Redis 缓存穿透, 缓存击穿, 缓存雪崩的解决方案与布隆过滤器

缓存穿透解决方案

设置空值

布隆过滤器

• 优点

• 可以将存在的缓存, 位置设置为1, 然后当不存在的参数过来的时候, 会匹配到0上,这样就会直接返回不存在

• 缺点

• 存在错误判断, hash冲突
• 删除缓存时无法删除指定的1的位置, 应为存在多数据,同一hash, 所以无法删除
• 增加开发成本, 维护成本提高

可以判断一定不存在, 但是不能判断一定存在[存在误判]

使用布隆过滤器

添加依赖

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>31.1-jre</version>
</dependency>

编写代码

package com.dance.redis;

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import org.junit.jupiter.api.Test;

import java.nio.charset.Charset;
import java.util.stream.IntStream;

public class BlTest {

    @Test
    public void test(){
        // 创建
        /**
         * 数据类型
         * 容量
         * 误判率
         * 容量越大, 误判率越低, 但是使用的内存就越多
         * 误判率设置越小, 误判率越低
         */
        BloomFilter<String> bloomFilter = BloomFilter.create(
                                                            Funnels.stringFunnel(Charset.defaultCharset())
                                                            ,100000
                                                            ,0.001
        );
        // 放入元素
//        boolean html = bloomFilter.put("html");
        // 判断可能存在
//        boolean html1 = bloomFilter.mightContain("html");
        // 存放10万数据
        IntStream.range(0,200000).forEach(x -> bloomFilter.put(x+""));

        int success = 0;
        int fail = 0;

        for (int i = 0; i < 10000; i++) {
            boolean b = bloomFilter.mightContain("test" + i);
            if (b){
                fail++;
            }else{
                success++;
            }
        }
        System.out.println("正确:"+success);
        System.out.println("错误:"+fail);

    }

}

使用的时候可以根据实际情况, 设置这些阈值

缓存击穿解决方案

• 只让一个请求去查数据库, 其他请求进入CAS自旋, 等待请求返回放入缓存, 然后其他线程去查询缓存

缓存雪崩解决方案

在同一时间点, 缓存大面积失效

解决方案

• 设置热点数据永不过期
• 过期时间分散
• 采用多级缓存

• 采购第三方的Redis(各种云)(花钱解决)