redis缓存穿透穿透解决方案-布隆过滤器

redis缓存穿透穿透解决方案-布隆过滤器

我们先来看一段代码

 cache_key = "id:1"
 cache_value = GetValueFromRedis(cache_key);   //判断缓存是否有数据
 if cache_value != nil{  //如果有 直接返回数据
     return cache_value
 }

 db_value = GetValueFromDb(cache_key)  // 从数据库中查询数据
 if db_value == nil{
         return db_value
 }
 expire_time = 300
 SetRedisValue(cache_key, db_value, expire_time)     //将数据库的结果更新到缓存中，并直接返回结果
 return  db_value

相信绝大多数同学都是这么处理请求的，这样用redis能够给mysql抵挡住大部分的请求。其实这样是存在一定的问题的

问题1

我在请求的时候,用id=-1来请求

id=-1这条记录在数据库中是不存在的，当然对应的redis中也是没有的。那么就需要去请求数据库然后把数据写入到redis中，这样就会造成没有必要的数据库请求，一两个请求无所谓，但是如果从-∞到-1 无限的高频率的请求，就会给线上造成很大的压力。

针对问题1的解决方案

我们可以通过程序来限制id的合法性，判断id<1的情况都直接在接口层面拦截，这个方式的确可以解决上面说的那种情况，但是咱们接下来往下看

问题2

比如现在数据库id的最大值为1000，我们用比1000大的数字去请求

这种情况原理和问题1是一样的，这次我们就没法通过参数判断来拦截住请求了，所以我们就得用接下来一种经典的方式，布隆过滤器

布隆过滤器其实就是一种比较巧妙的概率型数据结构，它可以告诉你某种东西一定不存在或者可能存在。从而达到对脏数据过滤的效果。他存在的位置如图

其实对布隆过滤器比较陌生的同学可以先想想，作为一个过滤器需要满足什么条件？

• 速度得快，得从内存查，如果从硬盘查的话还不如直接查数据库
• 因为过滤器里面得存入数据库所有的数据，所以内存势必是比较紧张的，所以内存要做到绝对的节省，说到节省内存，大家应该很容易能想到 redis里面的setbit操作

布隆过滤器的实现

写入过程

• 通过bit数组来标识数据
• 比如id=10的数据，通过hash算法算出来结果为1
• 把bit数组下表为1的位置的值标记为1

查询过程

• 将id=10做hash运算，得到结果1
• 看bit数组下表为1的数据标识为1，则说明数据存在

其实我们看上面的算法是存在一定的问题的

1:只要是hash运算，就会存在hash碰撞问题，比如id=10 和id=100可能经过hash运算之后结果都为1，那么id=10写入之后查询id=100是否存在会误判为id=100也存在

2:当bit数组满了之后，查询的错误率肯定是百分之百，因为每个数据都存在

这些其实都是导致错误率的原因，错误率是不可能避免的，但是咱们可以减少错误率，减少错误率的方法有两个

1:加大bit数组的长度，对于bit数组的长度的增加是不用担心的，因为是bit操作，所以可以加到很大的值

2:增加hash函数的个数,hash函数的个数增加了，说明标识一个数组需要的位置就会变多。这样会降低发生hash碰撞的概率。但是hash的函数也不是越多越好，需要参照数组的长度来定

hash错误率：

布隆算法说数据存在，那么实际有可能不存在

如果数据不存在。那么一定不存在

布隆过滤器redis中的使用方法

1.下载redisbloom插件(redis官网下载即可)

wget https://github.com/RedisLabsModules/rebloom/archive/v1.1.1.tar.gz

2:解压并安装，生成.so文件

[root@redis]# tar -zxvf v1.1.1.tar.gz
 
[root@redis]# cd Redisbloom-1.1.1/
 
[root@redisbloom-1.1.1]# make
 
[root@redisbloom-1.1.1]# ls
 
contrib  Dockerfile  docs  LICENSE  Makefile  mkdocs.yml  ramp.yml  README.md  rebloom.so  src  tests

3:在redis配置文件(redis.conf)中加入该模块即可

[root@redis]# vim redis.conf
 
#####################MODULES#################                                                      # Load modules at startup. If the server is not able to load modules
# it will abort. It is possible to use multiple loadmodule directives.
loadmodule /usr/local/redis/redisbloom-1.1.1/rebloom.so

4:重新启动redis

redis-server ./redis.conf

5:测试安装是否成功

127.0.0.1:6379> bf.add users user2  //写入数据user2
(integer) 1
127.0.0.1:6379> bf.add users user1  //写入数据user1
(integer) 1
127.0.0.1:6379> bf.exists users user1  //查询user1存在
(integer) 1
127.0.0.1:6379> bf.exists users user3   //查询user3不存在
(integer) 0

上面说过布隆过滤器存在误判的情况，在 redis 中有两个值决定布隆过滤器的准确率：

• error_rate ：允许布隆过滤器的错误率，这个值越低过滤器的位数组的大小越大，占用空间也就越大。
• initial_size ：布隆过滤器可以储存的元素个数，当实际存储的元素个数超过这个值之后，过滤器的准确率会下降。
  redis 中有一个命令可以来设置这两个值：

bf.reserve users 0.01 100

三个参数的含义：

第一个值是过滤器的名字。

第二个值为 error_rate 的值。

第三个值为 initial_size 的值。

关注我的技术公众号，每周都有优质技术文章推送。
微信扫一扫下方二维码即可关注：