??什么是緩存穿透

緩存穿透是指在使用緩存機制時，大量的請求無法從緩存中獲取到結(jié)果，導(dǎo)致請求都要直接訪問后端存儲系統(tǒng)，從而增加了系統(tǒng)的負載和響應(yīng)時間。

通常的緩存機制是將請求的結(jié)果緩存在內(nèi)存或其他高速存儲介質(zhì)中，當相同的請求再次到達時，可以直接從緩存中獲取結(jié)果，避免了從后端存儲系統(tǒng)中讀取數(shù)據(jù)的開銷。

然而，在緩存穿透的情況下，由于大量請求所對應(yīng)的數(shù)據(jù)在緩存中不存在，每個請求都需要直接訪問后端存儲系統(tǒng)。這可能是因為惡意請求、頻繁的隨機查詢或者查詢不存在的數(shù)據(jù)等原因。

緩存穿透可能導(dǎo)致以下問題：

• 性能下降：由于大量的請求都要直接訪問后端存儲系統(tǒng)，系統(tǒng)的響應(yīng)時間會顯著增加，導(dǎo)致性能下降。
• 增加負載：后端存儲系統(tǒng)承受了大量無效請求的壓力，增加了系統(tǒng)的負載，可能導(dǎo)致后端存儲系統(tǒng)的性能問題。
• 安全風險：緩存穿透可能為惡意請求提供了一種繞過緩存機制直接訪問后端存儲系統(tǒng)的途徑，可能導(dǎo)致安全漏洞或數(shù)據(jù)泄露。

??解決辦法

1. 緩存空值處理：對于不存在的數(shù)據(jù)，也將其緩存起來，但緩存的值為空，這樣下次再有相同的請求到達時，可以直接返回空結(jié)果，避免對后端存儲系統(tǒng)的重復(fù)查詢。
2. 布隆過濾器（Bloom Filter）：使用布隆過濾器可以快速判斷請求所對應(yīng)的數(shù)據(jù)是否存在于緩存中，從而減少對后端存儲系統(tǒng)的無效查詢。

?緩存空值處理

??優(yōu)點

實現(xiàn)簡單，維護方便

??缺點

• 額外的內(nèi)存消耗
• 可能造成短期數(shù)據(jù)的不一致

??代碼實現(xiàn)

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {


    @Resource
    private StringRedisTemplate stringRedisTemplate;
    @Resource
    private CacheClient cacheClient;

    @Override
    public Result queryById(Long id) {
        String key=CACHE_SHOP_KEY+":"+id;

        //從redis中查詢商鋪緩存
        String shopJson=stringRedisTemplate.opsForValue().get(key);
        //判斷是否存在
        if(StrUtil.isNotBlank(shopJson)){    //isNotBlank只有傳入的是 字符串 的情況下，才返回true，否則返回false
            //存在，直接返回
            Shop shop= JSONUtil.toBean(shopJson, Shop.class);
            return Result.ok(shop);
        }
        //判斷命中的是否是空值
                //因為上面isNotBlank判斷了有值的情況了，下面需要判斷的就2種情況 null 和 空字符串
        if(shopJson!=null){
            //不為null，那么為空字符串
            return Result.fail("店鋪不存在！");
        }

        //不存在，根據(jù)id查詢數(shù)據(jù)庫
        Shop shop = this.getById(id);
        //不存在，返回錯誤信息
        if (shop == null) {
            //將空值寫入到redis
            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);

            return Result.fail("店鋪不存在！");
        }

        //存在，寫入到redis里面
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);

        //返回
        return Result.ok(shop);
}

?布隆過濾器

布隆過濾器是一種空間效率高、適合大規(guī)模數(shù)據(jù)的概率型數(shù)據(jù)結(jié)構(gòu)，用于判斷一個元素是否可能存在于一個集合中。布隆過濾器由一個位數(shù)組和多個哈希函數(shù)組成。其核心思想是通過多個哈希函數(shù)對輸入元素進行映射，將元素映射到位數(shù)組的多個位置上，從而實現(xiàn)元素的快速查找。

