redis缓存穿透穿透解决方案-布隆过滤器
咱们先来看一段代码
cache_key = "id:1" cache_value = GetValueFromRedis(cache_key); //判断缓存是否有数据 if cache_value != nil{ //如果有 间接返回数据 return cache_value } db_value = GetValueFromDb(cache_key) // 从数据库中查问数据 if db_value == nil{ return db_value } expire_time = 300 SetRedisValue(cache_key, db_value, expire_time) //将数据库的后果更新到缓存中，并间接返回后果 return db_value置信绝大多数同学都是这么解决申请的，这样用redis可能给mysql抵御住大部分的申请。其实这样是存在肯定的问题的
问题1
我在申请的时候,用id=-1来申请
id=-1这条记录在数据库中是不存在的，当然对应的redis中也是没有的。那么就须要去申请数据库而后把数据写入到redis中，这样就会造成没有必要的数据库申请，一两个申请无所谓，然而如果从-∞到-1 有限的高频率的申请，就会给线上造成很大的压力。
针对问题1的解决方案
咱们能够通过程序来限度id的合法性，判断id<1的状况都间接在接口层面拦挡，这个形式确实能够解决下面说的那种状况，然而咱们接下来往下看
问题2
比方当初数据库id的最大值为1000，咱们用比1000大的数字去申请
这种状况原理和问题1是一样的，这次咱们就没法通过参数判断来拦挡住申请了，所以咱们就得用接下来一种经典的形式，布隆过滤器
布隆过滤器其实就是一种比拟奇妙的概率型数据结构，它能够通知你某种货色肯定不存在或者可能存在。从而达到对脏数据过滤的成果。他存在的地位如图
其实对布隆过滤器比拟生疏的同学能够先想想，作为一个过滤器须要满足什么条件？
- 速度得快，得从内存查，如果从硬盘查的话还不如间接查数据库
- 因为过滤器外面得存入数据库所有的数据，所以内存势必是比拟缓和的，所以内存要做到相对的节俭，说到节俭内存，大家应该很容易能想到 redis外面的setbit操作
布隆过滤器的实现
写入过程
- 通过bit数组来标识数据
- 比方id=10的数据，通过hash算法算进去后果为1
- 把bit数组下表为1的地位的值标记为1
查问过程
- 将id=10做hash运算，失去后果1
- 看bit数组下表为1的数据标识为1，则阐明数据存在
其实咱们看下面的算法是存在肯定的问题的
1:只有是hash运算，就会存在hash碰撞问题，比方id=10 和id=100可能通过hash运算之后后果都为1，那么id=10写入之后查问id=100是否存在会误判为id=100也存在
2:当bit数组满了之后，查问的错误率必定是百分之百，因为每个数据都存在
这些其实都是导致错误率的起因，错误率是不可能防止的，然而咱们能够缩小错误率，缩小错误率的办法有两个
1:加大bit数组的长度，对于bit数组的长度的减少是不必放心的，因为是bit操作，所以能够加到很大的值
2:减少hash函数的个数,hash函数的个数减少了，阐明标识一个数组须要的地位就会变多。这样会升高产生hash碰撞的概率。然而hash的函数也不是越多越好，须要参照数组的长度来定
hash错误率：
布隆算法说数据存在，那么理论有可能不存在
如果数据不存在。那么肯定不存在
布隆过滤器redis中的应用办法
1.下载redisbloom插件(redis官网下载即可)
wget https://github.com/RedisLabsModules/rebloom/archive/v1.1.1.tar.gz2:解压并装置，生成.so文件
[root@redis]# tar -zxvf v1.1.1.tar.gz [root@redis]# cd Redisbloom-1.1.1/ [root@redisbloom-1.1.1]# make [root@redisbloom-1.1.1]# ls contrib Dockerfile docs LICENSE Makefile mkdocs.yml ramp.yml README.md rebloom.so src tests3:在redis配置文件(redis.conf)中退出该模块即可
[root@redis]# vim redis.conf #####################MODULES################# # Load modules at startup. If the server is not able to load modules# it will abort. It is possible to use multiple loadmodule directives.loadmodule /usr/local/redis/redisbloom-1.1.1/rebloom.so4:重新启动redis
redis-server ./redis.conf5:测试装置是否胜利
127.0.0.1:6379> bf.add users user2 //写入数据user2(integer) 1127.0.0.1:6379> bf.add users user1 //写入数据user1(integer) 1127.0.0.1:6379> bf.exists users user1 //查问user1存在(integer) 1127.0.0.1:6379> bf.exists users user3 //查问user3不存在(integer) 0下面说过布隆过滤器存在误判的状况，在 redis 中有两个值决定布隆过滤器的准确率：
- error_rate ：容许布隆过滤器的错误率，这个值越低过滤器的位数组的大小越大，占用空间也就越大。
- initial_size ：布隆过滤器能够贮存的元素个数，当理论存储的元素个数超过这个值之后，过滤器的准确率会降落。
redis 中有一个命令能够来设置这两个值：
bf.reserve users 0.01 100三个参数的含意：
第一个值是过滤器的名字。
第二个值为 error_rate 的值。
第三个值为 initial_size 的值。
关注我的技术公众号，每周都有优质技术文章推送。
微信扫一扫下方二维码即可关注：