3. 缓存穿透与布隆过滤器
3.1 缓存穿透：问题定义
缓存穿透是指查询一个根本不存在的数据。由于缓存层不命中，请求直接穿透到后端数据库，而数据库也查询不到该记录，导致每次请求都直接访问数据库。
当大量请求并发查询同一个不存在的数据时，数据库会承受巨大的压力，甚至可能引发宕机。这是缓存系统中最常见且危害最大的问题之一。
核心危害： 恶意攻击或程序缺陷导致大量无效查询直接穿透缓存，击穿数据库保护层。
| 对比维度 | 缓存穿透 | 缓存击穿 | 缓存雪崩 |
|---|---|---|---|
| 查询对象 | 不存在的数据 | 热点数据过期 | 大量数据同时过期 |
| 影响范围 | 所有不存在 key | 单个热点 key | 多个 key 同时失效 |
| 典型场景 | 恶意攻击、爬虫 | 秒杀、爆款商品 | 缓存服务重启、批量过期 |
| 解决方案 | 布隆过滤器、空值缓存 | 互斥锁、逻辑过期 | 过期时间随机化、多级缓存 |
3.2 布隆过滤器原理
布隆过滤器（Bloom Filter）是一种空间效率极高的概率型数据结构，用于判断一个元素一定不存在或可能存在于一个集合中。它由一个位数组和多个哈希函数组成。
核心工作机制
- 初始化： 创建一个长度为 m 的位数组，所有位初始化为 0。
- 添加元素： 使用 k 个哈希函数对元素计算，得到 k 个哈希值，将位数组中对应位置置为 1。
- 查询元素： 同样使用 k 个哈希函数计算，检查所有对应位是否都为 1：
- 如果任意一位为 0，则元素一定不存在。
- 如果所有位都为 1，则元素可能存在（存在误判率）。
重要特性： 布隆过滤器不能删除元素（标准版），且存在假阳性（误判存在），但没有假阴性（不会漏判已存在的元素）。
3.3 Redis 布隆过滤器模块（RedisBloom）
Redis 官方提供了 RedisBloom 模块，为 Redis 增加了布隆过滤器、布谷鸟过滤器等概率型数据结构支持。通过该模块，开发者可以直接在 Redis 中使用布隆过滤器，无需自行实现位数组和哈希函数。
3.3.1 安装 RedisBloom
RedisBloom 支持多种安装方式，推荐使用 Docker 或编译安装：
| 安装方式 | 命令 / 步骤 | 说明 |
|---|---|---|
| Docker | docker run -p 6379:6379 redislabs/rebloom |
一键启动，包含 Redis + RedisBloom |
| 编译安装 | git clone https://github.com/RedisBloom/RedisBloom.gitcd RedisBloommakeredis-server --loadmodule ./redisbloom.so |
需要 Go 编译环境 |
| Redis Stack | docker run -p 6379:6379 redis/redis-stack-server |
包含 RedisBloom 在内的多个模块 |
3.3.2 核心命令与使用
RedisBloom 提供了简洁的命令接口，主要包含以下操作：
# 1. 创建布隆过滤器（指定错误率和容量）
BF.RESERVE myfilter 0.01 10000
# 2. 添加元素
BF.ADD myfilter "user:1001"
BF.ADD myfilter "user:1002"
# 3. 批量添加
BF.MADD myfilter "user:1003" "user:1004" "user:1005"
# 4. 检查元素是否存在
BF.EXISTS myfilter "user:1001" # 返回 1（可能存在）
BF.EXISTS myfilter "user:9999" # 返回 0（一定不存在）
# 5. 批量检查
BF.MEXISTS myfilter "user:1001" "user:9999"
参数说明：
BF.RESERVE 的第二个参数是错误率（0.01 表示 1%），第三个参数是预期容量（10000 个元素）。错误率越低，位数组越大，内存占用越高。
3.3.3 缓存穿透防护架构
将布隆过滤器集成到缓存查询流程中，可以有效拦截对不存在数据的查询：
3.3.4 最佳实践与注意事项
- 容量规划： 根据业务数据量合理设置
BF.RESERVE的容量和错误率，避免频繁扩容。 - 初始化预热： 系统启动时，将数据库中所有存在的 key 预先添加到布隆过滤器中。
- 数据同步： 新增数据时，同时写入数据库和布隆过滤器；删除数据时，布隆过滤器无法删除，可考虑重建或使用布谷鸟过滤器。
- 错误率权衡： 错误率越低，内存占用越高。一般业务场景 1% 的错误率即可接受。
- 监控告警： 监控布隆过滤器的误判率，当误判率超过阈值时及时重建。
总结： 布隆过滤器是解决缓存穿透的最优方案，通过极小的内存开销（每个元素约 1-2 字节）即可拦截 99% 以上的无效查询，保护后端数据库。