本文轉載自微信公眾號「后端技術小牛說」，作者后端技術小牛說 。轉載本文請聯系后端技術小牛說公眾號。

由于redis是內存型數據庫，往往會被當做緩存使用，那所以問到redis相關知識點，緩存這層是繞不開的。今天咱來嘮嘮緩存穿透。

先來看看緩存穿透的定義：緩存穿透，注意，關鍵在透這個詞上，就是不僅把緩存層打透了，也把數據庫打透了，即查詢一個數據庫也不存在的數據。

由于數據庫不存在這個值，那肯定緩存也不會有嘛，所以每次有這種垃圾查詢請求，都會打到數據庫上，對數據庫造成負擔。

那咋辦呢?

今天介紹兩個辦法：

• 布隆過濾器
• 緩存空對象

布隆過濾器

相信不少同學面試時被問過場景設計題：如果目前我們有個營銷垃圾郵箱的匯總表，我們希望設計一個高效的攔截過濾器，怎么設計呢?

大家肯定脫口而出：hashmap/hashset。

對，這個思路一點沒錯，如果我們的郵箱匯總表不大，當然可以這么干。但如果匯總表稍微大一點點比如上到10億，那就不能這么干了。一般來說面試官會回答：這么做占用空間太大，服務器內存撐不住，可以換一個思路，我們的這個業務可以允許一定的誤報。

既然面試官都給提示了，那咱就往擠壓內存占用的思路去考慮，既然又希望減少空間，又能接受誤報，可以考慮這個思路。

首先我們先設置一個空bit數組，初始全0：

設計k個hash映射函數，這k個映射函數各不相同，然后開啟一個for循環，把在匯總表中的郵箱通過這個映射函數得到數組指定位置，并置為1。比如這樣：

然后這樣

下次用戶有想查詢的郵箱，可以通過這一系列hash函數，判斷對應位置是否全為1。如果是，則很大概率就是垃圾郵箱了。為啥說是很大概率，因為完全不同的字段，在一個hash函數中，映射也會相同的。

那如何減少誤判概率?增加hash函數個數，增加這個數組長度。

最后提一下，這個數組可以就認為是布隆過濾器。

緩存空對象

這個就很好理解了。咱們一般定義的查詢邏輯，是這樣

• 用戶發送查詢請求
• 緩存層收到請求查看緩存是否存在該值，存在即返回，不存在走步驟3
• 數據庫收到查詢請求，查詢該值，如果存在，就返回，并把值添加到緩存層上。不存在直接返回

舉例來說，我們用了個員工id和其對應的工資表。如果員工有100個人，那我們id肯定是1-100排列。如果此時有個請求，想查詢id=1000的，那肯定啥也查不到，會被直接返回。

而緩存空對象，做的就是把這個值也緩存下來，即在緩存層中，添加一個id為1000，值為null的鍵值對。下次有對id為1000的請求，查詢直接打到緩存上，減少了數據庫壓力。

但這種操作會增加內存開銷，所以如果采用這種方法，一般空對象緩存的過期時間極短。

參考：

https://blog.csdn.net/qq_26222859/article/details/80831263 

https://zhuanlan.zhihu.com/p/72378274