使用布隆过滤器防止缓存穿透

1.什么是缓存穿透？

缓存穿透指的是，攻击者在访问数据时，使用一些不存在的KEY访问我们的应用，

后端应会先在redis中去查找，由于查找不到数据，就会去数据库中获取数据，这样攻击者就可以透过缓存访问数据库。

因此数据库的压力会太大而导致应用崩溃。因此我们可以采用布隆过滤器防止这个问题。

 

2. 布隆过滤器的原理

布隆过滤器是先初始化一个大的二进制数组。

我们预先将数据库的ID数据，查找出来，对这个数组进行初始化，我们可以将数据进行hash，对数组的进行标记。

比如 010101000000，如果一个不存在的数据，提取的数据对应的bit 值为0 ，那么表示数据不存在，具体可以看网上的教程。

当然也有可能出现误判的情况，比如提取到的位数全部唯一，这种情况几率会很小。

 

比如攻击者将一个不存在的数据传过来，那么布隆过滤器判断这个ID不存在。直接返回就好。

 

3.实现代码

3.1 使用redis

导入maven包。

 <dependency>
            <groupId>org.redisson</groupId>
            <artifactId>redisson-all</artifactId>
            <version>3.16.4</version>
        </dependency>

编写代码：

public static void main(String[] args) {
        Config config=new Config();

        config.useSingleServer().
                setAddress("redis://localhost:6379")
                .setPassword("redxun");
        RedissonClient client= Redisson.create(config);
        RBloomFilter<String> filter=client.getBloomFilter("bloom");
        filter.tryInit(1000000L,0.01);
        filter.add("1001");
        filter.add("1002");
        System.err.println(filter.contains("1001"));
        System.err.println(filter.contains("1004"));
    }

1.filter.add 这些代码应该在初始化布隆过滤器实现。

2.使用 filter.contains 是判断 指定的KEY是否存在。

 3.2 使用guava

引入pom

<dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>23.0</version>
        </dependency>

 

java代码

public static void main(String[] args) {

        // 预期插入数量
        long capacity = 10000L;
        // 错误比率
        double errorRate = 0.01;
        // 创建布隆过滤器对象
        BloomFilter bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()),
                capacity,errorRate);
        // 向过滤器中添加元素
        bloomFilter.put("element001");
        bloomFilter.put("element003");
        // 判断元素是否存在
        System.out.println(bloomFilter.mightContain("element001"));//true
        System.out.println(bloomFilter.mightContain("element002"));//false
        // 已添加到Bloom过滤器的元素的数量
        System.out.println(bloomFilter.approximateElementCount());// 2
        // 返回元素存在的错误概率
        System.out.println(bloomFilter.expectedFpp());
    }