redis高级--redis常见的问题

学!学!学

已于 2023-08-03 23:01:24 修改

阅读量142

点赞数

文章标签： redis 数据库缓存

于 2023-08-03 21:30:07 首次发布

本文链接：https://blog.csdn.net/weixin_67093769/article/details/132088337

版权

redis的价值：

1、提升数据的查询效率

2、解决锁的问题

3、保护数据库的目的

1、缓存穿透（db无数据）

描述：

是指查询一个不存在的数据，由于缓存无法命中，将去查询数据库，但是数据库也无此记录，并且出于容错考虑，我们没有将这次查询的null写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。在流量大时，可能DB就挂掉了，要是有人利用不存在的key频繁攻击我们的应用，这就是漏洞。

方案：

1：存入空数据

往redis中存入一个空对象。设置的过期时间一点要短（建议在5分钟内）。

注意：

一般的编码习惯，就是拿上reids中的数据直接进行类型转换。如果是new Object()；之一类型转换异常。

2：使用布隆过滤器（可以检索一个元素是否在一个集合中）

布隆过滤器是一个bit向量或者bit，如果我们要映射一个值到布隆过滤器中，我们使用多个不同的哈希函数生成多个哈希值，并将每个生成的哈希值指向的bit位设置为1，如下baidu一词设置了三个位置为1。

2.1原理：

对一个key进行k个hash算法获取k个值，在比特数组中将这k个值散列后设定为1，然后查的时候如果特定的这几个位置都为1，那么布隆过滤器判断该key存在。

“tencent”一词，对应的情况

可以看到，不同的词对应的bit位置可能相同，当词很多的情况时，可能大部分bit位置都是1，这时查询taobao可能对应的位置都为1，只能说明taobao一词可能存在，不是一定存在的，这时1就被覆盖了，这就是布隆过滤器的误判。如果它说不存在那肯定不存在，如果它说存在，那数据有可能实际不存在。

`2.2布隆过滤器的优缺点：`

优点：

1、由于存储的是二进制数据，所以占用的空间很小

2、它的插入和查询速度是非常快的，时间复杂度是O（K），空间复杂度：O (M)。

K: 是哈希函数的个数

M: 是二进制位的个数

3、保密性很好，因为本身不存储任何原始数据，只有二进制数据

缺点：

1、由于有hash冲突，所以存在误判率

误判率的影响因素：数据规模n，hash函数个数k，数据规模m

2、删除困难，hash冲突，不清楚要删除哪一个数据。

Redis的bitmap只支持2^32大小，对应到内存也就是512MB，误判率万分之一，可以放下2亿左右的数据，性能高，空间占用率及小，省去了大量无效的数据库连接。

因此我们可以通过布隆过滤器，将Redis缓存穿透控制在一个可容范围内。

使用布隆过滤器：
导入依赖

<dependency>
     <groupId>com.google.guava</groupId>
     <artifactId>guava</artifactId>
     <version>19.0</version>
</dependency>

代码：

public class Test {

    private static int size = 1000000;//预计要插入多少数据

    private static double fpp = 0.01;//期望的误判率

    private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, fpp);

    public static void main(String[] args) {
        //插入数据
        for (int i = 0; i < 1000000; i++) {
            bloomFilter.put(i);
        }
        int count = 0;
        for (int i = 1000000; i < 2000000; i++) {
            if (bloomFilter.mightContain(i)) {
                count++;
                System.out.println(i + "误判了");
            }
        }
        System.out.println("总共的误判数:" + count);
    }
}

应用：

@Cacheable(value="key1")
public String get(String key) {
    String value = redis.get(key);  
    // redis中不存在该缓存
    if (value  == null) {
    //布隆过滤器也没有,直接返回
        if(!bloomfilter.mightContain(key)){
            return null; 
        }else{
            //布隆过滤器中能查到，不代表一定有,查出来放入redis，同样也可以避免缓存穿透
            value = db.get(key);
            redis.set(key, value); 
        }    
    }
    return value；
}