Spring Boot + Redis + 布隆過濾器防止緩存穿透

? 項目概述

在高并發系統中，緩存穿透 是一個經典問題：當惡意請求或業務邏輯查詢一個數據庫中不存在的 Key，由于緩存中也沒有，請求會直接打到數據庫，導致數據庫壓力激增，甚至宕機。

本項目使用 Spring Boot + Redis + Guava 布隆過濾器 實現一個完整的解決方案，有效防止緩存穿透，提升系統穩定性與性能。

📌 項目結構

bloom-filter-demo/
├── src/
│   ├── main/
│   │   ├── java/
│   │   │   └── com/example/bloomfilterdemo/
│   │   │       ├── controller/
│   │   │       │   └── ProductController.java
│   │   │       ├── service/
│   │   │       │   └── ProductService.java
│   │   │       ├── config/
│   │   │       │   └── RedisBloomFilterConfig.java
│   │   │       └── BloomFilterDemoApplication.java
│   │   └── resources/
│   │       ├── application.yml
│   │       └── data/products.csv  # 模擬商品數據
├── pom.xml
└── README.md

在這里插入圖片描述

📌 第一步：添加 Maven 依賴

<!-- pom.xml -->
<dependencies><!-- Spring Boot Web --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!-- Spring Boot Data Redis --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId></dependency><!-- Guava（提供 BloomFilter） --><dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>32.1.3-jre</version></dependency><!-- Lombok（簡化代碼） --><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><scope>provided</scope></dependency><!-- CSV 解析（用于初始化數據） --><dependency><groupId>com.opencsv</groupId><artifactId>opencsv</artifactId><version>5.7.1</version></dependency>
</dependencies>

📌 第二步：配置文件（application.yml）

server:port: 8080spring:redis:host: localhostport: 6379password: lettuce:pool:max-active: 8max-idle: 8timeout: 5s# Redis 序列化配置（可選）cache:type: redis

📌 第三步：創建商品實體類

// src/main/java/com/example/bloomfilterdemo/entity/Product.java
package com.example.bloomfilterdemo.entity;import lombok.Data;@Data
public class Product {private String id;private String name;private Double price;private String category;
}

📌 第四步：配置布隆過濾器與 Redis

// src/main/java/com/example/bloomfilterdemo/config/RedisBloomFilterConfig.java
package com.example.bloomfilterdemo.config;import com.google.common.hash.Funnels;
import com.google.common.util.concurrent.Uninterruptibles;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.core.StringRedisTemplate;
import com.google.common.hash.BloomFilter;import javax.annotation.PostConstruct;
import java.nio.charset.StandardCharsets;
import java.util.concurrent.TimeUnit;@Configuration
public class RedisBloomFilterConfig {@Autowiredprivate StringRedisTemplate stringRedisTemplate;// 布隆過濾器（存儲所有存在的商品ID）private BloomFilter<String> bloomFilter;// Redis Keyprivate static final String BLOOM_FILTER_KEY = "bloom:products";@Beanpublic BloomFilter<String> bloomFilter() {// 預估元素數量：10萬，誤判率：0.01%this.bloomFilter = BloomFilter.create(Funnels.stringFunnel(StandardCharsets.UTF_8), 100000, 0.0001);return bloomFilter;}/*** 項目啟動時初始化布隆過濾器* 實際項目中可從數據庫或緩存中加載所有存在的 ID*/@PostConstructpublic void initBloomFilter() {// 模擬：從數據庫加載所有商品IDfor (int i = 1; i <= 10000; i++) {String productId = "P" + i;bloomFilter.put(productId);// 同時將真實數據存入 Redis（模擬緩存）stringRedisTemplate.opsForValue().set("product:" + productId, "Product Data " + productId);}System.out.println("? 布隆過濾器初始化完成，加載 10000 個商品ID");}/*** 手動添加新商品到布隆過濾器（可選）*/public void addProductToBloom(String productId) {bloomFilter.put(productId);// 異步更新 Redis（或持久化到 DB）stringRedisTemplate.opsForValue().set("product:" + productId, "New Product Data");}
}

