本文共 1420 字，大约阅读时间需要 4 分钟。
本文是预防缓存穿透，并不是预防缓存击穿，缓存击穿需要自己写同步方法，这里不多说缓存击穿问题，
一种是通过保存null值，和提前限制条件，来确保不会出现缓存穿透，这种方式在黑客随机访问的情况下，会不停的保存不必要的null值，redis内存使用会浪费很多。一种是使用过滤器算法，先去判断数据是否真的存在。
布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。(百度百科)
一说到布隆过滤器很多小伙伴就会说到redis,其实布隆过滤器和redis没有什么关系，它只是一种算法，最直白的理解：通过多个Hash函数将一个元素映射成一个位阵列（Bit array）中的一些点。我们只要看看这些点是不是1就可以知道集合中有没有它了。
讲了这么多，在实际项目中使用才是重点，如果是单机项目，可以用guava 实现好的bloomfilter，但是本文肯定不是说单机的。
比如在某一个service对数据库进行写入的时候，我们可以调用布隆过滤器同时写入，这样在获取的时候，就可以先在过滤器内进行判断，是否存在这个数据。
第一种实现方式是：redis4.0 + 安装bloomfilter插件，通过调用bf命令来设置或判断。
第二种实现方式：本机运算bit矩阵，然后通过pipe multi 向redis发送批量的setbit命令，获取的时候同样是本机运算，批量的getbit来判断。
二者的区别是
第一种方式用起来很简单，装个插件，写个execute就完事了，但是运算是在redis服务器上。第二种方式主要计算在本机，redis只负责setbit和getbit,没有运算过程。 注意：第二种方式如果是分布式应用，不要使用guavaCache,因为内存信息是在本机，并不在redis，一致性有问题。
还有最重要的一点，布隆过滤器在使用的时候，只能添加，不能删除，也就是说只适合不会被删除的数据做判断。
如果对数据有删除的操作，请使用Cuckoo Filter
简单的说一下吧，它和布隆过滤器相比，做了哪些改进，它的算法实现方式是，会计算出2个hash，分别映射到两个位置，一个是记录的位置，另一个是备用位置。这解决了布隆算法中误报的问题。
Cuckoo的哈希函数是成对的（具体的实现可以根据需求设计），每一个元素都是两个，备用位置是处理碰撞时用的。
当两个哈希位置有一个为空时，则插入该空位置；
当两个哈希位置均不为空时，随机选择两者之一的位置上key 踢出，并计算踢出的key 在另一个哈希值对应的位置，若为空直接插入，不为空踢出原元素插入，再对被踢出的元素重新计算，重复该过程，直到有空位置为止。Cockoo hashing 有两种变形：一种通过增加哈希函数进一步提高空间利用率；另一种是增加哈希表，每个哈希函数对应一个哈希表，每次选择多个张表中空余位置进行放置，三个哈希表可以达到80% 的空间利用率。
Cockoo hashing 的过程可能因为反复踢出无限循环下去，这时候就需要进行一次循环踢出的限制，超过限制则认为需要添加新的哈希函数。
转载地址：http://jxlsi.baihongyu.com/