redis穿透解决方案

Redis缓存穿透是指查询一个不存在于数据库中的数据（通常是恶意用户发起的连续请求），由于缓存中没有，每次请求都会穿透到数据库，这可能会对数据库造成不必要的压力。解决缓存穿透问题的常见策略包括：
       1.  布隆过滤器：用于判断一个元素是否可能存在于集合中，即使它返回存在，也可能是个假阳性（误报），但不会出现假阴性（即如果布隆过滤器说不存在，则该元素一定不存在）。因此，可以在查询数据库之前先检查布隆过滤器。

       2.  空值缓存：即使数据库中没有找到对应记录，也将空值（如null）写入缓存，并设置一个较短的有效期。这样，后续相同请求在缓存有效期内可以直接从缓存中得到结果，而不需要再次访问数据库。

       3. 设置黑白名单：通过白名单使需要的请求访问，通过黑名单防止攻击。

首先，确保你的项目中包含了Spring Data Redis和Guava的依赖。

布隆过滤器配置

import com.google.common.hash.Funnel;
import com.google.common.hash.Hashing;
import com.google.common.math.LongMath;
import com.google.common.primitives.Chars;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * 布隆过滤器配置类，用于初始化布隆过滤器的实例及其相关组件。
 */
@Configuration
public class BloomFilterConfig {

    /**
     * 创建字符串处理的Funnel，用于将字符串转换为哈希输入。
     * 
     * @return 字符串Funnel实例
     */
    @Bean
    public Funnel<String> stringFunnel() {
        return (from, into) -> Chars.forEachUtf8(from, c -> into.putChar(c));
    }

    /**
     * 初始化布隆过滤器，基于预期插入数量和误报率进行配置。
     * 
     * @param funnel 字符串处理的Funnel
     * @return 布隆过滤器实例
     */
    @Bean
    public BloomFilter<String> bloomFilter(Funnel<String> funnel) {
        int expectedInsertions = 100000; // 预计需要插入过滤器的元素数量
        double fpp = 0.01; // 可接受的误报率，即预测为存在但实际上不存在的概率
        // 计算所需的哈希函数数量
        int numHashFunctions = LongMath.log2(LongMath.pow(2, Long.SIZE) / expectedInsertions * fpp);
        // 创建布隆过滤器实例
        return BloomFilter.create(funnel, expectedInsertions, fpp, Hashing.murmur3_128());
    }
}

缓存服务实现

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

/**
 * 缓存服务实现类，负责处理数据的缓存逻辑，包括使用布隆过滤器和空值缓存策略防止缓存穿透。
 */
@Service
public class CacheService {

    private final StringRedisTemplate redisTemplate;
    private final BloomFilter<String> bloomFilter;

    /**
     * 构造函数注入Redis模板和布隆过滤器实例。
     *
     * @param redisTemplate Redis操作模板
     * @param bloomFilter 布隆过滤器实例
     */
    @Autowired
    public CacheService(StringRedisTemplate redisTemplate, BloomFilter<String> bloomFilter) {
        this.redisTemplate = redisTemplate;
        this.bloomFilter = bloomFilter;
    }

    /**
     * 获取数据的方法，首先检查布隆过滤器，然后尝试从Redis缓存中获取，
     * 若缓存未命中且布隆过滤器认为可能存在，则查询数据库，并实施空值缓存策略。
     *
     * @param key 数据的唯一标识
     * @return 查询到的数据或空值、提示信息
     */
    public String getData(String key) {
        // 使用布隆过滤器快速判断key是否可能存在，减少不必要的数据库查询
        if (!bloomFilter.mightContain(key)) {
            return "This key is likely not in the database.";
        }

        // 尝试从Redis缓存中获取数据
        String value = redisTemplate.opsForValue().get(key);

        // 如果缓存未命中，且布隆过滤器判断可能在数据库中，则查询数据库
        if (value == null) {
            value = databaseFetch(key);
            // 数据库中也不存在，则将空值写入缓存，设置较短过期时间以避免长时间占用缓存
            if (value == null) {
                redisTemplate.opsForValue().set(key, "", 5, TimeUnit.MINUTES);
            } else {
                // 数据库中存在，则正常缓存该值
                redisTemplate.opsForValue().set(key, value);
            }
        }

        return value;
    }

    /**
     * 模拟从数据库获取数据的方法，实际应用中应替换为真实的数据库访问逻辑。
     *
     * @param key 数据查询键
     * @return 从数据库查询到的数据或null
     */
    private String databaseFetch(String key) {
        // 示例中始终返回null，表示数据库中也没有该数据
        return null;
    }
}