Redis之缓存预热、缓存雪崩、缓存击穿和缓存穿透以及布隆过滤器

一、缓存预热

缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题！用户直接查询事先被预热的缓存数据！

二、缓存雪崩

指的是在短时间内，大量的键过期导致请求直接打到数据库，或者是Redis宕机，导致请求直接打到数据库，而数据库无法处理如此大量的请求，导致数据库宕机，进而造成整个系统或者服务的不可用。牵一发而动全身。

解决方案：

1. Redis缓存集群实现高可用（合理设置过期时间或者延时，采用哨兵集群等）
2. 采用多级缓存策略，例如 Nginx缓存+Redis缓存+ehcache缓存
3. 采用Hystrix或者阿里sentinel进行服务限流限流或者降级
4. 监控Redis各项指标，即使灾难预警
5. 采用AOF/ RDB持久化，尽快恢复Redis集群

三、缓存击穿

缓存击穿就是单个热点key突然失效或者过期，导致大量的请求未命中Redis之后打在数据库上，导致数据库压力剧增

解决方案

• 对于热点key加长过期时间，或者干脆不设置过期时间
• 二级缓存设置不同的失效时间，保证不会同时失效
• 如果缓存中没有该key则加锁，保证只会有一个线程打到数据库进行查询（效率较低）

四、缓存穿透

缓存穿透指的是⼤量请求的 key 根本不存在于缓存中，导致请求直接到了数据库上，根本
没有经过缓存这⼀层，并且在数据库中也没有该跳数据，导致也没有继续回写到缓存中，导致大量请求直接打到数据库层面

解决方案：

• 缓存空对象或者缺省值
  • 如果在数据库也无法查询，同样回写到缓存中null值，第二次请求就不会落到数据库中
  • 如果黑客恶意攻击每次采取不同的ID那么缓存将越写越多，所以要设置过期时间，并且大量请求还是直接打中了数据库所以该方案有缺陷
• 使用布隆过滤器，下一章详细讲解

五、布隆过滤器

想要尽量避免缓存穿透，一个办法就是对数据进行预校验，在对Redis和数据库进行操作前，先检查数据是否存在，如果不存在就直接返回。如果我们想要查询一个元素是否存在，要保证查询效率，可以选择HashSet，但是如果有10亿个数据，都用HashSet进行存储，内存肯定是无法容纳的。这时就需要布隆过滤器了

布隆过滤器（英语：Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量（bit数组）和一系列随机映射函数（hash）。布隆过滤器可以用于检索一个元素是否在一个集合中

特点：

• 高效地插入和查询，占用空间少，返回的结果是不确定性的。
• 一个元素如果判断结果为存在的时候元素不一定存在，但是判断结果为不存在的时候则一定不存在。
• 布隆过滤器可以添加元素，但是不能删除元素。因为删掉元素会导致误判率增加。
• 误判只会发生在过滤器没有添加过的元素，对于添加过的元素不会发生误判。

1. 原理实现

① 初始化

布隆过滤器 本质上 是由长度为 m 的位向量或位列表（仅包含 0 或 1 位值的列表）组成，最初所有的值均设置为 0

② 添加

当我们向布隆过滤器中添加数据时，为了尽量地址不冲突，会使用多个 hash 函数对 key 进行运算，算得一个下标索引值，然后对位数组长度进行取模运算得到一个位置，每个 hash 函数都会算得一个不同的位置。再把位数组的这几个位置都置为 1 就完成了 add 操作。

例如，我们添加一个字符串wmyskxz

③ 查询

向布隆过滤器查询某个key是否存在时，先把这个 key 通过相同的多个 hash 函数进行运算，查看对应的位置是否都为 1，

只要有一个位为 0，那么说明布隆过滤器中这个 key 不存在；

如果这几个位置全都是 1，那么说明极有可能存在；

为什么说极有可能呢？

因为这些位置的 1 可能是因为其他的 key 存在导致的，也就是hash冲突

就比如我们在 add 了字符串wmyskxz数据之后，很明显1/3/5 这几个位置的 1 ，如上图，是因为第一次添加的 wmyskxz 而导致的；此时我们查询一个没添加过的不存在的字符串inexistent-key，它有可能计算后坑位也是1/3/5 ，这时候经过hash函数计算以及查询发现1 /3 / 5 的位置都是1，所以布隆过滤器认为该数据是存在的，就发生了误判

为什么key不能删除呢？

因为该key经过运算放入bit数组中的值，并不一定是你产生的，有可能其他数值也共用着这个数位，如果你删除了该位置，别的key进行查询时可能导致查询失败

2. Google工具包Guava实现布隆过滤器

• 首先将maven中导入相关依赖（其他一些SpringBoot整合redis依赖就不赘述了）

        <!--Google 开源的 Guava 中自带的布隆过滤器-->
        <dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>23.0</version>
        </dependency>

• 模拟秒杀场景获取商品详情页面的单机版Guava实现布隆过滤器

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import lombok.Data;
import org.springframework.beans.factory.InitializingBean;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.util.CollectionUtils;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.