Redis缓存问题一：缓存穿透

缓存穿透

1. 缓存穿透 ：缓存穿透是指查询一个一定不存在的数据，如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到数据库去查询，可能导致数据库挂掉。（这种情况大概率是遭到了攻击）
2. 常见的解决方案有两种：
   • 缓存空对象
     • 优点：实现简单，维护方便
     • 缺点：
       • 额外的内存消耗
       • 可能造成数据短期的不一致（一开始查询不到，缓存存储上了null值，后面数据库添加上了，但是缓存中还是null，查询的时候就会返回缓存中的null了，这就导致了数据不一致了）
   • 布隆过滤（准确性不能够保证）
     • 优点：内存占用较少，没有多余key
     • 缺点：
       • 实现复杂
       • 存在误判可能
3. 缓存穿透的其他解决方案：
   • 增强id的复杂度，避免被猜测id规律
   • 做好数据的基础格式校验
   • 加强用户权限校验
   • 做好热点参数的限流

解决方案一：缓存空对象

• 缓存空对象思路分析：当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到缓存了。（如果数据库里面的数据修改了，对应的缓存会被删除的，上面的缓存更新策略里面说过）
  
• 案例实现：
  • 如果这个数据不存在，我们不会返回404 ，还是会把这个数据写入到Redis中，并且将value设置为空，当再次发起查询时，我们如果发现命中之后，判断这个value是否是null，如果是null，则是之前写入的数据，证明是缓存穿透数据，如果不是，则直接返回数据。
    

解决方案二：布隆过滤（常用）

• 布隆过滤：布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中，假设布隆过滤器判断这个数据不存在，则直接返回。

  • 这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突

• 使用布隆过滤器的前提：在做缓存预热的时候，需要把布隆过滤器预热了。

• 缓存预热：缓存预热就是系统上线后，将相关的缓存数据直接加载到缓存系统。这样就可以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！
  

• 案例描述：解决思路

  • 布隆过滤器主要是用于检索一个元素是否在一个集合中。以使用的是redisson实现的布隆过滤器为例子。
    • 它的底层主要是先去初始化一个比较大数组，里面存放的二进制0或1。在一开始都是0，当一个key来了之后经过3次hash计算，模余数组长度找到数据的下标然后把数组中原来的0改为1，这样的话，三个数组的位置就能标明一个key的存在。查找的过程也是一样的。
  • 当然是有缺点的，布隆过滤器有可能会产生一定的误判，我们一般可以设置这个误判率，大概不会超过5%，其实这个误判是必然存在的，要不就得增加数组的长度，其实已经算是很划分了，5%以内的误判率一般的项目也能接受，不至于高并发下压倒数据库。