Redis的缓存击穿、缓存穿透和缓存雪崩是什么？怎么预防？
前言
最近在CSDN上看到了一篇博客，Redis缓存击穿、雪崩、穿透！（超详细），详细讲述了缓存穿透、缓存击穿和缓存雪崩是什么。对我这个刚刚入门的人来说，看完之后非常震撼。
但是这篇博客没有给出具体的实现，并且在浏览大部分博客之后，发现大家在实现的过程中，并不能像这篇博客一样考虑的这么周全。
为此，博主准备基于大佬博客的思想来实现一下，更有效的避免缓存穿透、缓存击穿以及缓存雪崩。
缓存击穿
定义
这里我们首先简单描述一下什么是缓存击穿。
现在我们有一个热点数据，为了提升系统响应速度和可承担的并发量，我们使用Redis存储这个热点数据。
确实很有效，系统的速度和稳定性都提高了。但现在出现了一个问题，就是该热点数据存储在Redis的缓存过期了。
那会出现什么问题呢？
如果恰好在缓存过期 的时候，突然涌入了大量请求 ，这时候因为缓存过期 了，所以所有的请求都要访问数据库 ，从而导致我们的服务负载直接飙升，就有可能直接宕机了，这就是缓存击穿。
解决思路
那怎么避免呢？
我们可以使用大佬博客中提到的加锁 的方式，这里简单描述一下，具体内容大家可以看原博客 Redis缓存击穿、雪崩、穿透！（超详细）。
注意哈，这里的锁肯定不是加在单个服务上，肯定要所有服务都能获取到才可以。
这里就可以使用redis的缓存来充当锁的作用了。因为redis的数据，所有服务都可以拿到，所以可以获取同一把锁，这就能保证只有一个服务可以拿到锁！
加锁的过程会出现问题
首先是一个服务加锁之后，服务宕机 了怎么办？因为我们使用redis加锁，需要手动释放锁。此时，若加锁的服务宕机 了，锁并没有释放 ，其他所有的请求就要一直等待。
其实就可以对锁设置过期时间 ，这样即使加锁服务宕机，当过期时间到了，锁也会自动释放。
到这一步，你会发现原来的加锁 变成了加锁+设置过期时间 两步操作，如果服务还没设置过期时间就宕机了，还是会出现锁一直不释放的问题。
那怎么办呢？
这个时候我们就可以使用Lua保证原子性了，也就是说上面两个过程被认为是一个原子操作，要么都执行，要么都不执行。
接下来是不是就啥都可以了呢？
很明显不是
前面只讨论加锁的服务宕机了怎么办，那么如果没有宕机，只是查询DB的速度比较慢，会不会有问题呢？
答案是会的
此时，若查询DB的时间超过了过期时间 ，那么锁就释放了 ，但事实上redis的缓存并没有更新 。如果每条请求都出现这样的问题，那DB仍旧要承担较大的负载。
那怎么做呢，我们其实可以加一个线程，用这个线程来做一个延时操作 ，一旦到时间了redis中还没更新，那就延长锁的过期时间，这样就可以避免其他请求也去查询DB了。
另外还有关于redis集群的问题，详情大家可以看原博客。这里我们只给出单个节点实例的实现代码。
实现
加锁+设置过期时间+Lua脚本
这里我们要加锁和设置过期时间看作一条指令，可以使用Lua脚本。Lua脚本可以保证多条指令作为一个整体执行，从而避免了加锁但没有设置过期时间这样的问题。
Lua脚本
lua
local key = ARGV[1]
local value = ARGV[2]
local addR = redis.call('set', key, value,'NX')
local expireR = redis.call('expire', key, 5000)
if addR and expireR then
return true
else
return false
end后来发现好像有自带的原子操作，行吧
lua
local lock = redis.call('set', key, value, 'NX', 'PX', 5000)
那么怎么在Springboot里指向这个Lua脚本呢，首先我们要把这个脚本放在这个文件夹里
然后加锁和解锁代码如下
java
static DefaultRedisScript<Boolean> SECKILL_SCRIPT;
static {
SECKILL_SCRIPT = new DefaultRedisScript<>();
//在resources目录下导入我们的脚本文件
SECKILL_SCRIPT.setLocation(new ClassPathResource("lua/ntx.lua"));
SECKILL_SCRIPT.setResultType(Boolean.class);
}
/**
* 设置分布式锁
*/
public boolean tryLock(String key) {
// 使用lua脚本保证原子性
Boolean execute = (Boolean) redisTemplate.execute(
SECKILL_SCRIPT,//这里就是我们上面静态代码块引入的脚步
Collections.emptyList(),
//这里要传key类型的参数,因为我上面写入redis缓存的key是用下面的第三部分参数args来拼出来的,
//所以脚本是不需要key的,所以这里用方法传一个空集合,注意不要传null
key.toString(), "1".toString()
);
return BooleanUtil.isTrue(execute);
}
/**
* 解锁
*
* @param key
*/
public void unlock(String key) {
try{
redisTemplate.delete(key);
}catch (Exception e){
log.error("删除失败");
}
}刷新锁
这里我们设置一个延时线程去做就可以
public class ThreadUtils {
// 设置延时任务线程
public static void prolongTime(RedisTemplate redisTemplate, String key, int ttl) {
new Thread(() -> {
Time.sleep(4000);
if (redisTemplate.hasKey(key)) {
redisTemplate.expire(key, ttl, TimeUnit.SECONDS);
// 重置过期时间后别忘记在设置一个延时任务
prolongTime(redisTemplate, key, ttl);
}
System.out.println("已成功更新redis，防止缓存击穿！");
}).start();
}
}然后在获取锁之后，直接启动该线程，这里我们设置的等待时间相比于过期时间较短一些，是因为加锁和开启线程之间就有延迟 ，并且还有可能到时间并没有给延时线程分配时间片，因此设置的较短一点。
分布式的问题这里就不实现了。
缓存穿透
定义
缓存穿透类似击穿，区别在于击穿是数据库中有数据，而穿透是数据库中没有该数据。
什么场景会出现这种问题呢？
