Redis 扩展 RedisBloom 插件，解决缓存击穿、穿透

如果您对Redis的了解不够深入请关注本栏目，本栏目包括Redis安装，Redis配置文件说明，Redis命令和数据类型说明，Redis持久化配置，Redis主从复制和哨兵机制，Redis Cluster（集群）配置，Redis Predixy 集群，Redis Twemproxy 集群，Redis Codis 集群。

一、概述

• RedisBloom是Redis的一个模块，用于实现布隆过滤器和其他概率数据结构。它的主要作用是帮助你在Redis中实现高效的数据查找和去重操作，特别适用于处理大规模数据集。如果你需要进行高效的成员存在性检查、去重、计数或Top-K查询等任务，RedisBloom可以是一个有用的扩展。

• 具体来说，RedisBloom 提供以下功能和作用：

  • 布隆过滤器（Bloom Filter）：RedisBloom支持布隆过滤器，这是一种用于快速检查一个元素是否存在于一个集合中的数据结构。布隆过滤器可以高效地判断一个元素是否“可能存在”或“一定不存在”，而不需要实际存储元素本身。这在缓存和去重等场景中非常有用。
  • Count-Min Sketch：RedisBloom还支持Count-Min Sketch，这是一种概率数据结构，用于估算某个事件发生的次数。这对于计数和监控任务非常有用。
  • Top-K 数据：RedisBloom支持Top-K数据结构，可以用于确定集合中最常见的元素，或者最大的N个元素。
  • HyperLogLog：尽管HyperLogLog不是RedisBloom的一部分，但它通常与RedisBloom一起使用，用于估算唯一元素的数量。

• 缓存击穿：缓存击穿是指当某个缓存键过期或不存在时，大量的请求同时涌入，导致请求直接落到数据库上，增加数据库的负载。

• 缓存穿透：缓存穿透是指恶意请求发送到缓存中查询一个不存在的键，导致大量的请求直接落到数据库上，增加数据库的负载。

• 防止缓存击穿的实现逻辑：首先根据业务逻辑将已有数据同步到 RedisBloom，然后请求时先根据 RedisBloom 判断是否存，来处理击穿和穿透。但是使用RedisBloom有一个问题，就是只能增加，不能删除Key。

• 开源地址：RedisBloom

二、编译准备

• 以下CentOS 7中操作步骤

2.1 升级 make

• 编译 RedisBloom 需要 make 在 4.0 及以上，编译前请自行检查，不满足则先升级。如下我的是3.82则升级。

  make --version# sudo yum update
  sudo yum install centos-release-scl -y
  sudo yum install devtoolset-7-make -y
  scl enable devtoolset-7 bash

  [root@yiqifu-redis RedisBloom]# make --version
  GNU Make 3.82
  Built for x86_64-redhat-linux-gnu
  Copyright © 2010 Free Software Foundation, Inc.
  License GPLv3+: GNU GPL version 3 or later http://gnu.org/licenses/gpl.html
  This is free software: you are free to change and redistribute it.
  There is NO WARRANTY, to the extent permitted by law.

  [root@yiqifu-redis RedisBloom]# make --version
  GNU Make 4.2.1
  为 x86_64-redhat-linux-gnu 编译
  Copyright © 1988-2016 Free Software Foundation, Inc.
  许可证：GPLv3+：GNU 通用公共许可证第 3 版或更新版本http://gnu.org/licenses/gpl.html。
  本软件是自由软件：您可以自由修改和重新发布它。
  在法律允许的范围内没有其他保证。

2.2 安装 Python3

• 编译 RedisBloom 还需要 Python3，请检查安装。

  python3 --versionyum install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gcc make libffi-devel -y
  wget https://www.python.org/ftp/python/3.8.16/Python-3.8.16.tgz
  tar -zxvf Python-3.8.16.tgz
  cd Python-3.8.16# 指定编译文件的存放目录（安装目录）
  # --prefix=/usr/local/python3.8
  # 指定openssl包编译，否则pip install组件的时候，会无法下载https的组件
  # --with-openssl=/usr/bin/openssl
  ./configure --prefix=/usr/local/python3.8
  make && make install/usr/local/python3.8/bin/python3 -m venv ~/penv
  source ~/penv/bin/activate# 切换版本
  # sudo alternatives --install /usr/bin/python python /usr/bin/python2 50
  # sudo alternatives --install /usr/bin/python python /usr/bin/python3 60
  ## sudo alternatives --config python
  

  [root@yiqifu-redis RedisBloom]# python --version
  Python 2.7.5

  [root@yiqifu-redis RedisBloom]# python --version
  Python 3.8.6

三、编译 RedisBloom

• 依次执行以下命令

  yum install git cmake -y
  git clone --recursive https://github.com/RedisBloom/RedisBloom.git
  cd RedisBloom./sbin/setup
  bash -l
  make
  

