2. 缓存穿透与布隆过滤器：缓存穿透原理、布隆过滤器实现、缓存空对象策略、布隆过滤器误判率控制

2.1 缓存穿透原理与危害

缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，导致每次请求都直接穿透缓存层，打到数据库层。由于缓存无法命中，所有请求都变成数据库查询，当并发量较大时，数据库会因承受巨大压力而崩溃。

2.2 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在集合中。它由一个位数组和多个哈希函数组成，核心思想是：如果布隆过滤器说元素不存在，那它一定不存在；如果说存在，则可能存在（有误判率）。

2.3 布隆过滤器实现示例

以下是一个基于 Java 的轻量级布隆过滤器实现，使用 BitSet 和 MurmurHash 算法：

public class BloomFilter<T> {
    private final BitSet bitSet;
    private final int bitSetSize;
    private final int numHashFunctions;
    private final int[] seeds;

    public BloomFilter(int expectedInsertions, double falsePositiveRate) {
        // 计算最优位数组大小 m 和哈希函数个数 k
        this.bitSetSize = (int) (-expectedInsertions * Math.log(falsePositiveRate) / (Math.log(2) * Math.log(2)));
        this.numHashFunctions = (int) (bitSetSize / expectedInsertions * Math.log(2));
        this.bitSet = new BitSet(bitSetSize);
        this.seeds = new int[numHashFunctions];
        for (int i = 0; i < numHashFunctions; i++) {
            seeds[i] = i + 1;
        }
    }

    public void add(T value) {
        byte[] bytes = value.toString().getBytes(StandardCharsets.UTF_8);
        for (int seed : seeds) {
            int hash = murmurHash3(bytes, seed);
            int index = Math.abs(hash % bitSetSize);
            bitSet.set(index, true);
        }
    }

    public boolean mightContain(T value) {
        byte[] bytes = value.toString().getBytes(StandardCharsets.UTF_8);
        for (int seed : seeds) {
            int hash = murmurHash3(bytes, seed);
            int index = Math.abs(hash % bitSetSize);
            if (!bitSet.get(index)) {
                return false; // 一定不存在
            }
        }
        return true; // 可能存在
    }

    private int murmurHash3(byte[] data, int seed) {
        // MurmurHash3 实现（略）
        return 0;
    }
}

2.4 缓存空对象策略

缓存空对象（Cache Null Object）是解决缓存穿透的另一种常用策略。当查询数据库发现数据不存在时，将一个空值（如 null 或特殊标记）也写入缓存，并设置较短的过期时间。

2.5 布隆过滤器误判率控制

布隆过滤器的误判率（False Positive Rate）由三个参数决定：位数组大小 m、哈希函数个数 k、已插入元素数量 n。误判率公式为：

P ≈ (1 - e^-kn/m)^k

在实际工程中，通过以下方式控制误判率：

• 增大位数组 m： 位数组越大，误判率越低，但内存占用增加。
• 优化哈希函数 k： 最优哈希函数个数 k = (m/n) * ln2，过多或过少都会增加误判率。
• 限制插入数量 n： 预估最大元素数量，超出后误判率急剧上升。

2.6 缓存穿透防御组合策略

在实际生产环境中，单一策略往往不足以应对复杂攻击场景，推荐采用多层防御体系：

1. 第一层：参数校验 — 拒绝明显不合法的请求（如 ID <= 0、超长字符串）。
2. 第二层：布隆过滤器 — 拦截大部分不存在的 key，降低数据库查询量。
3. 第三层：缓存空对象 — 对布隆过滤器误判的请求进行兜底，设置短 TTL（如 30-60 秒）。
4. 第四层：限流与熔断 — 当数据库压力超过阈值时，触发限流保护。