缓存穿透

缓存穿透是用户请求不存在的数据，导致数据库压力增大的行为。
当用户发送请求时，由于请求的数据不存在于缓存，也不存在于数据库，但是这个请求还是会访问到数据库。如果短时间内大量这种请求发送过来，会导致数据库宕机。

解决方案

1.缓存空值(缓存null)

在建立缓存环节，如果数据库不存在请求的数据，便将空值(null)返回，在缓存中建立一个为null的缓存。后续请求过来时便能从缓存中获取数据，避免了数据库的压力。

public User selectUser(Integer id) {  
    //生成缓存key  
    String key = "User::" + id;  
    //获取对象Json字符串  
    String userJsonStr = (String) redisTemplate.opsForValue().get(key);  
    log.info("查询缓存:{}",userJsonStr);  
    //如果缓存中存在值，则从缓存返回  
    if (StrUtil.isNotBlank(userJsonStr)) {  
        if ("{}".equals(userJsonStr)) {  
            return null;  
        }  
        //转换成Json对象并返回  
        return JSONUtil.toBean(userJsonStr, User.class);  
    }  
    //缓存中不存在  
    //查询数据库  
    User user = userMapper.selectUser(id);  
    log.info("查询数据库:{}",user);  
    if (user == null) {  
        //设置空缓存，注意设置短过期时间  
        redisTemplate.opsForValue().set(key,"{}",2,TimeUnit.MINUTES);  
        return null;  
    }  
    //设置正常缓存  
    redisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(user));  
    return user;  
}

2.布隆过滤器

引入redisson

<dependency>  
    <groupId>org.redisson</groupId>  
    <artifactId>redisson</artifactId>  
    <version>3.27.2</version>  
</dependency>

配置redissonClient

@Bean  
public RedissonClient redissonClient() {  
    Config config = new Config();  
    config.useSingleServer()  
            .setAddress("redis://127.0.0.1:6379")  
            .setDatabase(0);  
    return Redisson.create(config);  
}

配置布隆过滤器

@Bean  
public RBloomFilter<Integer> userIdBloomFilter(RedissonClient redissonClient) {  
    log.info("创建布隆过滤器");  
    RBloomFilter<Integer> bloomFilter = redissonClient.getBloomFilter("bf:user:id");//设置布隆过滤器名称  
    bloomFilter.tryInit(1_000_000, 0.01);//设置存储大小，误判率  
    return bloomFilter;  
}

使用布隆过滤器

//利用PostConstruct注解初始化布隆过滤器
@PostConstruct  
public void initBloomFilter() {  
    List<Integer> ids = userMapper.selectAllIds();  
    log.info("布隆过滤器将要加入的id:{}", ids);  
    ids.forEach(bloomFilter::add);  
}

public User selectUser(Integer id) {  
    String key = "User::" + id;  
    //布隆过滤器拦截非法 ID    
    if (!bloomFilter.contains(id)) {  
        log.info("布隆过滤器拦截非法id: {}", id);  
        return null;  
    }  
    //先查缓存  
    String userJson = ((String) redisTemplate.opsForValue().get(key));  
    if (userJson != null) {  
        if ("{}".equals(userJson)) {  
            return null;  
        }  
        User user = JSONUtil.toBean(userJson, User.class);  
        log.info("缓存查询: {}", user);  
        return user;  
    }  
    //查数据库  
    User user = userMapper.selectUser(id);  
    log.info("数据库查询: {}", user);   
    //正常数据缓存  
    redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(user), 30, TimeUnit.MINUTES);  
    return user;  
}

优缺点分析

缓存空值

优点

简单直接： 实现成本极低，不需要额外的组件或复杂的算法。
数据一致性好： 如果数据库后来新增了这条数据，只需在写入时更新缓存，或者等短期的 TTL（过期时间）失效即可。
支持精确匹配： 能够完全消除对同一个不存在 Key 的重复攻击。

缺点

空间浪费： 如果攻击者随机生成大量不存在的 Key，缓存层会充斥着大量的空对象，挤占有效数据的内存空间。
延迟性： 虽然设置了 TTL，但在数据从无到有的间隙，用户仍可能读到旧的空结果。

布隆过滤器

优点

极高的空间效率： 无需存储完整的 Key，只需占用极小的位空间即可处理海量数据。
性能极佳： 查询速度极快，时间复杂度为 $O(k)$，$k$ 为哈希函数个数，与数据量大小无关。
防范大规模散列攻击： 面对海量随机 Key 攻击时，比缓存空值更省内存。

缺点

存在误判率（False Positives）： 布隆过滤器说“不存在”一定不存在，但说“存在”时，有极小概率其实不存在（哈希碰撞）。这意味着仍有少量请求会穿透到数据库。
删除困难： 标准的布隆过滤器不支持删除操作。一旦数据库删除了数据，过滤器里的标记无法轻易撤销（除非使用变体 Counting
Bloom Filter）。
实现复杂度： 需要预热过滤器，且要维护逻辑以保持过滤器与数据库的同步。