1.缓存相关问题
缓存穿透:查询必然不存在的数据,请求透过缓存,直击数据库
缓存雪崩:大量的key设置了相同的过期时间,导致在缓存在同一时刻全部失效,造成瞬时DB请求量大、压力骤增,引起雪崩
缓存击穿:一个存在的Key,在缓存过期的一刻,同时有大量的请求。直击数据库
顺便说两个概念加深一下记忆
TPS:数据库美妙执行的事务数
QPS:数据库每秒执行的SQL数量
读多写少用缓存,写多读少用队列
2.缓存穿透的解决方案
方案1:简单过滤
1.非法请求,参数校验(长度等)
2.缓存临时的空数据,设置有效期
方案2:加载所有的ID到内存
内存占用可能非常高
可以采用合适的算法,来检索集合中是否存在某个元素
2.2:升级优化
目的:减少方案2的内存占用
思路:不保存所有的ID信息,直在内存中做一个标记
–
布隆过滤器(Bollm Filter)
很长的二进制数组合一系列Hash函数
可用于检索一个元素是否在一个集合中。
空间效率和查询时间都比一般的算法要好。
缺点是有一定的误识别率和删除困难
实现: 二进制数组构建过程
1.加载符合条件的记录
2.计算每条元素的Hash值
3.计算hash值对应二进制数组的位置
4.将对应的位置的值改为1
可利用Redis的特性:bigmaps(Setbit设置指定位置的值、getbit获取值)
Redis自带的二进制数组特性
2.3布隆过滤器
优点:内存空间占用少。
缺点:取药不断的维护,带来新的工作
并不能精准过滤(判定不存在,100%不存在,判断存在,择可能不存在)
并非拦截所有请求,意在将缓存穿透控制在一定的量