标签：这三大 缓存 hash 必知 数据库 布隆 key 必会 过滤器
缓存雪崩
缓存雪崩是指在某一个时间段内，缓存集中过期失效，如果这个时间段内有大量请求，而查询数据量巨大，所有的请求都会达到存储层，存储层的调用量会暴增，引起数据库压力过大甚至宕机。
原因
- Redis突然宕机
- 大部分数据失效
举个栗子
比如我们基本上都经历过购物狂欢节，假设商家举办 23:00-24:00 商品打骨折促销活动。程序小哥哥在设计的时候，在 23:00 把商家打骨折的商品放到缓存中，并通过redis的expire设置了过期时间为1小时。这个时间段许多用户访问这些商品信息、购买等等。但是刚好到了24:00点的时候，恰好还有许多用户在访问这些商品，这时候对这些商品的访问都会落到数据库上，导致数据库要抗住巨大的压力，稍有不慎会导致，数据库直接宕机（over）。
当商品没有失效的时候是这样的：
整理了一份Java核心知识点。覆盖了JVM、锁、并发、Java反射、Spring原理、微服务、Zookeeper、数据库、数据结构等大量知识点。基本上涵盖了Java架构所有的技术知识点的资料，还覆盖了大厂面试题，同时也有一些springboot等项目源码分享给大家
由于资料图片太多就不一一的展示出来了
如果需要获取到这个文档的话扫一扫下方
当缓存GG（失效）的时候却是这样的：
对于缓存雪崩有以下解决方案：
（1）redis高可用
redis有可能挂掉，多增加几台redis实例，（一主多从或者多主多从），这样一台挂掉之后其他的还可以继续工作，其实就是搭建的集群。
（2）限流降级
在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量，对某个key只允许一个线程查询数据和写缓存，其他线程等待。
（3）数据预热
数据加热的含义就是在正式部署之前，我先把可能的数据先预先访问一遍，这样部分可能大量访问的数据就会加载到缓存中。在即将发生大并发访问前手动触发加载缓存不同的key。
（4）不同的过期时间
设置不同的过期时间，让缓存失效的时间点尽量均匀。
缓存穿透
什么是缓存穿透，当用户在查询一条数据的时候，而此时数据库和缓存没有任何关于这条数据的任何记录的时候，当这条数据再缓存中没找到数据，就会向数据库请求数据，这样就会对数据库造成比较大的压力。如：用户查询一个 id = -1 的商品信息，一般数据库 id 值都是从 1 开始自增，很明显这条信息是不在数据库中，当没有信息返回时，会一直向数据库查询，给当前数据库的造成很大的访问压力。解决方案有俩个，分别为缓存空对象，布隆过滤器。
缓存空对象
缓存空对象它就是指一个请求发送过来，如果此时缓存中和数据库都不存在这个请求所要查询的相关信息，那么数据库就会返回一个空对象，并将这个空对象和请求关联起来存到缓存中，当下次还是这个请求过来的时候，这时缓存就会命中，就直接从缓存中返回这个空对象，这样可以减少访问数据库的压力，提高当前数据库的访问性能。我们接下来可以看下面这个流程
并且为了大量的空对象过多，导致缓存空对象也过多，所以需要利用Redis的过期机制，解决这个问题。
setex key seconds valule:设置键值对的同时指定过期时间(s)
在Java中
redisCache.put(Integer.toString(id), null, 60) //过期时间为 60s
布隆过滤器
布隆过滤器用来过滤东西的。它是一种基于概率的数据结构，主要使用爱判断当前某个元素是否在该集合中，运行速度快。我们也可以简单理解为是一个不怎么精确的 set 结构（set 具有去重的效果）。但是有个小问题是：当你使用它的 contains 方法去判断某个对象是否存在时，它可能会误判。也就是说布隆过滤器不是特别不精确，但是只要参数设置的合理，它的精确度可以控制的相对足够精确，只会有小小的误判概率。当布隆过滤器说某个值存在时，这个值可能不存在；当它说不存在时，那就肯定不存在。
举个栗子
打个比方，当它说不认识你时，肯定就不认识；当它说见过你时，可能根本就没见过面，不过因为你的脸跟它认识的人中某脸比较相似 (某些熟脸的系数组合)，所以误判以前见过你。在上面的使用场景中，布隆过滤器能准确过滤掉那些已经看过的内容，那些没有看过的新内容，它也会过滤掉极小一部分 (误判)，但是绝大多数新内容它都能准确识别。这样就可以完全保证推荐给用户的内容都是无重复的。
特点
- 一个非常大的二进制位数组（数组中只存在 0 和 1）
- 拥有若干个哈希函数（Hash Function）
- 在空间效率和查询效率都非常高
- 布隆过滤器不会提供删除方法，在代码维护上比较困难。
每个布隆过滤器对应到 Redis 的数据结构里面就是一个大型的位数组和几个不一样的无偏 hash 函数。所谓无偏就是能够把元素的 hash 值算得比较均匀。
向布隆过滤器中添加 key 时，会使用多个 hash 函数对 key 进行 hash 算得一个整数索引值然后对位数组长度进行取模运算得到一个位置，每个 hash 函数都会算得一个不同的位置。再把位数组的这几个位置都置为 1 就完成了 add 操作。（ 每一个 key 都通过若干的hash函数映射到一个巨大位数组上，映射成功后，会在把位数组上对应的位置改为1。）
为什么存在误判率
当 key1 和 key2 映射到位数组上的位置为 1 时，假设这时候来了个 key3，要查询是不是在里面，恰好 key3 对应位置也映射到了这之间，那么布隆过滤器会认为它是存在的，这时候就会产生误判（因为明明 key3 是不在的）。
提高准确率
- 哈希函数的好坏
- 存储空间大小
- 哈希函数个数 hash函数的设计也是一个十分重要的问题，对于好的hash函数能大大降低布隆过滤器的误判率。同时，对于一个布隆过滤器来说，如果其位数组越大的话，那么每个key通过hash函数映射的位置会变得稀疏许多，不会那么紧凑，有利于提高布隆过滤器的准确率。同时，对于一个布隆过滤器来说，如果key通过许多hash函数映射，那么在位数组上就会有许多位置有标志，这样当用户查询的时候，在通过布隆过滤器来找的时候，误判率也会相应降低。
缓存击穿
一个被经常访问并且查询到的key，经常有用户访问，但是这个时候，这个key正好到了失效时间，或者突然变成冷门key，此时仍然有大量的关于这个的key的请求，这样会造成大量的并发访问到数据库，造成数据库的压力剧增。导致缓存击穿的产生。
原因有两条。
- 一个冷门的key，突然有大量的用户请求访问。
- 一个热门的key恰好到了过期的时间。
缓存击穿问题的解决： 加锁，对于key过期的时候，查询数据库的时候加锁，可以让只有一个连接访问到数据库，然后获取到key缓存到redis中，减少了缓存的压力。在单机幻觉使用单机的锁，在分布式环境下使用分布式锁。
标签：这三大,缓存,hash,必知,数据库,布隆,key,必会,过滤器 来源： https://www.cnblogs.com/HEYA123/p/13790105.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。