Redis——缓存穿透

缓存穿透

缓存穿透就是大量请求的key根本不存在于缓存中，导致请求直接到了数据库中，根本没有经过缓存这一层

我们经常会把一部分数据放在Redis中缓存，比如文章详情。
这样有查询请求进来，我们可以根据文章Id直接去缓存中取数据，而不用读取数据库，这是提升性能最简单，最普遍，也是最有效的做法。

一般的查询请求流程是这样的：先查缓存（有缓存的话直接返回）-> 如果缓存中没有，再去数据库查询（把数据库取出来的数据放入缓存）-> 返回数据。

问题：如果现在有大量的请求进来，而且都在请求一个不存在的文章id，那么将会发生什么
因为文章id都不存在，那么肯定没有对应的缓存信息。没有缓存。那么大量的请求都堆积到数据库，数据库的压力倍增。

解决方式：

最基本的就是首先做好参数校验，一些不合法的参数请求直接抛出异常信息返回给客户端，比如查询的数据库id不能小于0，传入的邮箱格式不对的时候直接返回错误消息给客户端等

• 缓存无效key
  如果缓存和数据库都查不到这个key的数据就写到redis中并设置过期时间。
  
• 最好的方法是设置一个布隆过滤器，通过可以方便的判断一个给你说那个数据是否存在海量数据中。
  需要判断key是否合法
  具体做法：把所有可能存在的请求的值都放在布隆过滤器中，当用户请求过来，先判断用户发出来的请求的值是否存在于布隆过滤器中。不存在返回请求参数错误信息发送给给客户端，存在的话判断是否在redis缓存中，不在继续在数据库中查找。
  

布隆过滤器实现原理：

哈希函数

将任意大小的数据转换成特定大小的数据的函数，转换后的数据称为哈希值或哈希编码。示意图如下所示：

可以明显的看到，原始数据经过哈希函数的映射后成为了一个个的哈希编码，数据得到压缩。哈希函数是实现哈希表和布隆过滤器的基础。

数据结构

布隆过滤器的核心实现是一个超大的位数组和几个哈希函数

具体操作的流程如下：

假设集合里面有3个元素{x, y, z}，哈希函数的个数为3。将位数组进行初始化，将里面每个位都设置为0。

• 设置：对于集合{x, y, z}里面的每一个元素，将元素依次通过3个哈希函数进行映射，每次映射都会产生一个哈希值，这个值对应位数组上面的一个点，然后将位数组对应的位置标记为1（这样位置2、4、5、6、12、14、17均为1）。
• 查询：判断W元素是否存在集合中的时候，同样的方法将W通过哈希映射到位数组上的3个点（位置：5、14、16）。如果3个点的其中有一个点不为1，则可以判断该元素一定不存在集合中。反之，如果3个点都为1，则该元素可能存在集合中

注意：此处不能判断该元素是否一定存在集合中，可能存在一定的误判率。
假设某个元素通过映射对应下标为4，5，6 这3个点。虽然这3个点都为1，但是很明显这3个点是不同元素经过哈希得到的位置，因此这种情况说明元素虽然不在集合中，也可能对应的都是1，由此推断出误判率存在的可能性。

总结：查询函数
将要查询的元素给k个哈希函数，得到对应于位数组上的k个位置，如果k个位置有一个为0，则肯定不在集合中，如果k个位置全部为1，则可能在集合中

参考博客：
https://blog.csdn.net/ZhangHuan0126/article/details/109362634