Redis缓存穿透的解决方案

在java开发过程中redis几乎是我们项目开发的标配，所以我们会经常涉及到利用redis进行开发。那么在redis开发过程中，我们经常会遇到缓存穿透的问题。这篇文章我们就来给大家介绍下缓存穿透的解决方案。

首先说说什么是缓存穿透

缓存穿透指的是前端查询数据的时候，无法从缓存中查询到数据，从而导致这个查询每一次都要访问数据库。

那么缓存穿透的场景有哪些

查询一个不存在的数据：可能会发送一些无效的查询来触发缓存穿透。
查询一些非常热门的数据：如果一个数据被访问的非常频繁，那么可能会导致缓存系统无法处理这些请求，从而造成缓存穿透。
查询一些异常数据：这种情况通常发生在数据服务出现故障或异常时，从而造成缓存系统无法访问相关数据，从而导致缓存穿透。

基于缓存穿透的解决方案是什么

其实解决缓存穿透的方案主要是我们可以加一个布隆过滤器，使用布隆过滤器的步骤如下：

初始化一个布隆过滤器
当查询来的时候首先查询布隆过滤器是否有值，如果有值则直接返回为空（因为数据库查询不到数据才会设置这个值）
如果布隆过滤器没有值，则查询缓存
缓存查询不到，则去查询数据库
数据库查询到则返回查询结果，查询不到，则在布隆过滤器里面添加一个key值

伪代码

初始化一个布隆过滤器

package com.redis.demo.utils;

import java.nio.charset.Charset;

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

public class BloomFilterUtils {
	
	// 布隆过滤器的预计容量
	private static final int expectedInsertions = 1000000;
	
	// 布隆过滤器误判率
	private static final double mjRate = 0.001;
	
	private static BloomFilter<String> bloomFilter = BloomFilter.create(Funnels.stringFunnel(Charset.defaultCharset()),
			expectedInsertions, mjRate);

	/**
	 * 向Bloom Filter中添加元素
	 */
	public static void add(String key) {
		bloomFilter.put(key);
	}

	/**
	 * 判断元素是否存在于Bloom Filter中
	 */
	public static boolean mightContain(String key) {
		return bloomFilter.mightContain(key);
	}
}

这里我们引入的maven依赖是

    <dependency>
			<groupId>com.google.guava</groupId>
			<artifactId>guava</artifactId>
			<version>31.1-jre</version>
		</dependency>

业务的伪代码如下：

package com.redis.demo.controller;

import java.util.concurrent.TimeUnit;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.autoconfigure.data.redis.RedisProperties.Jedis;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.web.bind.annotation.RestController;

import com.redis.demo.dao.UserDao;
import com.redis.demo.model.User;
import com.redis.demo.utils.BloomFilterUtils;

import lombok.extern.slf4j.Slf4j;

@RestController
@Slf4j
public class HelloController {

	@Autowired
	private RedisTemplate redisTemplate;
	
	@Autowired
	UserDao userDao;

	/**
	 * 测试缓存穿透
	 */
	private User getUserInfoById(Long userId) {
		// 先从布隆过滤器中判断此id是否存在
		if (!BloomFilterUtils.mightContain(userId.toString())) {
			return null;
		}

		User user = null;
		// 查询缓存数据
		String userKey = "user_" + userId.toString();
		user = (User) redisTemplate.opsForValue().get(userKey);
		if (user == null) {
			// 查询数据库
			user = userDao.getUserByUserId(userId); // 这里的话
			if (user != null) {
				// 将查询到的数据加入缓存
				redisTemplate.opsForValue().set(userKey, user, 300, TimeUnit.SECONDS);
			} else {
				// 查询结果为空，将请求记录下来，并在布隆过滤器中添加
				BloomFilterUtils.add(userId.toString());
			}
		}
		return user;
	}

	/**
	 * 测试缓存击穿
	 */
	private String getUserInfoById1() {
		return null;

	}

	/**
	 * 测试缓存雪崩
	 */
	private String getUserInfoById2() {
		return null;

	}

}

以上就是完整的关于缓存穿透的解决方案。

备注：

1、对于缓存穿透这块的解决方案需要考虑实际的使用场景，如果对于数据同时用新增和查询，这块做缓存穿透的解决方案的时候就需要小心一点了。

最后按照惯例，附上本案例的源码，登录后即可下载