用了強大的 Redis，咱們的項目是否是再也不害怕高併發查詢了？緩存穿透和緩存雪崩瞭解一下

時間 2020-06-02

標籤用了強大 redis 咱們項目是否再也不害怕併發查詢緩存穿透雪崩瞭解一下欄目 Redis 简体版

原文原文鏈接

關於 Redis 的使用，你們應該已經不陌生了，我也介紹過 Redis 的使用、數據結構、使用場景分析，既然 Redis 這個強大，那麼架構中引入了 Redis 以後，是否是就「無敵」了呢？數據庫

其實全部的架構、框架、組件，在解決一部分問題的同時，一樣也會帶來新的問題，讓咱們看看使用 Redis 可能會遇到什麼樣的問題。緩存

緩存穿透

Redis 大部分的使用場景，都是根據 key ，先在 Redis 中查詢，若是查詢不到的話，再查詢數據庫。數據結構

當有大量的請求，key 值根本不在 Redis 中，那麼查詢就會落到數據庫上，這些請求就彷彿「穿透」過了 Redis 落在了數據庫上，最後會致使數據庫不堪重負直至崩潰。架構

讓咱們看看緩存穿透的應對策略：框架

1. 將無效 key 保存到 Redis 中

若是 Redis 中查詢不到，而且查詢數據庫也沒有結果，那麼就將這個 key 寫入到 Redis 中，設置 value = 空，這樣若是這個 key 值被重複訪問，也不會查詢數據庫。工具

可是若是數據庫幾分鐘後，存入了一條真實的數據，那麼就會發生數據庫和緩存數據不一致的狀況；spa

這種狀況，要麼主動更新 Redis 中這條 key-空的數據，要麼在設置緩存的時候，同時設置緩存的額過時時間，這樣當時間一過，緩存數據就能夠刷入到 Redis 中了。插件

若是每次查詢的 key 值都不相同，好比收到惡意攻擊，每次訪問都是無效且不相同的 key 值，那麼這個辦法就會失效。線程

2. 布隆過濾器

布隆過濾器（Bloom Filter）的原理解釋起來很複雜，用白話歸納一下它的特色：它說某個 key 不存在，那麼就必定不存在，它說某個 key 存在，那麼很大多是存在（存在必定的誤判率）。code

使用布隆過濾器，擋回無效請求，流程大概是這樣的：

對布隆過濾器感興趣的同窗，能夠試一試 Google 出品的 Guava 工具庫，其中就有開箱即用的布隆過濾器：BloomFilter；

public class BloomFilterTest {
    public static void main(String[] args){
        int size = 1000000;
        //布隆過濾器
        BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, 0.001);
        
        for (int i = 0; i < size; i++) {
            bloomFilter.put(i);
        }
        
    List<Integer> list = new ArrayList<Integer>(1000);
        for (int i = size + 1; i < size + 10000; i++) {
            if (bloomFilter.mightContain(i)) {
                list.add(i);
            }
        }
        System.out.println("誤判數量：" + list.size());
    }
}

另外，Redis 在 4.0 以後有了插件功能（Module），可使用外部的擴展功能，可使用 RedisBloom 做爲 Redis 布隆過濾器插件。