redis概述：
Redis是一個(gè)開(kāi)源的Key-Value存儲(chǔ)系統(tǒng)，其中Value支持String、list、set、hash、zset五種數(shù)據(jù)結(jié)構(gòu)，這些數(shù)據(jù)都支持push/pop、add/remove、取交集并集、排序等豐富的操作，并且這些操作都是原子性的。
與同為NoSQL型緩存數(shù)據(jù)庫(kù)的memcached類(lèi)似，Redis的數(shù)據(jù)都存在內(nèi)存中，數(shù)據(jù)的運(yùn)算都在內(nèi)存中進(jìn)行，不會(huì)發(fā)生IO，這也是Redis為什么這么快的一個(gè)原因；區(qū)別是Redis具備持久化方式，會(huì)周期性的把更新的數(shù)據(jù)寫(xiě)入磁盤(pán)（RDB）或者把修改操作追加寫(xiě)入記錄文件中（AOF）。
也就是說(shuō)，Redis的數(shù)據(jù)存放在內(nèi)存中，但Redis也支持持久化將數(shù)據(jù)存入磁盤(pán)或文件。
Redis是單線程的，但是多任務(wù)并發(fā)時(shí)可以開(kāi)啟多個(gè)Redis，并且Redis支持主從同步，避免了宕機(jī)帶來(lái)的影響，以及寫(xiě)時(shí)同步技術(shù)實(shí)現(xiàn)了數(shù)據(jù)讀寫(xiě)分離（主機(jī)負(fù)責(zé)寫(xiě)入、從機(jī)負(fù)責(zé)讀取）。
ps：Redis的特點(diǎn)是單線程+多路IO復(fù)用
Redis緩存的使用，極大的提升了應(yīng)用程序的性能和效率，特別是數(shù)據(jù)查詢方面。但同時(shí)，它也帶來(lái)了一些問(wèn)題。其中，最要害的問(wèn)題，就是數(shù)據(jù)的一致性問(wèn)題，從嚴(yán)格意義上講，這個(gè)問(wèn)題無(wú)解。如果對(duì)數(shù)據(jù)的一致性要求很高，那么就不能使用緩存。
另外的一些典型問(wèn)題就是，緩存穿透、緩存雪崩和緩存擊穿。目前，業(yè)界也都有比較流行的解決方案。本篇文章，來(lái)給大家講解一下Redis穿透的解決方法—布隆過(guò)濾器
緩存穿透
緩存穿透，是指查詢一個(gè)數(shù)據(jù)庫(kù)一定不存在的數(shù)據(jù)。正常的使用緩存流程大致是，數(shù)據(jù)查詢先進(jìn)行緩存查詢，如果key不存在或者key已經(jīng)過(guò)期，再對(duì)數(shù)據(jù)庫(kù)進(jìn)行查詢，并把查詢到的對(duì)象，放進(jìn)緩存。如果數(shù)據(jù)庫(kù)查詢對(duì)象為空，則不放進(jìn)緩存。
代碼流程
- 參數(shù)傳入對(duì)象主鍵ID
- 根據(jù)key從緩存中獲取對(duì)象
- 如果對(duì)象不為空，直接返回
- 如果對(duì)象為空，進(jìn)行數(shù)據(jù)庫(kù)查詢
- 如果從數(shù)據(jù)庫(kù)查詢出的對(duì)象不為空，則放入緩存（設(shè)定過(guò)期時(shí)間）
想象一下這個(gè)情況，如果傳入的參數(shù)為-1，會(huì)是怎么樣？這個(gè)-1，就是一定不存在的對(duì)象。就會(huì)每次都去查詢數(shù)據(jù)庫(kù)，而每次查詢都是空，每次又都不會(huì)進(jìn)行緩存。假如有惡意攻擊，就可以利用這個(gè)漏洞，對(duì)數(shù)據(jù)庫(kù)造成壓力，甚至壓垮數(shù)據(jù)庫(kù)。即便是采用UUID，也是很容易找到一個(gè)不存在的KEY，進(jìn)行攻擊。
布隆過(guò)濾器（Bloom Filter）
它實(shí)際上是一個(gè)很長(zhǎng)的二進(jìn)制向量和一系列隨機(jī)映射函數(shù)。布隆過(guò)濾器可以用于檢索一個(gè)元素是否在一個(gè)集合中。它的優(yōu)點(diǎn)是空間效率和查詢時(shí)間都比一般的算法要好的多，缺點(diǎn)是有一定的誤識(shí)別率和刪除困難。
布隆過(guò)濾器解決方法：
將數(shù)據(jù)庫(kù)中所有的查詢條件，放入布隆過(guò)濾器中，
當(dāng)一個(gè)查詢請(qǐng)求過(guò)來(lái)時(shí)，先經(jīng)過(guò)布隆過(guò)濾器進(jìn)行查，如果判斷請(qǐng)求查詢值存在，則繼續(xù)查；如果判斷請(qǐng)求查詢不存在，直接丟棄。
布隆過(guò)濾器原理
原理就是一個(gè)對(duì)一個(gè)key進(jìn)行k個(gè)hash算法獲取k個(gè)值，在比特?cái)?shù)組中將這k個(gè)值散列后設(shè)定為1，然后查的時(shí)候如果特定的這幾個(gè)位置都為1，那么布隆過(guò)濾器判斷該key存在。
布隆過(guò)濾器可能會(huì)誤判，如果它說(shuō)不存在那肯定不存在，如果它說(shuō)存在，那數(shù)據(jù)有可能實(shí)際不存在；
Redis的bitmap只支持2^32大小，對(duì)應(yīng)到內(nèi)存也就是512MB，誤判率萬(wàn)分之一，可以放下2億左右的數(shù)據(jù)，性能高，空間占用率及小，省去了大量無(wú)效的數(shù)據(jù)庫(kù)連接。
因此我們可以通過(guò)布隆過(guò)濾器，將Redis緩存穿透控制在一個(gè)可容范圍內(nèi)。
