3. 缓存穿透解决方案：布隆过滤器原理与实现、空值缓存策略、参数校验与限流

缓存穿透是指查询一个根本不存在的数据，缓存层和存储层都无法命中，导致每次请求都直接打到数据库。在高并发场景下，这会将数据库压垮。本章从架构层面剖析三种核心治理手段：布隆过滤器、空值缓存和参数校验与限流，并给出工程落地的选型建议。

3.1 布隆过滤器原理与实现

布隆过滤器（Bloom Filter）是一种空间效率极高的概率型数据结构，用于判断一个元素是否可能存在于集合中。它允许一定的误判率（假阳性），但绝对不会漏判（假阴性率为0）。

3.1.1 核心原理

• 位数组：一个长度为 m 的二进制位数组，初始所有位为 0。
• 多个哈希函数：k 个相互独立的哈希函数，每个函数将输入元素映射到位数组的某个位置。
• 添加元素：对元素执行 k 次哈希，将对应 k 个位置置为 1。
• 查询元素：对元素执行 k 次哈希，如果所有对应位都是 1，则元素可能存在；如果任意一位为 0，则元素一定不存在。

3.1.2 工程实现（Java + Redis）

在分布式架构中，通常使用 Redis 的 Bitmap 或 Guava 的 BloomFilter 实现。以下是基于 Redis Bitmap 的轻量级实现示例：

// 布隆过滤器工具类（基于 Redis Bitmap）
public class RedisBloomFilter {
    private static final int DEFAULT_SIZE = 2 << 24; // 约1600万位
    private static final int[] SEEDS = {3, 7, 11, 13, 31, 37, 61};
    private Jedis jedis;
    private String filterKey;

    public RedisBloomFilter(Jedis jedis, String filterKey) {
        this.jedis = jedis;
        this.filterKey = filterKey;
    }

    // 添加元素
    public void add(String value) {
        for (int seed : SEEDS) {
            int hash = hash(value, seed);
            int index = hash & (DEFAULT_SIZE - 1);
            jedis.setbit(filterKey, index, true);
        }
    }

    // 判断是否存在
    public boolean mightContain(String value) {
        for (int seed : SEEDS) {
            int hash = hash(value, seed);
            int index = hash & (DEFAULT_SIZE - 1);
            if (!jedis.getbit(filterKey, index)) {
                return false; // 一定不存在
            }
        }
        return true; // 可能存在
    }

    // 哈希函数
    private int hash(String value, int seed) {
        int result = 0;
        for (char c : value.toCharArray()) {
            result = result * seed + c;
        }
        return result & Integer.MAX_VALUE;
    }
}

3.2 空值缓存策略

当布隆过滤器无法覆盖所有场景（如动态数据），或实现成本过高时，空值缓存是一种简单有效的补充方案。其核心思想是：将数据库查询结果为 null 的 key 也缓存起来，但设置一个较短的过期时间。

3.2.1 实现流程

1. 查询缓存：若缓存命中，直接返回（包括空值标记）。
2. 查询数据库：若缓存未命中，查询数据库。
3. 结果判断：
   • 若数据库存在数据，写入缓存（正常 TTL）。
   • 若数据库不存在数据，写入一个特殊空值标记到缓存，TTL 设置为 30~60 秒。
4. 返回结果：将结果返回给调用方。

3.2.2 参数对比

3.3 参数校验与限流

在缓存层和布隆过滤器之前，参数校验是第一道防线。很多穿透攻击是通过构造非法参数（如负数 ID、超长字符串、SQL 注入片段）实现的。限流则是在流量层面进行兜底保护。

3.3.1 参数校验策略

• 格式校验：ID 必须为正整数、UUID 格式校验、时间戳范围校验。
• 长度校验：限制 key 的最大长度（如 128 字符），防止恶意构造超长 key。
• 黑白名单：对已知的恶意 IP 或 user-agent 进行拦截。
• 业务语义校验：如订单号必须包含特定前缀、用户 ID 必须在合法范围内。

// 参数校验拦截器示例（Spring Boot）
@Component
public class ParamValidationInterceptor implements HandlerInterceptor {
    @Override
    public boolean preHandle(HttpServletRequest request, 
                             HttpServletResponse response, 
                             Object handler) throws Exception {
        String key = request.getParameter("key");
        // 1. 空值校验
        if (key == null || key.trim().isEmpty()) {
            throw new IllegalArgumentException("key 不能为空");
        }
        // 2. 长度校验
        if (key.length() > 128) {
            throw new IllegalArgumentException("key 长度不能超过128");
        }
        // 3. 格式校验（以用户ID为例）
        if (!key.matches("^[1-9]\\d{0,9}$")) {
            throw new IllegalArgumentException("key 格式非法");
        }
        return true;
    }
}

3.3.2 限流策略

限流是缓存穿透治理的最后一道防线。当布隆过滤器和空值缓存都无法完全阻挡恶意流量时，限流可以保证数据库不被击穿。

3.4 三种方案对比与选型