面试Redis篇—————缓存穿透问题及解决策略

🏍️🏍️🏍️一.情景模拟

假设现在有一个请求，正常的处理应该是根据id查询redis，如果命中返回结果，如果redis查不到，就去查数据库，数据库查询到结果返回，在返回之前先把数据存储到redis。

🏍️🏍️🏍️二.什么叫缓存穿透？

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,这将导政这个不存在的数据每次请求都要到 DB去查询。可能导致DB挂掉。这种情况大概率是遭到了攻击。

🏍️🏍️🏍️三.解决方案

㊙️㊙️㊙️方案一：缓存空数据，查询返回的数据为空，仍把空结果写进缓存
优点：操作简单
缺点：（1）如果大量id都是null缓存压力就会很大（2）数据不一致问题。比如id为1的数据一开始确实没有缓存为null，但是后面添加上了，但是缓存中还是null，就导致了缓存和数据库数据不一致的问题

㊙️㊙️㊙️方案二:使用布隆过滤器
优点：内存占用少，没有多余的key
缺点：实现复杂，存在一定的误判

🏍️🏍️🏍️四.布隆过滤器原理解释

流程：请求首先经过布隆过滤器，如果过滤器中存在，查询redis，如果不存在直接拦截，缓存预热时需要预热布隆过滤器，热点数据可以先批量添加到缓存中，请求也会优先读取缓存，添加数据到缓存的同时也要添加到布隆过滤器中

原理：要是用于检索一个元素是否在一个集合中

㊙️㊙️㊙️存储原理：

它的底层主要是先去初化一个比较大数组。里面存放的二进制0或1.一开始全是0。当一个key来了之后经过3次（也可以多次）hash计算,模于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

㊙️㊙️㊙️查询原理：

也是经过3次（也可以多次）哈希函数计算，如果对应位置都为1，证明key存在，但是由于哈希函数存在哈希冲突问题，会导致误判，如下图所示，id为3的数据不存在但是根据计算发现查询的位置和id为1和2的数据重合，这就是误判的情况

🏍️🏍️🏍️五.关于布隆过滤器的误判

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，消耗内存，其实已经算是很划算了。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