原理

        例： 一个get请求：api/news/getById/1

缓存穿透：查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库

解决方案一

缓存空数据，查询返回的数据为空，仍把这个空结果进行缓存

优点

简单

缺点

消耗内存，可能会发生不一致的问题

解决方案二

布隆过滤器

优点

内存占用较少，没有多余key

缺点

实现复杂，存在误判

布隆过滤器

bitmap（位图）：相当于是一个以（bit）位为单位的数组，数组中每个单元只能存储二进制数0或1

布隆过滤器作用：布隆过滤器可以用于检索一个元素是否在一个集合中。

• 存储数据：id为1的数据，通过多个hash函数获取hash值，根据hash计算数组对应位置改为1
• 查询数据：使用相同hash函数获取hash值，判断对应位置是否都为1
• 误判率：数组越小误判率就越大，数组越大误判率就越小，但是同时带来了更多的内存消耗。
• 

提问与回答

面试官：什么是缓存穿透 ? 怎么解决 ?

回答：

        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，这将导致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。
        解决方案的话，我们通常都会用布隆过滤器来解决它

面试官：好的，你能介绍一下布隆过滤器吗？

回答：

        布隆过滤器主要是用于检索一个元素是否在一个集合中。我们当时使用的是redisson实现的布隆过滤器。
        它的底层主要是先去初始化一个比较大数组，里面存放的二进制0或1。在一开始都是0，当一个key来了之后经过3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。查找的过程也是一样的。
        当然是有缺点的，布隆过滤器有可能会产生一定的误判，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，其实已经算是很划分了，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。