【redis——缓存穿透】

### Redis缓存穿透的解决方案及其原理 #### 1. 使用布隆过滤器（Bloom Filter） 布隆过滤器是一种空间效率高的概率型数据结构，用于测试某个元素是否属于集合的一部分。其核心思想是在请求到达缓存之前，通过布隆过滤器快速判断该键是否存在。如果布隆过滤器返回“不存在”，则可以直接拒绝访问数据库，从而避免缓存穿透的发生。 布隆过滤器的工作原理基于多个哈希函数和位数组。对于每一个加入集合的元素，它会被多个哈希函数映射到位数组中的不同位置，并将这些位置置为1。查询时，只需检查对应的位是否全为1即可得出结论[^5]。然而需要注意的是，布隆过滤器可能会产生误判，即认为某些不存在的元素存在，但这并不会直接影响系统的安全性，因为最终仍然可以通过数据库验证真伪。 ```java // 布隆过滤器初始化示例 import com.google.common.hash.BloomFilter; import com.google.common.hash.Funnels; public class BloomFilterExample { private static final int EXPECTED_INSERTIONS = 1000000; // 预期插入数量 private static final double FPP = 0.01; // 可接受的错误率 public static void main(String[] args) { BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charsets.UTF_8), EXPECTED_INSERTIONS, FPP); String keyToCheck = "nonexistentKey"; if (!bloomFilter.mightContain(keyToCheck)) { System.out.println("Key does not exist in database."); } else { // Proceed to check the actual database. } } } ``` #### 2. 缓存空对象 另一种简单的解决方法是对那些确实不存在的数据，在第一次查询后将其设置为空值并存储到缓存中。这样后续对该数据的任何请求都可以直接从缓存获取而无需再次查询数据库。不过这种方法也有缺点：如果恶意用户不断尝试不同的不存在键，则会造成大量无意义的缓存条目占用内存资源[^1]。 为了缓解这一问题，可以设定较短的有效时间来定期清理这些空对象记录。 ```lua -- Lua脚本实现缓存空对象逻辑 if redis.call('GET', KEYS[1]) == nil then -- 如果缓存中没有找到对应key，则向DB发起查询... local valueFromDb = fetchValueFromDatabase(KEYS[1]) if valueFromDb ~= nil then redis.call('SETEX', KEYS[1], ARGV[2], valueFromDb) else -- 对于null/nil的结果也进行缓存处理 redis.call('SETEX', KEYS[1], '0', ARGV[1]) end return valueFromDb or '' end return redis.call('GET', KEYS[1]) ``` #### 3. 加锁机制（Mutex Locking） 加锁策略适用于高并发环境下的单次加载情况。当发现某项数据不在缓存中时，程序不会立刻去读取数据库，而是先尝试获得一个分布式锁。只有成功拿到锁的那个线程才会继续执行数据库查询并将结果更新至缓存；其他未能取得锁的任务则需等待一段时间后再重新尝试获取缓存内容[^4]。 此方式能够有效减少重复计算以及不必要的IO开销，但在极端条件下仍可能出现短暂的服务延迟现象。 --- ### 总结 以上介绍了三种主流应对Redis缓存穿透的技术手段——分别是利用高效的空间节省算法构建前置屏障、合理管理零值反馈周期以及引入同步控制单元防止竞争条件引发额外负载等问题。具体选用哪种方案取决于应用场景的具体需求和技术栈现状等因素综合考量决定。