缓存击穿！竟然不知道怎么写代码？？？-缓存击穿怎么解决

在Redis中有三大问题：缓存雪崩、缓存击穿、缓存穿透，今天我们来聊聊缓存击穿。

关于缓存击穿相关理论文章，相信大家已经看过不少，但是具体代码中是怎么实现的，怎么解决的等问题，可能就一脸懵逼了。

今天，老田就带大家来看看，缓存击穿解决和代码实现。

场景

请看下面这段代码：

/**  
 * @author 田维常 
 * @公众号 java后端技术全栈 
 * @date 2021/6/27 15:59 
 */ 
@Service 
public class UserInfoServiceImpl implements UserInfoService { 
 
    @Resource 
    private UserMapper userMapper; 
    @Resource 
    private RedisTemplate<Long, String> redisTemplate; 
 
    @Override 
    public UserInfo findById(Long id) { 
        //查询缓存 
        String userInfoStr = redisTemplate.opsForValue().get(id); 
        //如果缓存中不存在，查询数据库 
        //1 
        if (isEmpty(userInfoStr)) { 
            UserInfo userInfo = userMapper.findById(id); 
            //数据库中不存在 
            if(userInfo == null){ 
                  return null; 
            } 
            userInfoStr = JSON.toJSONString(userInfo); 
            //2 
            //放入缓存 
            redisTemplate.opsForValue().set(id, userInfoStr); 
        } 
        return JSON.parseObject(userInfoStr, UserInfo.class); 
    } 
 
    private boolean isEmpty(String string) { 
        return !StringUtils.hasText(string); 
    } 
}

整个流程：

如果，在//1到//2之间耗时1.5秒，那就代表着在这1.5秒时间内所有的查询都会走查询数据库。这也就是我们所说的缓存中的“缓存击穿”。

其实，你们项目如果并发量不是很高，也不用怕，并且我见过很多项目也就差不多是这么写的，也没那么多事，毕竟只是第一次的时候可能会发生缓存击穿。

但，我们也不要抱着一个侥幸的心态去写代码，既然是多线程导致的，估计很多人会想到锁，下面我们使用锁来解决。

改进版

既然使用到锁，那么我们第一时间应该关心的是锁的粒度。

如果我们放在方法findById上，那就是所有查询都会有锁的竞争，这里我相信大家都知道我们为什么不放在方法上。

/**  
 * @author 田维常 
 * @公众号 java后端技术全栈 
 * @date 2021/6/27 15:59 
 */ 
@Service 
public class UserInfoServiceImpl implements UserInfoService { 
 
    @Resource 
    private UserMapper userMapper; 
    @Resource 
    private RedisTemplate<Long, String> redisTemplate; 
 
    @Override 
    public UserInfo findById(Long id) { 
        //查询缓存 
        String userInfoStr = redisTemplate.opsForValue().get(id); 
        if (isEmpty(userInfoStr)) { 
            //只有不存的情况存在锁 
            synchronized (UserInfoServiceImpl.class){ 
                UserInfo userInfo = userMapper.findById(id); 
                //数据库中不存在 
                if(userInfo == null){ 
                     return null; 
                } 
                userInfoStr = JSON.toJSONString(userInfo); 
                //放入缓存 
                redisTemplate.opsForValue().set(id, userInfoStr); 
            } 
        } 
        return JSON.parseObject(userInfoStr, UserInfo.class); 
    } 
 
    private boolean isEmpty(String string) { 
        return !StringUtils.hasText(string); 
    } 
}

看似解决问题了，其实，问题还是没得到解决，还是会缓存击穿，因为排队获取到锁后，还是会执行同步块代码，也就是还会查询数据库，完全没有解决缓存击穿。

双重检查锁

由此，我们引入双重检查锁，我们在上的版本中进行稍微改变，在同步模块中再次校验缓存中是否存在。

/**  
 * @author 田维常 
 * @公众号 java后端技术全栈 
 * @date 2021/6/27 15:59 
 */ 
@Service 
public class UserInfoServiceImpl implements UserInfoService { 
 
