緩存雪崩

緩存雪崩指的是Redis當(dāng)中的大量緩存在同一時(shí)間全部失效，而假如恰巧這一段時(shí)間同時(shí)又有大量請(qǐng)求被發(fā)起，那么就會(huì)造成請(qǐng)求直接訪問(wèn)到數(shù)據(jù)庫(kù)，可能會(huì)把數(shù)據(jù)庫(kù)沖垮。

緩存雪崩一般形容的是緩存中沒(méi)有而數(shù)據(jù)庫(kù)中有的數(shù)據(jù)，而因?yàn)闀r(shí)間到期導(dǎo)致請(qǐng)求直達(dá)數(shù)據(jù)庫(kù)。

解決方案

解決緩存雪崩的方法有很多：

• 1、加鎖，保證單線程訪問(wèn)緩存。這樣就不會(huì)有很多請(qǐng)求同時(shí)訪問(wèn)到數(shù)據(jù)庫(kù)。

• 2、失效時(shí)間不要設(shè)置成一樣。典型的就是初始化預(yù)熱數(shù)據(jù)的時(shí)候，將數(shù)據(jù)存入緩存時(shí)可以采用隨機(jī)時(shí)間來(lái)確保不會(huì)咋同一時(shí)間有大量緩存失效。

• 3、內(nèi)存允許的情況下，可以將緩存設(shè)置為永不失效。

緩存擊穿

緩存擊穿和緩存雪崩很類(lèi)似，區(qū)別就是緩存擊穿一般指的是單個(gè)緩存失效，而同一時(shí)間又有很大的并發(fā)請(qǐng)求需要訪問(wèn)這個(gè)key，從而造成了數(shù)據(jù)庫(kù)的壓力。

解決方案

解決緩存擊穿的方法和解決緩存雪崩的方法很類(lèi)似：

• 1、加鎖，保證單線程訪問(wèn)緩存。這樣第一個(gè)請(qǐng)求到達(dá)數(shù)據(jù)庫(kù)后就會(huì)重新寫(xiě)入緩存，后續(xù)的請(qǐng)求就可以直接讀取緩存。

• 2、內(nèi)存允許的情況下，可以將緩存設(shè)置為永不失效。

緩存穿透

緩存穿透和上面兩種現(xiàn)象的本質(zhì)區(qū)別就是這時(shí)候訪問(wèn)的數(shù)據(jù)其在數(shù)據(jù)庫(kù)中也不存在，那么既然數(shù)據(jù)庫(kù)不存在，所以緩存里面肯定也不會(huì)存在，這樣如果并發(fā)過(guò)大就會(huì)造成數(shù)據(jù)源源不斷的到達(dá)數(shù)據(jù)庫(kù)，給數(shù)據(jù)庫(kù)造成極大壓力。

解決方案

對(duì)于緩存穿透問(wèn)題，加鎖并不能起到很好地效果，因?yàn)楸旧韐ey就是不存在，所以即使控制了線程的訪問(wèn)數(shù)，但是請(qǐng)求還是會(huì)源源不斷的到達(dá)數(shù)據(jù)庫(kù)。

解決緩存穿透問(wèn)題一般可以采用以下方案配合使用：

• 1、接口層進(jìn)行校驗(yàn)，發(fā)現(xiàn)非法的key直接返回。比如數(shù)據(jù)庫(kù)中采用的是自增id，那么如果來(lái)了一個(gè)非整型的id或者負(fù)數(shù)id可以直接返回，或者說(shuō)如果采用的是32位uuid，那么發(fā)現(xiàn)id長(zhǎng)度不等于32位也可以直接返回。

• 2、將不存在的數(shù)據(jù)也進(jìn)行緩存，可以直接緩存一個(gè)空或者其他約定好的無(wú)效value。采用這種方案最好將key設(shè)置一個(gè)短期失效時(shí)間，否則大量不存在的key被存儲(chǔ)到Redis中，也會(huì)占用大量?jī)?nèi)存。

布隆過(guò)濾器（Bloom Filter）

針對(duì)上面緩存穿透的解決方案，我們思考一下：假如一個(gè)key可以繞過(guò)第1種方法的校驗(yàn)，而此時(shí)有大量的不存在key被訪問(wèn)（如1億個(gè)或者10億個(gè)），那么這時(shí)候全部存儲(chǔ)到緩存，會(huì)占用非常大的空間，會(huì)浪費(fèi)大量服務(wù)器內(nèi)存，導(dǎo)致內(nèi)存不足。

那么有沒(méi)有一種更好的解決方案呢？這就是我們接下來(lái)要介紹的布隆過(guò)濾器，布隆過(guò)濾器就可以最大程度的解決key值過(guò)多的這個(gè)問(wèn)題。

什么是布隆過(guò)濾器

可能大部分人都知道有這么一個(gè)面試問(wèn)題：如何在10億的海量的無(wú)序的數(shù)據(jù)中快速判斷一個(gè)元素是否存在？

要解決這個(gè)問(wèn)題就需要用到布隆過(guò)濾器，否則大部分服務(wù)器的內(nèi)存是無(wú)法存儲(chǔ)這么大的數(shù)量級(jí)的數(shù)據(jù)的。