假設(shè)布隆過濾器使用一個長度為 m 的位數(shù)組和 k 個獨立的哈希函數(shù)，初始時所有位都置為 0。當要插入一個元素時，將該元素經(jīng)過 k 個哈希函數(shù)得到的 k 個哈希值作為索引，在位數(shù)組中將這 k 個位置的值置為 1。當要查詢一個元素時，同樣將該元素經(jīng)過 k 個哈希函數(shù)得到的 k 個哈希值作為索引，并檢查對應(yīng)的位數(shù)組位置是否都為 1，若有任何一個位置為 0，則可以確定該元素不存在于集合中；若都為 1，則該元素可能存在于集合中。

布隆過濾器的優(yōu)勢在于具有較高的空間效率和查詢效率，適合大規(guī)模數(shù)據(jù)的情況。由于使用了多個哈希函數(shù)，可以有效減少沖突的概率，降低誤判率。然而，布隆過濾器也存在一定的缺陷，即可能出現(xiàn)誤判（即判斷某個元素存在于集合中，但實際上并不存在），這是由于不同元素經(jīng)過哈希函數(shù)映射后的索引可能存在沖突。因此，在使用布隆過濾器時需要權(quán)衡誤判率和空間利用率。

總的來說，布隆過濾器通過位數(shù)組和多個哈希函數(shù)實現(xiàn)了高效的元素判斷，是一種適合大規(guī)模數(shù)據(jù)場景下的概率型數(shù)據(jù)結(jié)構(gòu)

??代碼實現(xiàn)

實現(xiàn)引入依賴

<dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>29.0-jre</version>
        </dependency>

配置啟動類

編寫核心代碼

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Autowired
    private BloomFilter<Long> bloomFilter;

    @Override
    public Result queryById(Long id) {
        String key = CACHE_SHOP_KEY + ":" + id;

        // 使用布隆過濾器判斷緩存鍵是否存在
        if (!bloomFilter.mightContain(id)) {
            // 緩存鍵不存在，直接返回錯誤信息
            return Result.fail("店鋪不存在！");
        }

        // 從redis中查詢商鋪緩存
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        // 判斷是否存在
        if (StrUtil.isNotBlank(shopJson)) {
            // 存在，直接返回
            Shop shop = JSONUtil.toBean(shopJson, Shop.class);
            return Result.ok(shop);
        }

        // 不存在，根據(jù)id查詢數(shù)據(jù)庫
        Shop shop = this.getById(id);
        // 不存在，返回錯誤信息
        if (shop == null) {
            // 將空值寫入到redis
            stringRedisTemplate.opsForValue().set(key, "", CACHE_SHOP_TTL, TimeUnit.MINUTES);
            // 將緩存鍵加入布隆過濾器
            bloomFilter.put(id);
            return Result.fail("店鋪不存在！");
        }

        // 存在，寫入到redis里面
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
        // 將緩存鍵加入布隆過濾器
        bloomFilter.put(id);

        // 返回
        return Result.ok(shop);
    }

更加詳細的布隆過濾器講解，請參考我的Redis專欄Redis專欄里面講解布隆過濾器的文章

在技術(shù)的道路上，我們不斷探索、不斷前行，不斷面對挑戰(zhàn)、不斷突破自我。科技的發(fā)展改變著世界，而我們作為技術(shù)人員，也在這個過程中書寫著自己的篇章。讓我們攜手并進，共同努力，開創(chuàng)美好的未來！愿我們在科技的征途上不斷奮進，創(chuàng)造出更加美好、更加智能的明天！

文章來源地址http://www.zghlxwxcb.cn/news/detail-762698.html

到了這里，關(guān)于【SpringBoot篇】基于布隆過濾器，緩存空值，解決緩存穿透問題 （商鋪查詢時可用）的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！