四、测试 RedisBloom

• 将编译 RedisBloom 文件拷贝到指定位置

  mkdir /opt/redis6/module
  cp ./bin/linux-x64-release/redisbloom.so   /opt/redis6/module/
  

• 启动带RedisBloom模块的Redis

  redis-server --port 6360 --loadmodule /opt/redis6/module/redisbloom.so
  

  或者在 redis.conf 文件中配置： loadmodule /opt/redis6/module/redisbloom.so

  有关Redis配置文件请参考这里

• 使用客户端测试

  [root@yiqifu-redis ~]# redis-cli -p 6360
  127.0.0.1:6360> bf.add aaa 111
  (integer) 1
  127.0.0.1:6360> bf.exists aaa 111
  (integer) 1127.0.0.1:6360> bf.madd bbb 222 ccc 333
  1) (integer) 1
  2) (integer) 1
  3) (integer) 1
  127.0.0.1:6360> bf.mexists bbb 222 ccc 333
  1) (integer) 1
  2) (integer) 1
  3) (integer) 1
  127.0.0.1:6360>

五、应用场景

5.1 缓存击穿

• 缓存击穿是指当某个缓存键过期或不存在时，大量的请求同时涌入，导致请求直接落到数据库上，增加数据库的负载。

• 为了防止缓存击穿，可以采用以下步骤：

  • 当缓存键过期时，立即在RedisBloom布隆过滤器中添加该键。布隆过滤器是一种高效的数据结构，可以用来快速判断某个元素是否存在于集合中，而不需要实际的存储。这样可以避免对数据库的重复查询。

  • 在请求过来时，首先检查请求的键是否存在于RedisBloom布隆过滤器中。如果该键不存在于布隆过滤器中，可以立即返回缓存未命中的响应，避免对数据库的直接查询。这样可以避免不必要的负载。

5.2 缓存穿透

• 缓存穿透是指恶意请求发送到缓存中查询一个不存在的键，导致大量的请求直接落到数据库上，增加数据库的负载。

• 为了防止缓存穿透，可以采用以下步骤：

  • 在请求到来时，首先检查请求的键是否存在于RedisBloom布隆过滤器中。如果该键不存在于布隆过滤器中，可以立即返回缓存未命中的响应，避免对数据库的直接查询。这样可以过滤掉恶意请求。

  • 如果请求的键存在于布隆过滤器中，继续查询缓存。如果缓存未命中，可以返回缓存未命中的响应。这样可以避免对数据库的不必要查询。

5.3 原理总结

• 提前把数据使用（bf.add、bf.madd）都添加布隆过滤器，访问时使用（bf.exists、bf.mexists）在布隆过滤器中判断是否在存，如果不存直接返回没有记录。如果存在才查询缓存或者数据库。

• 通过使用RedisBloom布隆过滤器，您可以在处理请求之前快速过滤掉一些无效的请求，从而减轻数据库的负载。这种方法结合了布隆过滤器的高效性和Redis的缓存机制，可以有效地防止缓存击穿和缓存穿透问题。

• 请注意，布隆过滤器是一个概率数据结构，存在一定的误判率。因此，在设计实际系统时，需要根据实际情况调整布隆过滤器的参数，以平衡误判率和内存消耗。

六、存在的问题

• 如果您使用的是普通的布隆过滤器，它通常只支持添加元素而不支持删除。当数据确定删除时，可以采取以下方法处理：

  • 过期时间：在添加缓存时，可以为每个缓存键设置一个过期时间。当缓存键过期后，系统会自动将其从缓存中删除。这种方式可以在一定程度上解决数据删除的问题，但是需要根据实际情况设置合适的过期时间。

  • 定期刷新：定期刷新是指定期性地删除过期的缓存键。您可以设置一个定时任务，定期扫描布隆过滤器中的所有键，将已过期的键从布隆过滤器中删除。这样可以确保布隆过滤器中不会保留已删除的键，但是需要额外的维护工作和计算资源。

• 调整布隆过滤器的参数和误判率，请考虑以下几点：

  • 布隆过滤器的容量：布隆过滤器的容量需要根据预期的数据量进行合理的估计。如果容量设置过小，会增加误判率；如果容量设置过大，会增加内存消耗。根据实际场景和资源限制，选择合适的容量。

  • 哈希函数的数量：布隆过滤器使用多个哈希函数来确定元素在位数组中的位置。哈希函数的数量会影响误判率和性能。较多的哈希函数可以降低误判率，但也会增加计算开销。在设计中，需要平衡误判率和性能需求，选择适当的哈希函数数量。

  • 误判率容忍度：根据系统的需求和可接受的误判率，调整布隆过滤器的参数。误判率是在设置合适的容量和哈希函数数量的前提下，根据实际情况进行调整的指标。较低的误判率会增加内存消耗和计算开销，而较高的误判率可能导致缓存命中率下降。