现，另一种则是使用Redisson提供的布隆过滤器来实现，这里我们将用后者来实现布隆过滤器

首先来看看引入布隆过滤器解决缓存穿透的全过程
在这里插入图片描述
首先客户端发起请求，请求则会先经过布隆过滤器，数据存在于布隆过滤器中则请求Redis，在Redis中有数据则返回，Redis中没用数据则请求数据库，数据库中有数据则回写Redis，返回客户端，数据库中没用数据直接返回客户端。

我们知道一般情况下布隆过滤器中有数据则redis中有数据，为何会出现布隆过滤器中有数据redis中没用数据的情况呐？原因是布隆过滤器会存在误判，出现布隆过滤器中有数据，redis中没有数据的情况，所以也就会出现布隆过滤器中有数据而redis中无数据的情况。

demo

首先引入redisson和redisTemplate的dependency

 <dependency>
            <groupId>org.redisson</groupId>
            <artifactId>redisson</artifactId>
            <version>3.17.3</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>

接着做好redis的配置，默认情况下redis做好了本机的信息配置，可无需再配，这里还是配一下

server:
  port: 8089

spring:
  datasource:
    url: jdbc:mysql://localhost:3306/mall?useUnicode=true&characterEncoding=utf-8&serverTimezone=Asia/Shanghai
    username: root
    password: a2332303
  redis:
    host: 127.0.0.1
    database: 0
    password:
    port: 6379

布隆过滤器实现，将10086放入布隆过滤器和redis中，

public class RedissonBloomFilter {

    public static final  int _1w = 10000;

    //布隆过滤器里预计要插入多少数据
    public static  int size = 100 * _1w;

    //误判率，它越小误判的个数也就越少
    public static double fpp = 0.02;

    static RedissonClient redissonClient = null;
    static RBloomFilter rBloomFilter = null;

    @Autowired
    RedisTemplate redisTemplate;

    static {
        Config config = new Config();
        config.useSingleServer().setAddress("redis://127.0.0.1:6379")
                .setDatabase(0);
        //构造redisson
        redissonClient = Redisson.create(config);
        rBloomFilter = redissonClient.getBloomFilter("phoneListBloomFilter",new StringCodec());
        rBloomFilter.tryInit(size,fpp);
		
		//数据放入redis中
        rBloomFilter.add("10086");
        redissonClient.getBucket("10086",new StringCodec()).set("chinamobile10086");


    }

    private static String getPhoneListById(String IDNumber){

        String result = null;

        if (IDNumber == null){
            return null;
        }

        //布隆过滤器中查
        if (rBloomFilter.contains(IDNumber)){
            //布隆过滤器中有，再去Redis中查
            RBucket<String> rBucket = redissonClient.getBucket(IDNumber,new StringCodec());
            result = rBucket.get();
            if (result != null){
                return "from redis:"+result;
            }else {
                //redis中无去数据库中查
                result = getPhoneListByMySQL(IDNumber);
                if (result == null){
                    return null;
                }
                redissonClient.getBucket(IDNumber,new StringCodec()).set(result);
            }
            return "from mysql:"+result;
        }

        return result;
    }

    private static String getPhoneListByMySQL(String IDNumber){
        return String.format("%s%s","from mysql,chinamobile",IDNumber);
    }

    public static void main(String[] args) {

        String phoneListByID = getPhoneListById("10087");
        System.out.println("result:"+phoneListByID);

    }
    
	public static void main(String[] args) {

        String phoneListByID = getPhoneListById("10086");
        System.out.println("result:"+phoneListByID);

    }

}