关于【如何防止redis缓存穿透】，今天涌涌小编给您分享一下，如果对您有所帮助别忘了关注本站哦。

1、如何防止redis缓存穿透：高频面试题-如何避免Redis中缓存穿透、缓存雪崩问题？

Redis，因为其速度快等各方面的原因，被开发人员一直应用于企业级开发。

而一旦开始使用Redis，就必然要考虑的问题就当属缓存穿透、缓存雪崩的问题了，这也是面试过程中很容易问到的点了，下面我们就来聊一下这些吧。

1. 什么是缓存穿透？

缓存穿透是指当查询一个不存在的数据，由于无法命中对应的值，就会一直需要去数据库中查询；所以这个时候Redis并没有起到减少查询的次数，失去了使用Redis的初心，反而性能方面有了更大的消耗，就会造成整体的性能下降。

2. 如何解决缓存穿透问题？

一句话答案：给没有命中的key值设置‘空值’。

虽然无法命中对应的值，但是我们依然要给对应的key设置空值。

这样，我们就又可以降低直接访问数据库的次数，从而一定程度上提高了系统性能。

3. 什么是缓存雪崩？

雪崩时，没有一片雪花是无辜的。复制代码

缓存雪崩是指当一批缓存数据均设置了相同的过期时间时，会导致一批缓存数据同一时间失效，届时就会存在大批的请求同时去访问数据库，会造成数据库的瞬时压力过大，造成雪崩。

4. 如何解决缓存雪崩问题？

一句话答案：给缓存数据的key设置不同的过期时间

缓存雪崩问题就是同一时间缓存过期问题，所以只需要给缓存数据设置不同的过期时间即可。

由于系统内部业务的限制，可以在某一个区间内取随机值，如：30分钟-60分钟之间的任意值；这样即便会存在相同过期时间，也不会很多。

当然了，如果你系统业务缓存量级比较大，加大区间就可以了。

2、如何防止redis缓存穿透，Redis缓存穿透问题及解决方案

上周在工作中遇到了一个问题场景，即查询商品的配件信息时(商品：配件为1：N的关系)，如若商品并未配置配件信息，则查数据库为空，且不会加入缓存，这就会导致，下次在查询同样商品的配件时，由于缓存未命中，则仍旧会查底层数据库，所以缓存就一直未起到应有的作用，当并发流量大时，会很容易把DB打垮。

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，通常出于容错的考虑，如果从存储层查不到数据则不写入缓存层。一般对于未命中的数据我们是按照如下方式进行处理的：

1.缓存层不命中。2.存储层不命中，不将空结果写回缓存。3.返回空结果。

/** * 缓存穿透问题： * 在数据库层没有查到数据，未存入缓存， * 则下次查询同样的数据时，还会查库。 * * @param id * @return */private Object getObjectById(Integer id) { // 从缓存中获取数据 Object cacheValue = cache.get(id); if (cacheValue != null) { return cacheValue; } // 从数据库中获取 Object storageValue = storage.get(id); // 如果这里按照id查询DB为空，那么便会出现缓存穿透 if (storageValue != null) { cache.set(id, storageValue); } return storageValue;}

缓存穿透将导致不存在的数据每次请求都要到存储层去查询，失去了缓存保护后端存储的意义。缓存穿透问题可能会使后端存储负载加大，由于很多后端存储不具备高并发性，甚至可能造成后端存储宕掉。

/** * 缓存空对象： * 此种方式存在漏洞，不经过判断就直接将Null对象存入到缓存中， * 如果恶意制造不存在的id那么，缓存中的键值就会很多，恶意攻击时，很可能会被打爆，所以需设置较短的过期时间。 * * @param id * @return */public Object getObjectInclNullById(Integer id) { // 从缓存中获取数据 Object cacheValue = cache.get(id); // 缓存为空 if (cacheValue != null) { // 从数据库中获取 Object storageValue = storage.get(key); // 缓存空对象 cache.set(key, storageValue); // 如果存储数据为空，需要设置一个过期时间(300秒) if (storageValue == null) { // 必须设置过期时间，否则有被攻击的风险 cache.expire(key, 60 * 5); } return storageValue; } return cacheValue;}

缓存空对象会有一个必须考虑的问题：

空值做了缓存，意味着缓存层中存了更多的键，需要更多的内存空间(如果是攻击，问题更严重)，比较有效的方法是针对这类数据设置一个较短的过期时间，让其自动剔除。

概念：

布隆过滤器(英语：Bloom Filter)是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。

如果想判断一个元素是不是在一个集合里，一般想到的是将集合中所有元素保存起来，然后通过比较确定。链表、树、散列表(又叫哈希表，Hash table)等等数据结构都是这种思路。但是随着集合中元素的增加，我们需要的存储空间越来越大。同时检索速度也越来越慢，上述三种结构的检索时间复杂度分别为 O(n),O(log n),O(n/k)

布隆过滤器的原理是，当一个元素被加入集合时，通过K个散列函数将这个元素映射成一个位数组中的K个点，把它们置为1。检索时，我们只要看看这些点是不是都是1就(大约)知道集合中有没有它了：如果这些点有任何一个0，则被检元素一定不在；如果都是1，则被检元素很可能在。这就是布隆过滤器的基本思想。

示例：

google guava包下有对布隆过滤器的封装，BloomFilter。

import com.google.common.hash.BloomFilter;import com.google.common.hash.Funnels;public class BloomFilterTest { // 初始化一个能够容纳10000个元素且容错率为0.01布隆过滤器 private static final BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), 10000, 0.01); /** * 初始化布隆过滤器 */ private static void initLegalIdsBloomFilter() { // 初始化10000个合法Id并加入到过滤器中 for (int legalId = 0; legalId < 10000; legalId ) { bloomFilter.put(legalId); } } /** * id是否合法有效，即是否在过滤器中 * * @param id * @return */ public static boolean validateIdInBloomFilter(Integer id) { return bloomFilter.mightContain(id); } public static void main(String[] args) { // 初始化过滤器 initLegalIdsBloomFilter(); // 误判个数 int errorNum=0; // 验证从10000个非法id是否有效 for (int id = 10000; id < 20000; id ) { if (validateIdInBloomFilter(id)){ // 误判数 errorNum ; } } System.out.println("judge error num is : " errorNum); }}

设置过期时间，让其自动过期失效，这种在很多时候不是最佳的实践方案。

我们可以提前将真实正确的商品Id，在添加完成之后便加入到过滤器当中，每次再进行查询时，先确认要查询的Id是否在过滤器当中，如果不在，则说明Id为非法Id，则不需要进行后续的查询步骤了。

本文关键词：防止redis崩溃，redis的缓存击穿和缓存穿透，redis怎么防止宕机,保证不丢数据，如何解决redis缓存击穿，redis缓存穿透,缓存雪崩解决。这就是关于《如何防止redis缓存穿透，高频面试题-如何避免Redis中缓存穿透、缓存雪崩问题》的所有内容，希望对您能有所帮助！更多的知识请继续关注《犇涌向乾》百科知识网站：http://www.029ztxx.com！