redis缓存——缓存穿透原理及解决方法

        缓存穿透是一种指在缓存系统中，请求的数据无论在缓存中还是在数据库中都不存在，导致请求每次都要访问数据库，增加了系统的负载和延迟。这种情况通常是由于恶意攻击、缓存配置错误或者业务逻辑错误所导致。

        缓存穿透的攻击通常是攻击者发送大量的恶意请求，请求的键在缓存中都不存在，这样每次请求都会绕过缓存直接访问数据库，从而引起数据库的压力过大。这种攻击可以通过合理的缓存配置、限流等方法来进行防护。

        另外，缓存配置错误或者业务逻辑错误也会导致缓存穿透。例如，在将数据存入缓存之前没有做有效的校验，导致无效的请求能够绕过缓存直接访问数据库。这种情况可以通过增加数据校验的逻辑来解决。

        布隆过滤器（Bloom Filter）是一种空间效率高、支持快速插入和查询的数据结构，它利用位数组和多个哈希函数来表示一组元素。它可以判断一个元素是否可能存在于集合中，但无法确定元素确切存在与否。

布隆过滤器的基本原理如下：

1. 初始化：创建一个长度为m的位数组，所有位都被置为0。
2. 插入操作：将元素使用多个哈希函数进行哈希计算，得到多个哈希值。然后将位数组中对应的位置置为1。
3. 查询操作：对待查询的元素同样使用多个哈希函数进行哈希计算，得到多个哈希值。然后检查位数组对应位置的值，如果所有位置都为1，则认为元素可能存在于集合中，如果有任何一个位置为0，则可以确定元素不存在于集合中。

布隆过滤器的优点是占用空间小，查询速度快，因为它可以将元素表示为位数组，且查询只需要计算哈希值和检查对应的位值就可以得出结果。同时，它的插入操作也很快，只需要进行位的置1操作。

然而，布隆过滤器也有一些缺点需要注意：

1. 存在一定的误判率：由于多个元素可能映射到相同的位，所以有一定的概率会出现误判，将一个不存在的元素误认为存在。
2. 不支持删除操作：布隆过滤器中的位一旦被置为1，就无法再恢复为0。因此，如果需要支持删除操作，需要使用其他的数据结构配合布隆过滤器。

布隆过滤器广泛应用于需要快速判断元素是否存在的场景，如缓存系统、爬虫去重、垃圾邮件过滤等。通过权衡其误判率和空间消耗，可以根据具体的应用场景选择合适的参数配置来构建布隆过滤器。

 

 

设置布隆过滤器误判率源码