主要內(nèi)容

• 怎么使用緩存
• 什么是緩存穿透、解決方案？
• 對(duì)于熱點(diǎn)數(shù)據(jù)的訪問(wèn)怎么處理？
• 怎么規(guī)避雪崩與雪崩解決方案

如何使用緩存？

緩存用來(lái)提高性能、保護(hù)數(shù)據(jù)庫(kù)

緩存穿透？

緩存穿透，指指查詢數(shù)據(jù)庫(kù)和緩存都沒(méi)有的數(shù)據(jù)
解決方案？
1、緩存空對(duì)象：代碼簡(jiǎn)單、效果不好
2、布隆過(guò)濾器：代碼復(fù)雜、效果很好

緩存空對(duì)象

缺點(diǎn)：
1、同一個(gè)key不會(huì)多次查詢數(shù)據(jù)庫(kù)，但是如果換一個(gè)key，還是會(huì)去查詢數(shù)據(jù)庫(kù)
2、redis中會(huì)有大量的空數(shù)據(jù)，占用redis內(nèi)存

布隆過(guò)濾器

布隆過(guò)濾器應(yīng)用


輸出：

誤判的數(shù)量：10

布隆過(guò)濾器可以看做是一個(gè)特殊的集合對(duì)象，只有兩個(gè)方法：
1、put()方法
2、mightContain()方法
不能delete，不能get

布隆過(guò)濾器存在一定的fpp誤判概率，可以自己定義容錯(cuò)率（必須大于0.0），容錯(cuò)率越低，內(nèi)存消耗越大。在上圖中可以看到，我們?cè)O(shè)定誤判的概率為0.001，size表示預(yù)計(jì)插入到集合中的數(shù)據(jù)量

布隆過(guò)濾器原理
底層是一個(gè)bit數(shù)組
初始化value全部為0
添加“太白”之后，下面3個(gè)黃色位置變?yōu)?

原理：（以3個(gè)哈希函數(shù)為例）
添加“太白”之后，用3個(gè)不同的哈希函數(shù)對(duì)“太白”進(jìn)行哈希。哈希得到數(shù)字之后，再對(duì)數(shù)組長(zhǎng)度取余數(shù)，得到3個(gè)對(duì)應(yīng)的數(shù)組下標(biāo)。

因?yàn)榈讓又挥幸粋€(gè)bit數(shù)組，并不去保存數(shù)據(jù)，所以不能get數(shù)據(jù)。
因?yàn)橥粋€(gè)格子有可能會(huì)被多個(gè)數(shù)據(jù)占用，所以不能delete數(shù)據(jù)。

誤判示例：產(chǎn)生哈希沖突（下圖）

正確判斷示例：

影響容錯(cuò)率的因素：
數(shù)組長(zhǎng)度、Hash函數(shù)的個(gè)數(shù)，兩者需要配合使用才能達(dá)到更好的效果，并不是越大越好

guava原理
用戶只需要定義預(yù)計(jì)插入量、容錯(cuò)率
例如，當(dāng)我們?cè)O(shè)置預(yù)計(jì)插入量=1000000，容錯(cuò)率fpp=0.1時(shí)，,使用算法：

計(jì)算出

redis
redis底層是使用位數(shù)組存儲(chǔ)key的



執(zhí)行下面操作后，redis會(huì)自動(dòng)擴(kuò)容

自己手寫(xiě)分布式的布隆過(guò)濾器

對(duì)于熱點(diǎn)數(shù)據(jù)的訪問(wèn)
緩存擊穿（99個(gè)人同時(shí)訪問(wèn)一個(gè)緩存沒(méi)有，但數(shù)據(jù)庫(kù)有的數(shù)據(jù)）
數(shù)據(jù)庫(kù)有數(shù)據(jù)，緩存沒(méi)有的情況：
1、這條數(shù)據(jù)沒(méi)有人訪問(wèn)過(guò)
2、緩存剛好失效
解決方式：加鎖

緩存血崩
1、redis掛了
2、大部分緩存同時(shí)失效
規(guī)避方式：
redis搭建高可用集群（cluster）錯(cuò)開(kāi)數(shù)據(jù)過(guò)期時(shí)間
如果已經(jīng)出現(xiàn)了雪崩：降級(jí)、熔斷

解決數(shù)據(jù)一致性問(wèn)題

總結(jié)

以上是生活随笔為你收集整理的怎么使用缓存、缓存穿透、热点数据处理、缓存雪崩解决方案 - 公开课笔记的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。