Redis使用场景-缓存-缓存穿透

前言

之前在针对实习面试的博文中讲到Redis在实际开发中的生产问题，其中缓存穿透、击穿、雪崩在面试中问的最频繁，本文加了图解，希望帮助你更直观的了解缓存穿透😀
（放出之前写的针对实习面试的关于Redis生产问题的博文链接）
Redis生产问题（缓存穿透、击穿、雪崩）——针对实习面试

什么是缓存穿透？

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询数据库

下面是一个正常的数据查询流程：
在这里插入图片描述

而上图是一般缓存穿透发生的场景：
在这里插入图片描述

当某些请求时不合理的（缓存中不存在，数据库中也不存在）且请求数量巨大时，导致大量请求直接作用在数据库上，一般来说数据库无法承接短时巨量查询，会直接导致宕机（此手段黑客常用）

在这里插入图片描述
如上图，数据库承接巨量压力，如不解决缓存穿透问题，极易导致宕机崩溃，数据丢失

怎么解决缓存穿透？

缓存穿透是指查询一个不存在的数据，缓存和数据库都没有命中，导致每次请求都直接访问数据库，从而可能压垮数据库。以下是几种解决缓存穿透问题的有效方法：

一、缓存空值法

原理
- 当从数据库查询不到数据时，将空值（如null）缓存起来。下次再查询相同的数据时，缓存直接返回空值，避免了再次访问数据库。不过需要设置一个较短的缓存过期时间，因为数据可能后续会被添加到数据库中。

示例

假设使用Redis作为缓存，查询用户信息的场景。当查询一个不存在的用户ID（如user - 123）时，数据库返回为空。此时，在Redis中设置一个键值对，键为user - 123，值为null，并设置过期时间为60秒（可根据实际情况调整）。后续再查询user - 123时，Redis直接返回null，而不会穿透到数据库。
代码示例（使用Python的redis - py库）：

import redis

r = redis.Redis(host='localhost', port=6379, db=0)
user_id = "user - 123"
result = r.get(user_id)
if result is None:
    # 从数据库查询
    from_database = query_database(user_id)
    if from_database is None:
        # 数据库也为空，缓存空值
        r.set(user_id, None, ex = 60)
    else:
        # 缓存数据库查询到的值
        r.set(user_id, from_database)
else:
    # 直接使用缓存的值
    print(result)

二、布隆过滤器法

原理
- 布隆过滤器是一种基于概率的数据结构，它可以快速判断一个元素是否可能存在于集合中。它通过多个哈希函数将元素映射到一个位数组中的多个位置。如果这些位置都为1，则元素可能存在；如果有一个位置为0，则元素一定不存在。（以下是布隆过滤器的简单原理示意图）

在这里插入图片描述

在缓存场景中，将数据库中所有可能存在的键（如用户ID）经过布隆过滤器处理。当有查询请求时，先通过布隆过滤器判断键是否可能存在。如果布隆过滤器判断一定不存在，就直接返回数据不存在，不再访问缓存和数据库。
但布隆过滤器也存在一定的缺点，它的实现较为复杂，且存在误判（当数据越多越容易产生误判，因为布隆过滤器是通过哈希函数判断的，当数据量大时，一定会产生哈希冲突，下图中hash3()和hash6()发生了冲突）

示例

以Java为例，使用Google Guava库中的布隆过滤器。首先，在系统初始化时，将数据库中现有的所有用户ID添加到布隆过滤器中。

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;

import java.nio.charset.Charset;
import java.util.ArrayList;
import java.util.List;

public class BloomFilterExample {
    private static final int expectedInsertions = 1000;
    private static final double fpp = 0.01;
    private static BloomFilter<String> bloomFilter;

    static {
        // 初始化布隆过滤器，假设存储用户ID为字符串类型
        bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.forName("UTF - 8")),
                expectedInsertions, fpp);
        List<String> existingUserIds = queryAllUserIdsFromDatabase();
        for (String userId : existingUserIds) {
            bloomFilter.put(userId);
        }
    }

    public static boolean mightContain(String userId) {
        return bloomFilter.mightContain(userId);
    }
}