缓存穿透

缓存穿透（Cache Penetration） 定义：查询不存在的数据，缓存和数据库都没有，每次请求都打到数据库 场景：恶意攻击，大量查询不存在的key 请求key="user:-1" → Redis没有 → DB没有 → 返回null 请求key="user:-2" → Redis没有 → DB没有 → 返回null ...大量请求直接打垮数据库 解决方案1：布隆过滤器 @Service public class UserService { @Autowired private RedissonClient redisson; @Autowired private UserMapper userMapper; private RBloomFilter<Long> userBloomFilter; @PostConstruct public void init() { userBloomFilter = redisson.getBloomFilter("user:bloom"); userBloomFilter.tryInit(10000000L, 0.01); // 加载所有userId List<Long> userIds = userMapper.selectAllUserIds(); userIds.forEach(userBloomFilter::add); } public User getUser(Long userId) { // 1. 布隆过滤器判断 if (!userBloomFilter.contains(userId)) { return null; // 一定不存在 } // 2. 查询Redis String key = "user:" + userId; User user = (User) redis.opsForValue().get(key); if (user != null) { return user; } // 3. 查询数据库 user = userMapper.selectById(userId); if (user != null) { redis.opsForValue().set(key, user, 3600, TimeUnit.SECONDS); } return user; } } 解决方案2：缓存空值 public User getUser(Long userId) { String key = "user:" + userId; // 1. 查询Redis User user = (User) redis.opsForValue().get(key); if (user != null) { if (user.getId() == null) { // 空对象标记 return null; } return user; } // 2. 查询数据库 user = userMapper.selectById(userId); if (user != null) { redis.opsForValue().set(key, user, 3600, TimeUnit.SECONDS); } else { // 缓存空对象，防止穿透 User emptyUser = new User(); redis.opsForValue().set(key, emptyUser, 60, TimeUnit.SECONDS); // 短期缓存 } return user; } 缓存击穿（Cache Breakdown） 定义：热点key过期瞬间，大量请求同时打到数据库 ...

什么是布隆过滤器？ 核心功能：快速判断元素是否存在 特点： ✅ 空间效率极高（百万数据仅需1MB） ✅ 查询速度快（O(k)，k为hash函数个数） ❌ 存在误判（可能把不存在判断为存在） ❌ 无法删除元素 判断逻辑： if (bloomFilter.contains(key)) { // 可能存在（需要进一步查询确认） } else { // 一定不存在（可以直接返回） } 原理 数据结构：位数组 + 多个hash函数 1. 添加元素"apple" hash1("apple") = 3 → bit[3] = 1 hash2("apple") = 7 → bit[7] = 1 hash3("apple") = 10 → bit[10] = 1 2. 判断元素是否存在 if (bit[3] == 1 && bit[7] == 1 && bit[10] == 1) { return "可能存在"; } else { return "一定不存在"; } 误判原因：多个元素的hash值可能碰撞 ...