目錄

緩存擊穿

緩存擊穿的解決方案

緩存雪崩

緩存雪崩的解決方案

緩存穿透

布隆過濾器

---

緩存擊穿

一般我們會對緩存的key設置過期時間，在高并發下，如果在某一時刻這個key剛好過期，此時持續的大并發請求都會穿破緩存，直接命中DB，就像在一個屏障上鑿開了一個洞。

緩存擊穿的解決方案

1)? 通過分布式鎖或者隊列，使得同一個key只允許一個線程到數據庫查詢
2）定時預先更新緩存，避免發生緩存失效的情形

不過一般情況下單個緩存的擊穿很難對數據庫造成壓垮性的壓力

緩存雪崩

緩存雪崩是指緩存中的大量的key在同一時間失效，導致所有的請求都命中DB,使得其無法負載。簡單來說就是大量key同時發生緩存擊穿的情形

緩存擊穿針對的是某一個設置了過期時間的緩存，緩存雪崩針對的是很多設置了過期時間的緩存

緩存雪崩的解決方案

1)? 通過分布式鎖或者隊列，使得同一個key只允許一個線程到數據庫查詢
2）定時預先更新緩存，避免同時發生緩存失效的情形
3）通過加隨機數，使得不同的key在不同的時間過期
4）設置緩存永不過期

緩存穿透

緩存穿透，是指查詢一個數據庫一定不存在的數據。通常redis沒有緩存的時候，我們就會去訪問數據庫獲取數據，此時如果數據庫也不存在數據，那么每次對該key的請求都會命中數據庫，在高并發情形下，就會導致數據庫壓力過大從而崩潰。

如果每次請求的數據都是同一個key,那么可以通過緩存空數據或者特殊字符串，比如&&來避免緩存穿透(需要對這個緩存設置一個過期時間，否則數據庫新增了這一數據也無法獲取到對應值)

但是如果每次請求的key都不一樣，那么我們就需要其他的方法來判斷一個key是否存在于數據庫中，不能直接通過查詢數據庫的方式來判斷
因為緩存的往往是大量的數據，直接存儲所有的數據顯然費空間又費時間，為了節省存儲空間，可以采用BitMap(位圖)的方式來標記這個key是否出現過

對于每一個元素，我們通過哈希函數對key進行運算，得到一個下標，將其對應的位圖上的值改為1,就表示該元素在這個集合存在。因為哈希碰撞的存在，我們可以采用
1.擴大數組的長度或者說位圖容量 (空間消耗加大)
2.引入很多個哈希函數 (耗時)

來減小哈希碰撞的概率

實際使用中，我們既要節省空間，又要很高的計算效率，就必須在位圖容量和函數個數之間找到一個最優解，布隆過濾器就幫助我們解決了這個問題

布隆過濾器

1970年由Burton Howard Bloom提出，其目的就是為了快速判斷一個集合里是否存在某一個元素

bloom過濾器實際是由一個長位圖和k個不同的哈希函數組成的

其過程主要分為三步:

1.創建一個二進制數組，所有的值都初始化為0
2.將集合里的每一個元素都通過k個hash函數運算其在位圖的下標
3.將對應的下標的值改為1

判斷某個元素是否存在于集合的時候，我們只需要判斷元素通過k個hash函數計算出來的下標在位圖上是否都為1就可以了，如果全部為1，則表示該元素很可能存在;否則該元素就一定不存在(這是因為hash碰撞無法避免，會導致有一定的誤判率，會將不存在的元素誤判為存在)

這種把本來不存在布隆過濾器中的元素誤判為存在的情況，我們把它叫做假陽性（False Positive Probability，FPP）。

Funnel<String> funnel = new Funnel<String>() {@Overridepublic void funnel(String from, PrimitiveSink into) {into.putString(from, Charsets.UTF_8);}};// 創建符合條件的布隆過濾器 誤判率為0.1%,集合元素最大預計為一萬BloomFilter<String> filter = BloomFilter.create(funnel, 10000, 0.001);filter.put("chenpp");System.out.println(filter.mightContain("chenpp"));System.out.println(filter.mightContain("chenpp11"));

如果在緩存中使用布隆過濾器，其流程圖如下:

首先每次在數據庫新增數據的時候，都需要把數據同步到BloomFilter中

在查詢數據的時候，先在布隆過濾器查詢，如果返回說沒有，那數據庫中也肯定沒有，就不需要查了，只有返回為存在的數據才需要查詢緩存和DB
?

超強干貨來襲 云風專訪：近40年碼齡，通宵達旦的技術人生

總結

以上是生活随笔為你收集整理的Redis缓存击穿和缓存雪崩、缓存穿透以及对应的解决方案的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。