📌 第五步：商品服務層

// src/main/java/com/example/bloomfilterdemo/service/ProductService.java
package com.example.bloomfilterdemo.service;import com.example.bloomfilterdemo.config.RedisBloomFilterConfig;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;@Service
public class ProductService {@Autowiredprivate StringRedisTemplate stringRedisTemplate;@Autowiredprivate RedisBloomFilterConfig bloomFilterConfig;/*** 查詢商品信息（帶布隆過濾器防護）* @param productId* @return 商品信息或 null*/public String getProduct(String productId) {// 1. 先通過布隆過濾器判斷是否存在if (!bloomFilterConfig.bloomFilter.mightContain(productId)) {System.out.println("? 布隆過濾器判定：商品ID " + productId + " 不存在（可能誤判）");return null; // 直接返回，避免查緩存和數據庫}// 2. 布隆過濾器認為可能存在，查 Redis 緩存String cacheKey = "product:" + productId;String productData = stringRedisTemplate.opsForValue().get(cacheKey);if (productData != null) {System.out.println("? Redis 緩存命中：" + productId);return productData;}// 3. 緩存未命中，查數據庫（此處模擬）String dbData = queryFromDatabase(productId);if (dbData != null) {// 4. 寫入緩存（設置過期時間）stringRedisTemplate.opsForValue().set(cacheKey, dbData, 30, java.util.concurrent.TimeUnit.MINUTES);System.out.println("📦 數據庫查詢并寫入緩存：" + productId);return dbData;} else {// 5. 數據庫也不存在，可選擇緩存空值（防緩存穿透二次攻擊）// stringRedisTemplate.opsForValue().set(cacheKey, "", 1, TimeUnit.MINUTES);System.out.println("? 數據庫查詢失敗：商品ID " + productId + " 不存在");return null;}}/*** 模擬數據庫查詢*/private String queryFromDatabase(String productId) {// 模擬：只有 P1 ~ P10000 存在try {Thread.sleep(10); // 模擬數據庫延遲} catch (InterruptedException e) {Thread.currentThread().interrupt();}if (productId.matches("P\\d{1,5}") && Integer.parseInt(productId.substring(1)) <= 10000) {return "【數據庫】商品詳情 - " + productId;}return null;}
}

📌 第六步：控制器層

// src/main/java/com/example/bloomfilterdemo/controller/ProductController.java
package com.example.bloomfilterdemo.controller;import com.example.bloomfilterdemo.service.ProductService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RestController;@RestController
public class ProductController {@Autowiredprivate ProductService productService;/*** 查詢商品信息* 測試正常請求：http://localhost:8080/product/P123* 測試穿透請求：http://localhost:8080/product/P999999*/@GetMapping("/product/{id}")public String getProduct(@PathVariable String id) {long start = System.currentTimeMillis();String result = productService.getProduct(id);long cost = System.currentTimeMillis() - start;if (result == null) {return "商品不存在，耗時：" + cost + "ms";}return result + "（耗時：" + cost + "ms）";}
}

📌 第七步：啟動類

// src/main/java/com/example/bloomfilterdemo/BloomFilterDemoApplication.java
package com.example.bloomfilterdemo;import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;@SpringBootApplication
public class BloomFilterDemoApplication {public static void main(String[] args) {SpringApplication.run(BloomFilterDemoApplication.class, args);System.out.println("🚀 Spring Boot + Redis + 布隆過濾器 項目啟動成功！");System.out.println("🎯 訪問測試：http://localhost:8080/product/P123");System.out.println("🎯 穿透測試：http://localhost:8080/product/P999999");}
}

📌 第八步：測試與驗證

1. 啟動項目

確保 Redis 服務已運行，然后啟動 Spring Boot 項目。

2. 正常請求（緩存命中）

http://localhost:8080/product/P123

輸出：

【數據庫】商品詳情 - P123（耗時：15ms）
# 第二次請求
商品詳情 - P123（耗時：2ms） # Redis 緩存命中

3. 緩存穿透請求（布隆過濾器攔截）

http://localhost:8080/product/P999999

輸出：

商品不存在，耗時：1ms

? 關鍵點：該請求未進入緩存查詢，也未訪問數據庫，直接被布隆過濾器攔截，耗時極低。

? 方案優勢總結

優勢	說明
? 高效攔截	不存在的 Key 被布隆過濾器快速攔截，避免查緩存和數據庫
💾 內存友好	布隆過濾器空間效率高，10萬數據僅需幾十 KB
🛡? 高并發防護	有效防止惡意刷不存在的 Key 導致數據庫雪崩
🔄 可擴展	支持動態添加新數據（如新增商品）