redis中使用bloomfilter的白名单功能解决缓存穿透问题

一 缓存预热

1.1 缓存预热

将需要的数据提前缓存到缓存redis中，可以在服务启动时候，或者在使用前一天完成数据的同步等操作。保证后续能够正常使用。

1.2 缓存穿透

在redis中，查询redis缓存数据没有内容，接着查询mysql数据库，也没有需要的内容，做了两次无用的查询。进而造成mysql数据库的负担，造成一系列的风险。

解决办法：bloomfilter+白名单实现过滤。

1.3 白名单的作用

白名单里面有才让允许通过，没有的内容则不允许通过。但是存在误判的情况，比如bloomfilter中存在查询的内容且允许通过，但是并不是我们真正需要的那个内容。

 1.4 白名单入门案例

public class WhiteList {public static void main(String[] args) {testGuavaWithBloomFilter();}public static void testGuavaWithBloomFilter(){//1 创建guava版布隆过滤器BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), 100);//2 判断指定的元素是否存在System.out.println(bloomFilter.mightContain(1));System.out.println(bloomFilter.mightContain(2));System.out.println();//3 讲元素新增进入bloomfilterbloomFilter.put(1);bloomFilter.put(2);System.out.println(bloomFilter.mightContain(1));System.out.println(bloomFilter.mightContain(2));}
}

结果：

1.5 白名单+过滤器的实现案例

逻辑：   guava布隆过滤器插入100万样本数据并额外10W测试是否存在，这10w的数据在100w的数据可能存在相同的情况，存储到相同位置。比如规则为m%3，则 1,4,7放到同一个位置槽中。

 1.5.1 代码逻辑

1.controller

@RestController
@Slf4j
public class GuvaFilter {@Resourceprivate GuavaBloomFilterService guavaBloomFilterService;@ApiOperation("guava布隆过滤器插入100万样本数据并额外10W测试是否存在")@RequestMapping(value = "/guavafilter",method = RequestMethod.GET)public void guavaBloomFilter(){guavaBloomFilterService.guavaBloomFilter();}
}

2.service

@Service
@Slf4j
public class GuavaBloomFilterService
{//1 定义一个常量public static final int _1W = 10000;//2 定义我们guava布隆过滤器，初始容量public static final int SIZE = 100 * _1W;//3 误判率，它越小误判的个数也就越少(思考，是否可以是无限小？？没有误判岂不是更好)public static double fpp = 0.01;//0.01 0.000000000000001//4 创建guava布隆过滤器private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), SIZE,fpp);public void guavaBloomFilter(){//1 先让bloomFilter加入100W白名单数据for (int i = 1; i <= SIZE  ; i++) {bloomFilter.put(i);}//2 故意取10W个不在合法范围内的数据,来进行误判率的演示ArrayList<Integer> list = new ArrayList<>(10 * _1W);//3 验证for (int i = SIZE+1; i <= SIZE+(10 * _1W) ; i++){if(bloomFilter.mightContain(i)){log.info("被误判了:{}",i);list.add(i);}}log.info("误判总数量:{}",list.size());}
}

3.截图

控制台打印日志：

1.7 bloomfilter总结

bloomfilter作用：查询的内容A，一定不存在，在过滤器中查询肯定没有；如果存在，但是存在误判的情况，但是误判率很小，可以忽略。

1.7 黑名单的使用

黑名单：在黑名单的存在的内容，就不再推荐；不存在则推荐。

应用案例： 抖音等媒体的推荐内容。