像是恶意攻击时会出现该问题，因为数据库中并没有该数据，并不会添加缓存，这就会导致每次查询都会访问DB，我们的Redis层就没用了，系统便无法承受原有的并发量。
现有的一种方法是设置null值。但是这些null值都是多余的数据，会占用大量的空间。
但现在合适的方法就是存储这些无效的key，那怎么能减少存储key所需容量呢？
这就要提到hash了，通过hash我们可以将一个复杂的字符串映射到某个bit上，这是最小的单位了。
因此我们可以使用bit存储这些关系。
但是有一个问题，hash表会出现碰撞现象，也就是说，不存在的值在映射之后可能和存在的值放在一个位置 。但是我们不能像HashMap那样做一个拉链，因为bit只能存储是否存在，并不能存储其他关系了。
没有完美的方法。我们不能保证百分百正确，但可以尽量减轻这种问题。
我们可以想到hash表的升级版，布隆过滤器。
他与hash表的不同在于用多个hash函数去映射 ，这样一个key就对应多个bit。测试时，需要判断key的多个bit是否都为1，这样才能判断一个key是否存在，就可以减少误判率了。
因此，我们可以使用布隆过滤器存储我们已有的内容，然后在请求时，如果过滤器判断key不存在，直接返回，否则进行查询。
这是因为布隆过滤器的一个特点就是判断存在，key不一定存在，判断不存在，key一定不存在。
基于这种特性，判断不存在的，我们直接返回空就可以了，就不会访问DB，这可以帮我们过滤掉大量无效请求。
实现
首先引入依赖
pom
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>31.0.1-jre</version>
</dependency>布隆过滤器
这里我们直接向IOC容器中注入一个自定义的布隆过滤器，如下所示。
java
package com.xiaow.movie.vo;
import com.google.common.hash.BloomFilter;
import com.xiaow.movie.service.VideoService;
import com.xiaow.movie.vo.aware.VideoBloomFilterAware;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
import java.util.List;
/**
* @ClassName VideoBloomFilter
* @Author xiaow
* @DATE 2024/6/10 17:39
**/
@Component
public class VideoBloomFilter implements VideoBloomFilterAware {
@Autowired
VideoService videoService;
private BloomFilter<Long> filter;
@Override
public void setFilter(BloomFilter filter) {
this.filter=filter;
}
public void initFilter() {
// 将数据库中id导入到布隆过滤器中
List<Integer> ids = videoService.getIds();
for (Integer id : ids) {
this.filter.put(Long.valueOf(id));
}
}
public void addValue(Long id) {
// 加入新的内容
this.filter.put(id);
}
public Boolean exist(Long id) {
// 判断是否存在
return this.filter.mightContain(id);
}
}但是有小伙伴可能注意到了为什么要继承一个VideoBloomFilterAware？
这里因为我们用到了VideoService ，是IOC容器管理的。我们最开始是在构造方法里直接使用VideoService提取videoid，但是发现空指针。
这是为啥呢？
Bean对象的生命周期如下图所示
可以看到哈，实例化的时候会调用构造方法，但是此时并没有对对象属性进行赋值，这就导致了我们VideoService仍为空，因此我们在BeanPostProcessor阶段使用VideoService注入id到布隆过滤器中。
Aware和BeanPostProcessor的代码如下
java
public interface VideoBloomFilterAware extends Aware {
void setFilter(BloomFilter filter);
void initFilter();
}
java
@Component
public class VideoBloomFilterPostProcessor implements BeanPostProcessor {
// 预计填充数量
Long capacity = 10000L;
// 错误比率
double errorRate = 0.01;
@Override
public Object postProcessBeforeInitialization(Object bean, String beanName) throws BeansException {
if(bean instanceof VideoBloomFilterAware){
BloomFilter<Long> longBloomFilter = BloomFilter.create(Funnels.longFunnel(), capacity, errorRate);
((VideoBloomFilterAware) bean).setFilter(longBloomFilter);
((VideoBloomFilterAware) bean).initFilter();
}
return bean;
}
}到现在为止，布隆过滤器已经初始化好了，我们只需要在接口里判断一下就可以了
java
Boolean exist = videoBloomFilter.exist(Long.valueOf(id));
if (exist)
// 存在则进行查询
return Result.succ(videoService.getOneMutex(id));
else
// 不存在，直接返回
return Result.fail("没有该视频");缓存雪崩
定义
Redis中大量缓存失效，此时又涌入了大量请求，此时所有请求同时访问DB，导致数据库负载过高。
这其实可以认为是缓存击穿的一种特殊情况。
解决思路
这个比较简单，大家设置key的时间在一个范围内，不要是统一的，就可以有效避免缓存雪崩的问题，或则可以在查询时做一个随时的延时，这样也可以避免大量请求同时访问DB。
总结
根据大佬的博客思路，写了一些实现，欢迎大家进行指正。