    @Resource 
    private UserMapper userMapper; 
    @Resource 
    private RedisTemplate<Long, String> redisTemplate; 
 
    @Override 
    public UserInfo findById(Long id) { 
        //查缓存 
        String userInfoStr = redisTemplate.opsForValue().get(id); 
        //第一次校验缓存是否存在 
        if (isEmpty(userInfoStr)) { 
            //上锁 
            synchronized (UserInfoServiceImpl.class){  
                //再次查询缓存，目的是判断是否前面的线程已经set过了 
                userInfoStr = redisTemplate.opsForValue().get(id); 
                //第二次校验缓存是否存在 
                if (isEmpty(userInfoStr)) { 
                    UserInfo userInfo = userMapper.findById(id); 
                    //数据库中不存在 
                    if(userInfo == null){ 
                        return null; 
                    } 
                    userInfoStr = JSON.toJSONString(userInfo); 
                    //放入缓存 
                    redisTemplate.opsForValue().set(id, userInfoStr); 
                } 
            } 
        } 
        return JSON.parseObject(userInfoStr, UserInfo.class); 
    } 
 
    private boolean isEmpty(String string) { 
        return !StringUtils.hasText(string); 
    } 
}

这样，看起来我们就解决了缓存击穿问题，大家觉得解决了吗?

恶意攻击

回顾上面的案例，在正常的情况下是没问题，但是一旦有人恶意攻击呢?

比如说：入参id=10000000，在数据库里并没有这个id，怎么办呢?

第一步、缓存中不存在

第二步、查询数据库

第三步、由于数据库中不存在，直接返回了，并没有操作缓存

第四步、再次执行第一步.....死循环了吧

方案1：设置空对象

就是当缓存中和数据库中都不存在的情况下，以id为key，空对象为value。

set(id,空对象);

回到上面的四步，就变成了。

比如说：入参id=10000000，在数据库里并没有这个id，怎么办呢?

第一步、缓存中不存在

第二步、查询数据库

第三步、由于数据库中不存在，以id为key，空对象为value放入缓存中

第四步、执行第一步，此时，缓存就存在了，只是这时候只是一个空对象。

代码实现部分：

/**  
 * @author 田维常 
 * @公众号 java后端技术全栈 
 * @date 2021/6/27 15:59 
 */ 
@Service 
public class UserInfoServiceImpl implements UserInfoService { 
 
    @Resource 
    private UserMapper userMapper; 
    @Resource 
    private RedisTemplate<Long, String> redisTemplate;  
 
    @Override 
    public UserInfo findById(Long id) { 
        String userInfoStr = redisTemplate.opsForValue().get(id); 
        //判断缓存是否存在，是否为空对象 
        if (isEmpty(userInfoStr)) { 
            synchronized (UserInfoServiceImpl.class){ 
                userInfoStr = redisTemplate.opsForValue().get(id); 
                if (isEmpty(userInfoStr)) { 
                    UserInfo userInfo = userMapper.findById(id); 
                    if(userInfo == null){ 
                        //构建一个空对象 
                        userInfo= new UserInfo(); 
                    } 
                    userInfoStr = JSON.toJSONString(userInfo); 
                    redisTemplate.opsForValue().set(id, userInfoStr); 
                } 
            } 
        } 
        UserInfo userInfo = JSON.parseObject(userInfoStr, UserInfo.class); 
        //空对象处理 
        if(userInfo.getId() == null){ 
            return null; 
        } 
        return JSON.parseObject(userInfoStr, UserInfo.class); 
    } 
 
    private boolean isEmpty(String string) { 
        return !StringUtils.hasText(string); 
    } 
}

方案2 布隆过滤器

布隆过滤器(Bloom Filter):是一种空间效率极高的概率型算法和数据结构，用于判断一个元素是否在集合中(类似Hashset)。它的核心一个很长的二进制向量和一系列hash函数，数组长度以及hash函数的个数都是动态确定的。

Hash函数：SHA1，SHA256，MD5..

