中国最受欢迎的网站/seo用什么工具

一、场景介绍

        我们平时做数据缓存的时候，一般套路是在项目启动时，将热点数据加载到缓存中，请求接口时，如果缓存中存在，优先从缓存中获取返回，如果缓存中不存在，才会从数据库中查询并设置到缓存中，通过这种方式来提升系统的相应性能、减少数据库访问压力。

        缓存穿透的意思就是，一些恶意请求故意去获取缓存和数据库都不存在的数据，导致每次都会跳过缓存直击数据库，当这种恶意请求数量巨大时，首先会导致其他正常请求无法得到响应，第二是有可导致数据库崩溃导致系统不可用，危害巨大。

二、不合法数据存入redis

        将恶意请求的key存入redis中，等下次同样的请求再次请求时，就可以直接从redis中获取并返回，减少数据库访问压力。

        这是一种好办法，不过既然都是恶意请求了，肯定不可能只发一个缓存和数据库都不存在的key，一定是大量不重复的请求数据，这就是个问题了，redis空间是有限的，一直往redis中存储这种恶意请求的数据，那么redis迟早也会被占满，到时候redis就算不挂（redis内存被占满时，可以配置合适的淘汰策略防止redis无法对外服务），里面也就剩些垃圾数据了，到时候数据库还是得完蛋。所以这种方案不可靠。

三、布隆过滤器

3.1、布隆过滤器介绍

        布隆过滤器就是在redis前在挡一层，请求先经过布隆过滤器，如果布隆过滤器中存在，再走查缓存或者数据库的逻辑，否则就直接返回。

3.2、布隆过滤器设计理念

        布隆顾虑器本质上是由一个int数组和多个hash方法组成，具体的工作流程是这样的：初始化状态下，数组中的元素都为0。数据需要存到布隆过滤器时，先经过N个hash方法计算出N个下标，将这些下标的数组元素设置为1。数据读取时也是一样，通过N个hash方法计算出下标，查看所有命中的下标元素是否都是1，如果是，说明数据是合法的，运行进行后续的逻辑，否则直接返回。

        布隆顾虑器有缺点吗？没有完美的技术，缺点那必然是有的，比如说key1设置的数组下标是1、2、3；key2设置数组下标是1、3、5；key3设置的数组下标是2、6、7；此时如果正好有一个恶意的key4，他经过hash后，计算出的下标是2、5、6。这三个下标中的元素已经被设置成1了，所以虽然key4虽然不存在，但是也能通过布隆过滤器的校验，这个问题学名叫做误判率，使用布隆过滤器，这个误判率是一定存在的，默认情况下，这个误判率是百分之五，一般项目都是可以接受的，如果要减少误判率，可以通过增大数组的方式来做。

3.3、布隆过滤器使用

        3.3.1、我们先用代码简单模拟一下缓存穿透的样子，我们先获取缓存中存在的数据，如下图所示，在缓存中存在时，控制台不会打印查询sql，说明没走数据库，直接从缓存中获取到了数据。

@Testpublic void requestSearchCodeRuleTest(){String data = findData(1L);System.out.println(data);}/*** 功能描述: 通过id查询* @Author:huhy* @Date: 2025/3/21 21:49*/private String findData(Long id){String key = "dataConsistent:" + id;Object dataObj = redisTemplate.opsForValue().get(key);//如果缓存中不存在，则从数据库中查询if(Objects.isNull(dataObj)){return searchCodeRuleAndSetRedis(id);}else {//如果缓存中存在，直接返回return dataObj.toString();}}/*** 功能描述: 查询并设置到缓存* @Author:huhy* @Date: 2025/3/21 20:56*/private String searchCodeRuleAndSetRedis(Long id){//通过id查询编码规则TSCodeRule tsCodeRule = codeRuleService.selectTSCodeRuleById(id);if(Objects.isNull(tsCodeRule)){hrow new RuntimeException("id【"+id+"】 不存在！");}String roleJson = JSON.toJSONString(tsCodeRule);//将测试数据保存到redis中String key = "dataConsistent:"+tsCodeRule.getId();redisTemplate.opsForValue().set(key,roleJson);return roleJson;}

          

        此时我们开始搞点事情，请求一个缓存不存在的数据看看控制台的效果。为了效果更明显一点，我在代码中故意抛出了异常，其实实际开发时不需要这么写，这个需要注意。

        如下图所示，故意请求一个id不存在的，日志打印了sql，说明数据库被访问了。

3.3.2、真正振奋人心的时候到了，我们使用布隆过滤器来解决这个问题，还记得前两期我们使用过的分布式锁框架redisson吗？redisson为我们提供了布隆过滤器的API，我们可以直接使用，简直太方便了（让我还掏着了，嘿嘿嘿）。

@Testpublic void requestSearchCodeRuleTest(){String data = findData(100L);System.out.println(data);}/*** 功能描述: 通过id查询* @Author:huhy* @Date: 2025/3/21 21:49*/private String findData(Long id){//创建布隆顾虑器RBloomFilter<String> bloomFilter = redissonClient.getBloomFilter("bloom-filter");//设置误判率bloomFilter.tryInit(100967256, 0.01);//初始化数据bloomFilter.add("dataConsistent:" + 1L);bloomFilter.add("dataConsistent:" + 2L);String key = "dataConsistent:" + id;//先判断布隆过滤器中是否存在boolean bloomContains = bloomFilter.contains(key);if(!bloomContains){System.out.println("id ["+id+"] 查无数据！");return null;}Object dataObj = redisTemplate.opsForValue().get(key);//如果缓存中不存在，则从数据库中查询if(Objects.isNull(dataObj)){return searchCodeRuleAndSetRedis(id);}else {//如果缓存中存在，直接返回return dataObj.toString();}}/*** 功能描述: 查询并设置到缓存* @Author:huhy* @Date: 2025/3/21 20:56*/private String searchCodeRuleAndSetRedis(Long id){//通过id查询编码规则TSCodeRule tsCodeRule = codeRuleService.selectTSCodeRuleById(id);String roleJson = JSON.toJSONString(tsCodeRule);//将测试数据保存到redis中String key = "dataConsistent:"+tsCodeRule.getId();redisTemplate.opsForValue().set(key,roleJson);return roleJson;}

四、结语

        本次简单介绍了缓存穿透的问题，这只是缓存三部曲第一个，后续我会继续和大家分享缓存击穿和雪崩问题，希望可以和大家一起学习进步，谢谢大家。