Redis中緩存穿透的實(shí)現(xiàn)示例
在 Redis 緩存架構(gòu)中,緩存穿透是一個(gè)容易被忽視卻可能引發(fā)嚴(yán)重后果的問(wèn)題。它如同系統(tǒng)中的 “暗箭”,在緩存與數(shù)據(jù)庫(kù)之間撕開(kāi)一道缺口,讓大量無(wú)效請(qǐng)求直接沖擊底層存儲(chǔ)。
緩存穿透指的是查詢一個(gè)在緩存和數(shù)據(jù)庫(kù)中都不存在的數(shù)據(jù)時(shí),請(qǐng)求繞過(guò)緩存直接穿透到數(shù)據(jù)庫(kù)的現(xiàn)象。由于緩存無(wú)法命中(緩存中無(wú)此數(shù)據(jù)),且數(shù)據(jù)庫(kù)也無(wú)對(duì)應(yīng)記錄,每次這類(lèi)請(qǐng)求都會(huì)直達(dá)數(shù)據(jù)庫(kù)。?舉個(gè)典型場(chǎng)景:某電商平臺(tái)的商品查詢接口,正常請(qǐng)求會(huì)攜帶合法商品 ID(如 1001、1002),但如果有攻擊者持續(xù)用不存在的 ID(如 - 999、10000000)發(fā)起請(qǐng)求,由于緩存和數(shù)據(jù)庫(kù)中都沒(méi)有這些 ID 對(duì)應(yīng)的記錄,所有請(qǐng)求都會(huì)直接訪問(wèn)數(shù)據(jù)庫(kù),形成緩存穿透。?
緩存穿透的出現(xiàn)并非偶然,主要源于兩類(lèi)場(chǎng)景:?
(1)業(yè)務(wù)邏輯疏漏?:應(yīng)用程序可能因數(shù)據(jù)刪除、ID 生成規(guī)則錯(cuò)誤等原因,產(chǎn)生查詢不存在數(shù)據(jù)的合理請(qǐng)求。例如,用戶查詢已被刪除的訂單信息,或前端表單校驗(yàn)失效導(dǎo)致的無(wú)效 ID 提交。?
(2)惡意攻擊行為:?攻擊者通過(guò)構(gòu)造大量不存在的 Key(如隨機(jī)生成的用戶 ID、商品 ID)發(fā)起高頻請(qǐng)求,利用緩存穿透特性消耗數(shù)據(jù)庫(kù)資源。這類(lèi)攻擊具有隱蔽性強(qiáng)、流量集中的特點(diǎn),容易對(duì)系統(tǒng)造成突發(fā)性沖擊。?
緩存穿透看似只是 “查詢無(wú)效數(shù)據(jù)”,但其累積效應(yīng)可能引發(fā)連鎖反應(yīng):?
(1)數(shù)據(jù)庫(kù)資源耗盡:大量穿透請(qǐng)求會(huì)占用數(shù)據(jù)庫(kù)連接池資源,導(dǎo)致正常請(qǐng)求因無(wú)法獲取連接而超時(shí)。?
(2)系統(tǒng)響應(yīng)延遲:數(shù)據(jù)庫(kù)在處理無(wú)效請(qǐng)求時(shí)的開(kāi)銷(xiāo),會(huì)拖慢整體查詢響應(yīng)速度,影響用戶體驗(yàn)。?
(3)服務(wù)可用性下降:極端情況下,數(shù)據(jù)庫(kù)可能因過(guò)載宕機(jī),導(dǎo)致依賴其提供服務(wù)的應(yīng)用整體崩潰。?
針對(duì)緩存穿透的特性,目前業(yè)界已形成多種成熟解決方案,實(shí)際應(yīng)用中可根據(jù)場(chǎng)景組合使用。?主要如下:
(1) 緩存空值
當(dāng)數(shù)據(jù)庫(kù)返回空結(jié)果時(shí),將空值存入緩存并設(shè)置較短過(guò)期時(shí)間(如 5-60 秒)。這樣后續(xù)相同請(qǐng)求會(huì)從緩存獲取空值,避免穿透到數(shù)據(jù)庫(kù)。
public Product getProductById(Long id) {
// 1. 先查緩存
String cacheKey = "product:" + id;
String productJson = jedis.get(cacheKey);
if (productJson != null) {
// 緩存命中(包括空值)
return productJson.isEmpty() ? null : JSON.parseObject(productJson, Product.class);
}
// 2. 緩存未命中,查數(shù)據(jù)庫(kù)
Product product = productMapper.selectById(id);
if (product != null) {
// 3. 數(shù)據(jù)庫(kù)存在,寫(xiě)入緩存(過(guò)期時(shí)間加隨機(jī)值防雪崩)
jedis.setex(cacheKey, 3600 + new Random().nextInt(100), JSON.toJSONString(product));
} else {
// 4. 數(shù)據(jù)庫(kù)不存在,緩存空值(短過(guò)期時(shí)間)
jedis.setex(cacheKey, 60, ""); // 空字符串代表不存在
}
return product;
}
// 優(yōu)點(diǎn):實(shí)現(xiàn)簡(jiǎn)單,適合突發(fā)少量無(wú)效請(qǐng)求場(chǎng)景。?