布隆过滤器的用处就是，能够迅速判断一个元素是否在一个集合中。因此他有如下三个使用场景:

网页爬虫对URL的去重，避免爬取相同的URL地址
反垃圾邮件，从数十亿个垃圾邮件列表中判断某邮箱是否垃圾邮箱(垃圾短信)
缓存击穿，将已存在的缓存放到布隆过滤器中，当黑客访问不存在的缓存时迅速返回避免缓存及DB挂掉。

其内部维护一个全为0的bit数组，需要说明的是，布隆过滤器有一个误判率的概念，误判率越低，则数组越长，所占空间越大。误判率越高则数组越小，所占的空间越小。布隆过滤器的相关理论和算法这里就不聊了，感兴趣的可以自行研究。

优势和劣势

优势

全量存储但是不存储元素本身，在某些对保密要求非常严格的场合有优势;
空间高效率
插入/查询时间都是常数O(k),远远超过一般的算法

劣势

存在误算率(False Positive),默认0.03，随着存入的元素数量增加，误算率随之增加;
一般情况下不能从布隆过滤器中删除元素;
数组长度以及hash函数个数确定过程复杂;

代码实现：

/**  
 * @author 田维常 
 * @公众号 java后端技术全栈 
 * @date 2021/6/27 15:59 
 */ 
@Service 
public class UserInfoServiceImpl implements UserInfoService { 
 
    @Resource 
    private UserMapper userMapper; 
    @Resource 
    private RedisTemplate<Long, String> redisTemplate; 
    private static Long size = 1000000000L; 
 
    private static BloomFilter<Long> bloomFilter = BloomFilter.create(Funnels.longFunnel(), size); 
 
    @Override 
    public UserInfo findById(Long id) { 
        String userInfoStr = redisTemplate.opsForValue().get(id); 
        if (isEmpty(userInfoStr)) { 
            //校验是否在布隆过滤器中 
            if(bloomFilter.mightContain(id)){ 
                return null; 
            } 
            synchronized (UserInfoServiceImpl.class){ 
                userInfoStr = redisTemplate.opsForValue().get(id); 
                if (isEmpty(userInfoStr) ) { 
                    if(bloomFilter.mightContain(id)){ 
                        return null; 
                    } 
                    UserInfo userInfo = userMapper.findById(id); 
                    if(userInfo == null){ 
                        //放入布隆过滤器中 
                        bloomFilter.put(id); 
                        return null; 
                    } 
                    userInfoStr = JSON.toJSONString(userInfo); 
                    redisTemplate.opsForValue().set(id, userInfoStr); 
                } 
            } 
        } 
        return JSON.parseObject(userInfoStr, UserInfo.class); 
    }  
    private boolean isEmpty(String string) { 
        return !StringUtils.hasText(string); 
    } 
}

方案3 互斥锁

使用Redis实现分布式的时候，有用到setnx，这里大家可以想象，我们是否可以使用这个分布式锁来解决缓存击穿的问题?

这个方案留给大家去实现，只要掌握了Redis的分布式锁，那这个实现起来就非常简单了。

总结

搞定缓存击穿、使用双重检查锁的方式来解决，看到双重检查锁，大家肯定第一印象就会想到单例模式，这里也算是给大家复习一把双重检查锁的使用。

由于恶意攻击导致的缓存击穿，解决方案我们也实现了两种，至少在工作和面试中，肯定是能应对了。

另外，使用锁的时候注意锁的力度，这里建议换成分布式锁(Redis或者Zookeeper实现)，因为我们既然引入缓存，大部分情况下都会是部署多个节点的，同时，引入分布式锁了，我们就可以使用方法入参id用起来，这样是不是更爽!

希望大家能领悟到的是文中的一些思路，并不是死记硬背技术。