用了强大的 Redis，我们的项目是不是不再惧怕高并发查询了？缓存穿透和缓存雪崩了解一下。

关于 Redis 的使用，大家应该已经不陌生了，我也介绍过 Redis 的使用、数据结构、使用场景分析，既然 Redis 这个强大，那么架构中引入了 Redis 之后，是不是就“无敌”了呢？

其实所有的架构、框架、组件，在解决一部分问题的同时，同样也会带来新的问题，让我们看看使用 Redis 可能会遇到什么样的问题。

缓存穿透

Redis 大部分的使用场景，都是根据 key ，先在 Redis 中查询，如果查询不到的话，再查询数据库。

当有大量的请求，key 值根本不在 Redis 中，那么查询就会落到数据库上，这些请求就仿佛“穿透”过了 Redis 落在了数据库上，最后会导致数据库不堪重负直至崩溃。

缓存穿透

让我们看看缓存穿透的应对策略：

1. 将无效 key 保存到 Redis 中

如果 Redis 中查询不到，并且查询数据库也没有结果，那么就将这个 key 写入到 Redis 中，设置 value = 空，这样如果这个 key 值被重复访问，也不会查询数据库。

将无效 key 保存到 Redis 中

但是如果数据库几分钟后，存入了一条真实的数据，那么就会发生数据库和缓存数据不一致的情况；

这种情况，要么主动更新 Redis 中这条 key-空的数据，要么在设置缓存的时候，同时设置缓存的额过期时间，这样当时间一过，缓存数据就可以刷入到 Redis 中了。

如果每次查询的 key 值都不相同，比如收到恶意攻击，每次访问都是无效且不相同的 key 值，那么这个办法就会失效。

2. 布隆过滤器

布隆过滤器（Bloom Filter）的原理解释起来很复杂，用白话概括一下它的特点：它说某个 key 不存在，那么就一定不存在，它说某个 key 存在，那么很大可能是存在（存在一定的误判率）。

使用布隆过滤器，挡回无效请求，流程大概是这样的：

布隆过滤器

对布隆过滤器感兴趣的同学，可以试一试 Google 出品的 Guava 工具库，其中就有开箱即用的布隆过滤器：BloomFilter；

public class BloomFilterTest {
	public static void main(String[] args){
		int size = 1000000;
		//布隆过滤器
		BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size, 0.001);
		
		for (int i = 0; i < size; i++) {
            bloomFilter.put(i);
        }
		
	List<Integer> list = new ArrayList<Integer>(1000);
        for (int i = size + 1; i < size + 10000; i++) {
            if (bloomFilter.mightContain(i)) {
                list.add(i);
            }
        }
        System.out.println("误判数量：" + list.size());
	}
}

另外，Redis 在 4.0 之后有了插件功能（Module），可以使用外部的扩展功能，可以使用 RedisBloom 作为 Redis 布隆过滤器插件。