缓存穿透指查询不存在的数据导致请求直达存储层，解决方案包括缓存空对象和布隆过滤器：缓存空对象适用于空数据较少场景，布隆过滤器适合空数据较多场景，可结合使用。
缓存穿透是指查询一个根本不存在的数据，缓存层和存储层都不会命中，导致每次请求都直接打到存储层。这会给存储层带来巨大的压力，甚至可能导致服务崩溃。简单来说，就是“查无此项”带来的麻烦。
解决缓存穿透，核心思路是避免请求直接打到存储层。
解决方案：
缓存空对象： 当存储层返回空结果时，仍然将这个空结果缓存起来，但设置一个较短的过期时间。下次再查询相同Key时，缓存层会直接返回空结果，避免继续访问存储层。这个方法简单直接，但要注意过期时间的设置，过长可能导致数据不一致，过短则效果不佳。
布隆过滤器： 在缓存层前面设置一个布隆过滤器，将所有可能存在的Key预先加载到布隆过滤器中。当收到一个查询请求时，先判断Key是否存在于布隆过滤器中。如果不存在，则直接返回，避免访问缓存层和存储层。布隆过滤器是一种概率型数据结构，存在一定的误判率（False Positive），但可以有效地过滤掉大部分不存在的Key。
接口校验： 在接口层面进行校验，例如对用户ID进行格式校验，过滤掉明显非法的请求。这个方法可以防止恶意攻击，但需要根据具体的业务场景进行设计。
如何选择缓存空对象和布隆过滤器？
选择哪种方案取决于具体的业务场景。
- 缓存空对象： 适用于数据不存在的情况比较少，或者数据不存在的Key相对固定的场景。例如，用户ID是自增的，那么不存在的用户ID通常也比较集中。
- 布隆过滤器： 适用于数据不存在的情况比较多，或者数据不存在的Key不固定的场景。例如，商品ID是随机生成的，那么不存在的商品ID也比较分散。
一般来说，如果对误判率要求不高，且数据不存在的情况比较多，布隆过滤器是更好的选择。如果对误判率要求很高，或者数据不存在的情况比较少，缓存空对象是更好的选择。当然，也可以将两种方案结合使用，例如先使用布隆过滤器过滤掉大部分不存在的Key，再使用缓存空对象处理少量误判的Key。
布隆过滤器如何配置？
布隆过滤器的关键在于选择合适的哈希函数个数 k 和位数组大小 m。这两个参数会影响布隆过滤器的误判率。
- 哈希函数个数 k： 增加 k 可以降低误判率，但会增加计算成本。
- 位数组大小 m： 增加 m 可以降低误判率，但会增加内存消耗。
一般来说，可以根据以下公式估算合适的 m 和 k：
- k ≈ (m / n) * ln(2)
- 误判率 ≈ (1 - e^(-kn/ m))^ k
其中，n 是预计要存储的Key的数量。
例如，假设要存储100万个Key，希望误判率低于1%，那么可以计算出 m ≈ 9585058，k ≈ 7。
在实际应用中，可以使用现成的布隆过滤器库，例如 Google Guava 的
BloomFilter类。配置示例如下：
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
public class BloomFilterExample {
public static void main(String[] args) {
int expectedInsertions = 1000000;
double fpp = 0.01; // 期望的误判率
BloomFilter bloomFilter = BloomFilter.create(
Funnels.integerFunnel(),
expectedInsertions,
fpp);
// 添加元素
for (int i = 0; i < expectedInsertions; i++) {
bloomFilter.put(i);
}
// 测试元素是否存在
System.out.println(bloomFilter.mightContain(1)); // true
System.out.println(bloomFilter.mightContain(1000000)); // false，但也可能误判为true
}
} 缓存空对象时，过期时间应该设置多久？
缓存空对象的过期时间需要根据具体的业务场景进行权衡。
- 过期时间过短： 缓存穿透的问题仍然可能存在，因为缓存很快就会过期，下次请求仍然会打到存储层。
- 过期时间过长： 可能导致数据不一致，因为存储层的数据可能已经更新，但缓存层仍然是旧的空结果。
一般来说，可以根据以下原则设置过期时间：
- 数据更新频率： 如果数据更新频率比较高，那么过期时间应该设置得短一些。
- 数据一致性要求： 如果对数据一致性要求比较高，那么过期时间也应该设置得短一些。
- 缓存穿透风险： 如果缓存穿透的风险比较高，那么过期时间可以适当设置得长一些。
一个常用的方法是使用动态过期时间。例如，可以根据存储层的响应时间来动态调整过期时间。如果存储层的响应时间比较快，那么可以设置较短的过期时间；如果存储层的响应时间比较慢，那么可以设置较长的过期时间。
除了上述方法，还有其他解决缓存穿透的方案吗？
还有一种比较少见的方案是存储层拦截。在存储层（例如数据库）中，可以设置一个拦截器，当收到一个查询请求时，先判断Key是否存在。如果不存在，则直接返回空结果，避免执行实际的查询操作。
这种方案的优点是可以完全避免缓存穿透，但缺点是会增加存储层的负担，并且需要修改存储层的代码。因此，除非对性能要求非常高，否则不建议使用这种方案。
另外，一些云服务提供商也提供了内置的缓存穿透防护功能，例如阿里云的CDN和腾讯云的DDoS防护。这些功能通常基于布隆过滤器或其他类似的技术，可以有效地防止缓存穿透攻击。
