【2023-04-30】redis-缓存雪崩、击穿、穿透，布隆过滤器

缓存雪崩：redis的大量缓存key失效，所有请求直接到数据库，数据库压力激增，导致其他应用服务请求数据库故障，最终引发整个系统服务崩溃。

解决方案：

​ 1、设置key过期时间的时候，增加一个小范围内的随机数，保证不在同一时间内大量失效。

​ 2、设置服务降级策略。

​ 3、在查询缓存时发现失效后查询数据库使用锁的方式减少数据库压力。

缓存击穿：redis中的某一个热点数据失效，同时大量请求进来，最终请求到数据库，数据库压力激增，导致数据库操作长时间阻塞，影响其他服务。

解决方案：

​ 1、对应redis数据，可以不设置过期时间。

​ 2、在查询缓存时发现失效后查询数据库使用锁的方式减少数据库压力。

缓存穿透：redis和数据库都不存在的数据，大量请求访问此类数据，最终也会请求到数据库，数据库压力激增，导致数据库操作长时间阻塞，影响其他服务。

解决方案：

​ 1、直接返回默认值。

​ 2、redis设置空值。

​ 3、使用布隆过滤器过滤此类请求。

布隆过滤器：使用一个大的位数组bitmap和n个hash函数组成，添加一个key时，对这个key进行n个hash函数执行，并将n个hash函数执行的结果位置在bitmap上标记为1，查询时如果n个hash函数对应位置都为1，那么这个key可能存在，如果有一个不为1，则一定不存在。

为什么说都为1时，key可能存在呢，我们来举个例子。

现在有key1、key2和key3三个，假如key1在hash函数上的执行结果为1，3，6，key2在hash函数上的执行结果为2，4，5，key3在hash函数上的执行结果为7，9，10，现在要查询key4，三个hash函数的执行结果为1，5，9，而1，5，9分别是key1，key2，key3在三个hash函数执行时标记为的1，而不是key4，所以说是不一定存在。

布隆过滤器判定不存在时可以百分百的，判定存在时存在一定误差，这个bitmap越大，存在的误差就越小。

可以用来做海量数据去重，所需空间相对其它解决方案要小的多，在海量数据面前，存在小概率的误差是可以接受的。同理，也可以来做垃圾邮件、短信的过滤

布隆过滤器还有一个缺点就是不能删除。