redis的常见用法和问题之缓存击穿、缓存穿透、缓存雪崩详解_Redis

本文为总结用于复习和查询

包含redis的常用操作和缓存相关问题

redis定义

redis存储的是key-value结构的数据，key生成字符串类型。

count：移除元素的数量，具体含义如下：
- count > 0：从列表头部开始，移除最多count个与value相等的元素。
- count < 0：从列表尾部开始，移除最多count的绝对值个与value相等的元素。
- count = 0：移除列表中所有与value相等的元素。
value：要移除的元素值。

什么是缓存穿透：指客户端请求的数据在缓存redis中和数据库中都不存在，导致大量请求到数据库，从而导致数据库压力骤增
解决方案

缓存空对象：对数据库查询结果为空的请求，返回空值，并缓存null到redis且设置ttl，即key:null
需设置好ttl，避免长期占用内存
布隆过滤器：在缓存之前加一层布隆过滤器，预先将数据库中所有存在的 key 加载到布隆过滤器中。
什么是布隆过滤器过滤器：
```
 布隆过滤器是一种空间效率极高的概率型数据结构，用于判断一个元素是否存在于一个集合中。
```
核心特点：
高效省空间：相比哈希表，它用位数组 + 多个哈希函数实现，占用内存极小，适合海量数据场景。
概率性结果：
不存在则一定不存在（100% 准确）；
存在则可能存在（有一定误判率，无法完全避免）。
不支持删除：元素加入后无法移除，否则会影响其他元素的判断（部分变种支持删除，但复杂度高）。
工作原理：
初始化一个长度为 m 的位数组，所有位初始化为 0；
选取 k 个独立的哈希函数；
添加元素：将元素通过 k 个哈希函数计算出 k 个索引，把位数组对应索引的位设为 1；
查询元素：将元素通过 k 个哈希函数计算索引，若所有对应位都是 1，则判断 “可能存在”；只要有一个位是 0，则判断 “一定不存在”。

拦截流程：

    客户端发起请求，先经过布隆过滤器判断 key 是否存在；
	若布隆过滤器判断 key 不存在 → 直接返回空结果，不访问缓存和数据库；
	若布隆过滤器判断 key 可能存在 → 再走正常流程：查缓存 → 缓存未命中查数据库 → 数据库查到则回写缓存。

使用布隆过滤器的注意事项：

误判率处理：
布隆过滤器的误判会导致 “不存在的 key 被判断为可能存在”，此时请求仍会打到数据库，但这种情况概率低，且可以通过调整位数组长度 len 和哈希函数个数 k 降低误判率（len越大、k 适中，误判率越低）。
数据同步：
当数据库中新增 / 删除 key 时，需要同步更新布隆过滤器（删除操作需注意布隆过滤器不支持直接删除的问题，可通过定时重建布隆过滤器解决）。
适用场景：
适合海量数据、key 不常变动、可以容忍低误判率的场景（如：电商商品 id、用户 id 过滤）。