3. 缓存穿透问题：定义、产生原因、危害分析、布隆过滤器原理与实现

3.1 缓存穿透的定义与产生原因

缓存穿透是指客户端请求的数据在缓存层和数据库层中都不存在，导致每次请求都直接穿透缓存层，直达数据库层。由于缓存层无法命中，所有请求压力全部落在数据库上，形成“穿透”效应。

产生原因主要包括以下三类：

• 恶意攻击：攻击者构造大量不存在的 ID（如负数、超大值、随机字符串）发起请求，绕过缓存直接攻击数据库。
• 业务逻辑缺陷：查询参数未做合法性校验，例如用户 ID 为 null 或格式错误时直接查询数据库。
• 数据删除未同步：数据库中的数据已被删除，但缓存未及时清理，导致后续请求直接查库。

3.2 危害分析

缓存穿透的危害呈现指数级放大特征：

• 数据库连接耗尽：每个穿透请求都会占用一个数据库连接，当并发量超过连接池上限时，数据库拒绝服务。
• 响应延迟飙升：数据库 CPU 和 IO 被打满，正常请求的响应时间从毫秒级上升到秒级甚至超时。
• 级联故障：数据库崩溃后，依赖该数据库的其他服务（如订单、支付）也会连锁故障。
• 成本浪费：云数据库按连接数和 QPS 计费，穿透请求直接造成无意义的资源消耗。

3.3 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，用于判断一个元素是否可能存在于集合中。它由一个位数组和多个哈希函数组成。

核心原理：

1. 初始化：创建一个长度为 m 的位数组，所有位初始化为 0。
2. 添加元素：使用 k 个哈希函数对元素计算哈希值，将位数组中对应位置置为 1。
3. 查询元素：同样使用 k 个哈希函数计算哈希值，检查对应位是否全部为 1。如果任意一位为 0，则元素一定不存在；如果全部为 1，则元素可能存在（存在误判率）。

3.4 布隆过滤器实现

在 Spring Boot 项目中，推荐使用 Google Guava 提供的 BloomFilter 实现。以下是完整的集成步骤和代码示例。

步骤一：添加 Maven 依赖

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>32.1.3-jre</version>
</dependency>

步骤二：初始化布隆过滤器

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import org.springframework.stereotype.Component;

import javax.annotation.PostConstruct;

@Component
public class UserIdBloomFilter {

    // 预计插入 100 万条数据，误判率 1%
    private static final int EXPECTED_INSERTIONS = 1_000_000;
    private static final double FPP = 0.01;

    private BloomFilter<Long> bloomFilter;

    @PostConstruct
    public void init() {
        bloomFilter = BloomFilter.create(
            Funnels.longFunnel(),
            EXPECTED_INSERTIONS,
            FPP
        );
        // 模拟从数据库加载已有用户 ID
        for (long i = 1; i <= 100_000; i++) {
            bloomFilter.put(i);
        }
    }

    public boolean mightContain(Long userId) {
        return bloomFilter.mightContain(userId);
    }

    public void put(Long userId) {
        bloomFilter.put(userId);
    }
}

步骤三：在缓存查询中使用布隆过滤器

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

@Service
public class UserService {

    @Autowired
    private StringRedisTemplate redisTemplate;

    @Autowired
    private UserIdBloomFilter userIdBloomFilter;

    public User getUserById(Long userId) {
        // 第一步：布隆过滤器前置拦截
        if (!userIdBloomFilter.mightContain(userId)) {
            // 一定不存在，直接返回空，避免穿透
            return null;
        }

        // 第二步：查询缓存
        String cacheKey = "user:" + userId;
        String userJson = redisTemplate.opsForValue().get(cacheKey);
        if (userJson != null) {
            return JSON.parseObject(userJson, User.class);
        }

        // 第三步：查询数据库
        User user = userMapper.selectById(userId);
        if (user != null) {
            // 写入缓存
            redisTemplate.opsForValue().set(cacheKey, JSON.toJSONString(user), 1, TimeUnit.HOURS);
        }
        return user;
    }
}

3.5 缓存穿透解决方案对比