Redis缓存穿透

缓存穿透：在这种情况下，缓存服务器找不到指定key的有效缓存信息，同时下游的数据库也查询不到对应的数据，这就造成了业务系统的无效请求全部落在了数据库上，缓存服务器完全没有起到作用。

解决方案：

1）缓存空数据，查询返回的数据为空，仍把这个结果进行缓存

优点：简单

缺点：消耗内存，可能发生不一致问题

2）布隆过滤器

优点：内存占用较少，没有多余key

缺点：实现复杂，存在误判

布隆过滤器是一种数据结构，用于快速检索一个元素是否可能存在于一个集合（bit数组）中。

它的基本原理是利用多个哈希函数，将一个元素映射成多个位，然后将这些位设置成1。当查询一个元素时，如果这些位都被设置成1，则认为元素可能存在于集合中，否则肯定不存在。

所以，布隆过滤器可以准确判断一个元素是否肯定不存在，但是因为hash冲突的原因，所以它没办法判断一个元素是否一定存在。只能判断可能存在。

误判率：如果判断元素存在，可能存在误判。跟数组长度有关，数组长度越长，误判率越低，但是内存消耗增大。数组长度越小，误判率越高，内存消耗越低。一般保证误判率在5%以内可以没满足需要。

流程：

使用步骤：

Java中可以使用第三方库来实现布隆过滤器，常见的有Google Guava库和Apache Commons库以及Redis

Guava

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

public class BloomFilterExample {
    public static void main(String[] args) {
        // 创建布隆过滤器，预计插入100个元素，误判率为0.01
        BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringsFunctor(), 10, 0.01); 

        // 插入元素
        bloomFilter.put("Hollis");
        bloomFilter.put("666");
        bloomFilter.put("八股文");

        // 判断元素是否存在
        System.out.println(bloomFilter.mightContain("Hollis"));   // true
        System.out.println(bloomFilter.mightContain("王星星"));  // false
    }
}

Apache Commons

import org.apache.commons.lang3.StringUtils;
import org.apache.commons.collections4.BloomFilter;
import org.apache.commons.collections4.functors.HashTransformer;

public class BloomFilterExample {

    public static void main(String[] args) {
        // 创建布隆过滤器，预测插入100个元素，误判率为0.01
        BloomFilter<String> bloomFilter = new BloomFilter<>(HashFunctionIdentity.hashFunction(String::hashCode), 100, 0.01);

        bloomFilter.put("Hollis");
        bloomFilter.put("666");
        bloomFilter.put("八股文");

        // 判断元素是否存在
        System.out.println(bloomFilter.mightContain("Hollis"));   // true
        System.out.println(bloomFilter.mightContain("王星星"));  // falses

        // 清除所有已知条目
        for (String key : bloomFilter.keys()) {
            bloomFilter.remove(key);
        }
    }
}

3) Redis中可以通过Bloom模块来使用，使用Redisson可以：

//创建 Config 对象,设置单个服务器地址
Config config = new Config();
config.useSingleServer().setAddress("redis://127.0.0.1:6379/");
//创建 RedissonClient 对象
RedissonClient redisson = Redisson.create(config);
//获取 RBloomFilter 对象
RBloomFilter<String> bloomFilter = redisson.getBlobStore("myfilter").getOrInit(new StringSerializer<>());
//初始化布隆过滤器,参数分别为容量（max elements）和误识别率（false positive rate）
bloomFilter.tryInit(100, 0.01);

bloomFilter.add("Hollis");
bloomFilter.add("666");
bloomFilter.add("八股文");

System.out.println(bloomFilter.contains("Hollis"));
System.out.println(bloomFilter.contains("王巨星"));

//关闭客户端
redisson.shutdown();

或者Jedis

Jedis jedis = new Jedis("localhost");

jedis.bfCreate("myfilter", 100, 0.01);

jedis.bfAdd("myfilter", "Hollis");
jedis.bfAdd("myfilter", "666");
jedis.bfAdd("myfilter", "八股文");

System.out.println(jedis.bfExists("myfilter", "Hollis"));
System.out.println(jedis.bfExists("myfilter", "王星星"));

jedis.close();