Redis + 布隆過濾器解決緩存穿透問題

1. Redis + 布隆過濾器解決緩存穿透問題

📌 什么是緩存穿透？

緩存穿透指的是查詢的數據既不在緩存，也不在數據庫，導致每次查詢都直接訪問數據庫，增加數據庫壓力。
例如：攻擊者故意請求不存在的 ID，導致大量無效查詢，沖垮數據庫。

解決方案：

• 普通緩存機制：數據庫查詢為空時，寫入一個短期過期的空值，但對高并發請求不夠高效。

• 布隆過濾器方案

  （推薦）：

  1. 布隆過濾器預存已有數據的 key。
  2. 查詢前，先通過布隆過濾器判斷 key 是否可能存在：
     • 存在 → 查詢 Redis 緩存，未命中則查詢數據庫，再寫入緩存。
     • 不存在 → 直接返回，避免訪問數據庫，防止緩存穿透。

---

2. Java 代碼示例：Redis + 布隆過濾器

📌 依賴

使用 Redisson 庫來操作 Redis 的布隆過濾器，需要添加以下依賴（使用 Maven 或 Gradle）。

<dependency><groupId>org.redisson</groupId><artifactId>redisson</artifactId><version>3.21.1</version>
</dependency>

---

📌 代碼示例

🚀 1. 初始化 Redis 連接

import org.redisson.Redisson;
import org.redisson.api.RBloomFilter;
import org.redisson.api.RedissonClient;
import org.redisson.config.Config;public class RedisBloomFilter {private static RedissonClient redissonClient;private static RBloomFilter<String> bloomFilter;static {// 配置 Redis 連接Config config = new Config();config.useSingleServer().setAddress("redis://127.0.0.1:6379"); // 連接本地 RedisredissonClient = Redisson.create(config);// 初始化布隆過濾器bloomFilter = redissonClient.getBloomFilter("product_bloom_filter");bloomFilter.tryInit(1000000L, 0.01); // 預估 100w 個元素，誤判率 1%}/*** 向布隆過濾器添加數據*/public static void addToBloomFilter(String productId) {bloomFilter.add(productId);}/*** 判斷數據是否可能存在*/public static boolean mightContain(String productId) {return bloomFilter.contains(productId);}public static void main(String[] args) {// 模擬初始化布隆過濾器addToBloomFilter("1001");addToBloomFilter("1002");addToBloomFilter("1003");// 查詢數據System.out.println("1001 存在？" + mightContain("1001")); // trueSystem.out.println("2001 存在？" + mightContain("2001")); // false}
}

---

🚀 2. 結合 Redis 緩存 + MySQL 數據庫

import org.redisson.api.RBloomFilter;
import org.redisson.api.RedissonClient;
import redis.clients.jedis.Jedis;public class BloomFilterCacheDemo {private static Jedis redisClient = new Jedis("127.0.0.1", 6379);private static RedissonClient redissonClient;private static RBloomFilter<String> bloomFilter;static {// 配置 Redisson 連接 RedisredissonClient = Redisson.create();bloomFilter = redissonClient.getBloomFilter("product_bloom_filter");bloomFilter.tryInit(1000000L, 0.01); // 100w 數據，誤判率 1%}/*** 模擬查詢數據庫*/public static String queryDatabase(String productId) {if ("1001".equals(productId)) {return "商品1001：iPhone 15";} else if ("1002".equals(productId)) {return "商品1002：MacBook Pro";}return null; // 模擬數據庫查詢不到}/*** 查詢商品詳情（使用布隆過濾器+Redis緩存）*/public static String getProductInfo(String productId) {// 1?? 先查詢布隆過濾器if (!bloomFilter.contains(productId)) {return "商品不存在"; // 直接返回，防止緩存穿透}// 2?? 查詢 Redis 緩存String cacheData = redisClient.get("product:" + productId);if (cacheData != null) {return "【緩存】" + cacheData;}// 3?? 查詢數據庫String dbData = queryDatabase(productId);if (dbData != null) {// 寫入 Redis，設置 10 分鐘過期redisClient.setex("product:" + productId, 600, dbData);return "【數據庫】" + dbData;}return "商品不存在";}public static void main(String[] args) {// 初始化布隆過濾器（模擬數據庫已有商品）bloomFilter.add("1001");bloomFilter.add("1002");// 測試查詢System.out.println(getProductInfo("1001")); // 【數據庫】商品1001：iPhone 15System.out.println(getProductInfo("2001")); // 商品不存在}
}

---

3. 運行結果

查詢商品 ID	Redis 緩存	數據庫	布隆過濾器	返回結果
1001	? 無	? 有	? 可能存在	【數據庫】商品1001：iPhone 15
1001（第二次查詢）	? 有	-	? 可能存在	【緩存】商品1001：iPhone 15
2001（不存在）	? 無	? 無	? 一定不存在	商品不存在

---

4. 關鍵點總結

? 布隆過濾器防止緩存穿透

• 先用布隆過濾器檢查，如果 不在過濾器內，直接返回，避免查詢數據庫。

? Redis 作為緩存

• 查詢時，優先訪問 Redis，如果緩存未命中，才訪問數據庫，并寫入 Redis 進行緩存。

? 誤判率低

• 通過 bloomFilter.tryInit(1000000L, 0.01)，設置合理的 n（數據量）和 p（誤判率），確保高效過濾。

? 不能刪除數據

• 布隆過濾器不支持刪除，可以用定期重建的方式優化，例如每天重新初始化。

---

5. 適用場景

🔹 電商系統：防止查詢不存在的商品 ID，減少數據庫壓力。
🔹 用戶系統：防止查詢不存在的用戶 ID，避免賬號碰撞攻擊。
🔹 API 限流：判斷 IP 或 Token 是否在黑名單，快速拒絕非法請求。