// 缺點(diǎn):可能緩存大量空值鍵,浪費(fèi)內(nèi)存;若過(guò)期時(shí)間設(shè)置不當(dāng),會(huì)影響數(shù)據(jù)實(shí)時(shí)性。(2) 布隆過(guò)濾器
布隆過(guò)濾器是一種空間效率極高的概率型數(shù)據(jù)結(jié)構(gòu),可快速判斷元素是否存在于集合中。將數(shù)據(jù)庫(kù)中所有有效 Key 存入布隆過(guò)濾器,請(qǐng)求到達(dá)時(shí)先通過(guò)過(guò)濾器校驗(yàn),不存在的 Key 直接攔截。
// 1. 初始化布隆過(guò)濾器(單例,服務(wù)啟動(dòng)時(shí)加載所有有效ID)
@Configuration
public class BloomFilterConfig {
@Bean
public BloomFilter<Long> productIdBloomFilter(ProductMapper productMapper) {
// 加載數(shù)據(jù)庫(kù)中所有有效商品ID
List<Long> allProductIds = productMapper.selectAllIds();
// 預(yù)計(jì)數(shù)據(jù)量100萬(wàn),誤判率0.01
BloomFilter<Long> filter = BloomFilter.create(Funnels.longFunnel(), 1000000, 0.01);
allProductIds.forEach(filter::put);
return filter;
}
}
// 2. 在查詢接口中使用
@Service
public class ProductService {
@Autowired
private BloomFilter<Long> productIdBloomFilter;
public Product getProductById(Long id) {
// 1. 布隆過(guò)濾器校驗(yàn),不存在直接返回
if (!productIdBloomFilter.mightContain(id)) {
return null;
}
// 2. 后續(xù)流程同緩存空值方案(查緩存→查數(shù)據(jù)庫(kù)→更新緩存)
// ...省略代碼...
}
}
//優(yōu)點(diǎn):攔截效率高,適合海量數(shù)據(jù)場(chǎng)景,內(nèi)存占用遠(yuǎn)低于緩存空值。?
/*缺點(diǎn):存在一定誤判率(可通過(guò)參數(shù)調(diào)整);需維護(hù)過(guò)濾器與數(shù)據(jù)庫(kù)的一致性(如新增數(shù)據(jù)時(shí)同步更新過(guò)濾器)。*/(3)接口限流與惡意請(qǐng)求攔截?
通過(guò)限流工具(如 Sentinel、Redis 限流器)限制接口單位時(shí)間內(nèi)的請(qǐng)求量,同時(shí)結(jié)合風(fēng)控系統(tǒng)識(shí)別惡意 IP 并拉黑。
# Spring Cloud Gateway限流配置示例
spring:
cloud:
gateway:
routes:
- id: product_route
uri: lb://product-service
predicates:
- Path=/product/**
filters:
- name: RequestRateLimiter
args:
redis-rate-limiter.replenishRate: 50 # 穩(wěn)定速率(每秒50個(gè)請(qǐng)求)
redis-rate-limiter.burstCapacity: 100 # 突發(fā)容量
key-resolver: "#{@ipKeyResolver}" # 按IP限流緩存穿透的本質(zhì)是 “無(wú)效請(qǐng)求的無(wú)成本穿透”,解決思路核心在于增加無(wú)效請(qǐng)求的穿透成本—— 無(wú)論是通過(guò)緩存空值消耗內(nèi)存,還是布隆過(guò)濾器消耗計(jì)算資源,最終目的都是為數(shù)據(jù)庫(kù)建立一道 “防護(hù)網(wǎng)”。在實(shí)際開(kāi)發(fā)中,需結(jié)合業(yè)務(wù)流量特征與系統(tǒng)資源狀況,選擇最適合的方案。?
到此這篇關(guān)于Redis中緩存穿透的實(shí)現(xiàn)示例的文章就介紹到這了,更多相關(guān)Redis 緩存穿透內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
使用Redis實(shí)現(xiàn)記錄訪問(wèn)次數(shù)的三種方案
這篇文章主要介紹了使用Redis實(shí)現(xiàn)記錄訪問(wèn)次數(shù)的三種方案,文中通過(guò)代碼示例和圖文講解的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作有一定的幫助,需要的朋友可以參考下2024-09-09
Redis統(tǒng)計(jì)訪問(wèn)量的3種實(shí)現(xiàn)方式
這篇文章主要介紹了Redis統(tǒng)計(jì)訪問(wèn)量的3種實(shí)現(xiàn)方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2025-06-06
Redis 跳表(Skip List)原理實(shí)現(xiàn)
跳表是zset有序集合的底層實(shí)現(xiàn)之一,本文主要介紹了Redis 跳表(Skip List)原理實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2025-04-04
基于Redis結(jié)合SpringBoot的秒殺案例詳解
這篇文章主要介紹了Redis結(jié)合SpringBoot的秒殺案例,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-09-09

