缓存穿透就是查询一次不存在的数据，因为不存在，所以也不会往redis里写值，这样一直查不存在的数据就会导致一直查数据库，redis并没有起到作用。
解决这个可以让redis缓存一个空值或者缓存一个特殊的字符串，但如果别人故意每次用不同的不存在的值恶意攻击的话，即使缓存了空值也还是没有，
这就可以用布隆过滤器来解决
布隆过滤器就是一串01位图，和几个哈希函数
就像这样，插入数据时，数据a经过三个哈希函数的计算，得到三个哈希值，分别把三个位置上的0变成1
当取得时候，数据a如果经过三个哈希函数算得的位置上都为1，就判断a存在，所以这就有问题，如果判断d的时候，得到的三个位置两个是a占的，一个是b占的，这样还判断d存在吗？显然是不对的
所以如果布隆过滤器判断一个元素存在，这个元素可能不存在
如果布隆过滤器判断一个元素不存在，这个元素一定不存在
如果想减少误判率就需要增加01数组的长度，和多加几个哈希函数。
布隆过滤器的缺点：
1.布隆过滤器也是不能修改和删除的，因为如果hello和你好算得的哈希值相同，然后把你好删了，这样就把hello也误删了
2.查询性能弱：布隆过滤器使用多个hash函数计算位图多个不同位点，由于多个位点在内存中不连续，CPU寻址花销较大。
3.空间利用率低
还有一种可以简单实现删除的过滤器——布谷鸟过滤器，不过他的删除也是有缺陷的
布谷鸟过滤器不是用位图实现的，使用的是一维数组，数组里面存放的是数据的指纹。
布谷鸟过滤器是可以鸠占鹊巢的，还拿上面的图来说
布谷鸟过滤器有三个哈希函数，两个哈希映射函数，和一个计算指纹的函数
H3(key) = key’s fingerprint = hash(key)
H1(key) = hash1(key)
H2(key) = H1(key) ^ H1(key’s fingerprint)
数据a经过两个哈希映射函数，得到两个位置，如果数据a在两个位置里随机选择一个位置，如果这个位置没人就直接占据这个位置，如果已经有人了，就把这个位置上的人踢走，如果给他重新选择一个位置
重新选位置的时候，另一个位置可以通过指纹的哈希值和位置的哈希值异或得来
但这样也有问题，如果数组太过拥挤，就会导致踢了几十次依然没有给每个人找到位置。
改良的方案之一是增加 hash 函数, 让每个元素不止有两个巢, 这样可以大大降低碰撞的概率, 将空间利用率提高到 95% 左右.
还有个方案是给每个位置上设置多个座位,就像二维数组一样， 这样不会马上就挤来挤去. 也能大大降低碰撞概率, 空间利用率虽然比第一种改良方案稍低(约为 85%), 但cpu 缓存的利用率会提高不少.
删除的话，就是找到对应位置上的自己的指纹，然后删除掉
但这样的删除，如果通过哈希函数计算的指纹是一样的，位置也是一样的，就会造成误删
而且布谷鸟过滤器不能连续插入相同的数据，如果一直插入1，假设有两个位置，每个位置有四个座位，当插入第九个1的时候，就会导致没地方去了
所以插入相同的数据不能超过kb，k是位置数，b是座位数。
标签：缓存,哈希,位置,redis,布隆,key,过滤器 来源： https://www.cnblogs.com/yukinoBlog/p/15809004.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。