布隆過(guò)濾器（Bloom Filter）是由布隆在1970年提出的。它實(shí)際上是一個(gè)很長(zhǎng)的二進(jìn)制向量（位圖）和一系列隨機(jī)映射函數(shù)（哈希函數(shù)）。

布隆過(guò)濾器可以用于檢索一個(gè)元素是否在一個(gè)集合中。它的優(yōu)點(diǎn)是空間效率和查詢(xún)時(shí)間都比一般的算法要好的多，缺點(diǎn)是有一定的誤識(shí)別率而且刪除困難。

位圖（Bitmap）

Redis當(dāng)中有一種數(shù)據(jù)結(jié)構(gòu)就是位圖，布隆過(guò)濾器其中重要的實(shí)現(xiàn)就是位圖的實(shí)現(xiàn)，也就是位數(shù)組，并且在這個(gè)數(shù)組中每一個(gè)位置只有0和1兩種狀態(tài)，每個(gè)位置只占用1個(gè)字節(jié)，其中0表示沒(méi)有元素存在，1表示有元素存在。如下圖所示就是一個(gè)簡(jiǎn)單的布隆過(guò)濾器示例（一個(gè)key值經(jīng)過(guò)哈希運(yùn)算和位運(yùn)算就可以得出應(yīng)該落在哪個(gè)位置）：

哈希碰撞

上面我們發(fā)現(xiàn)，lonely和wolf落在了同一個(gè)位置，這種不同的key值經(jīng)過(guò)哈希運(yùn)算后得到相同值的現(xiàn)象就稱(chēng)之為哈希碰撞。發(fā)生哈希碰撞之后再經(jīng)過(guò)位運(yùn)算，那么最后肯定會(huì)落在同一個(gè)位置。

如果發(fā)生過(guò)多的哈希碰撞，就會(huì)影響到判斷的準(zhǔn)確性，所以為了減少哈希碰撞，我們一般會(huì)綜合考慮以下2個(gè)因素：

• 1、增大位圖數(shù)組的大小（位圖數(shù)組越大，占用的內(nèi)存越大）。

• 2、增加哈希函數(shù)的次數(shù)（同一個(gè)key值經(jīng)過(guò)1個(gè)函數(shù)相等了，那么經(jīng)過(guò)2個(gè)或者更多個(gè)哈希函數(shù)的計(jì)算，都得到相等結(jié)果的概率就自然會(huì)降低了）。

上面兩個(gè)方法我們需要綜合考慮：比如增大位數(shù)組，那么就需要消耗更多的空間，而經(jīng)過(guò)越多的哈希計(jì)算也會(huì)消耗cpu影響到最終的計(jì)算時(shí)間，所以位數(shù)組到底多大，哈希函數(shù)次數(shù)又到底需要計(jì)算多少次合適需要具體情況具體分析。

布隆過(guò)濾器的2大特點(diǎn)

下面這個(gè)就是一個(gè)經(jīng)過(guò)了2次哈希函數(shù)得到的布隆過(guò)濾器，根據(jù)下圖我們很容易看到，假如我們的Redis根本不存在，但是Redis經(jīng)過(guò)2次哈希函數(shù)之后得到的兩個(gè)位置已經(jīng)是1了（一個(gè)是wolf通過(guò)f2得到，一個(gè)是Nosql通過(guò)f1得到）。

所以通過(guò)上面的現(xiàn)象，我們從布隆過(guò)濾器的角度可以得出布隆過(guò)濾器主要有2大特點(diǎn)：

• 1、如果布隆過(guò)濾器判斷一個(gè)元素存在，那么這個(gè)元素可能存在。

• 2、如果布隆過(guò)濾器判斷一個(gè)元素不存在，那么這個(gè)元素一定不存在。

而從元素的角度也可以得出2大特點(diǎn)：

• 1、如果元素實(shí)際存在，那么布隆過(guò)濾器一定會(huì)判斷存在。

• 2、如果元素不存在，那么布隆過(guò)濾器可能會(huì)判斷存在。

PS：需要注意的是，如果經(jīng)過(guò)N次哈希函數(shù)，則需要得到的N個(gè)位置都是1才能判定存在，只要有一個(gè)是0，就可以判定為元素不存在布隆過(guò)濾器中。

fpp

因?yàn)椴悸∵^(guò)濾器中總是會(huì)存在誤判率，因?yàn)楣Ｅ鲎彩遣豢赡馨俜职俦苊獾摹２悸∵^(guò)濾器對(duì)這種誤判率稱(chēng)之為假陽(yáng)性概率，即：False Positive Probability，簡(jiǎn)稱(chēng)為fpp。

在實(shí)踐中使用布隆過(guò)濾器時(shí)可以自己定義一個(gè)fpp，然后就可以根據(jù)布隆過(guò)濾器的理論計(jì)算出需要多少個(gè)哈希函數(shù)和多大的位數(shù)組空間。需要注意的是這個(gè)fpp不能定義為100%，因?yàn)闊o(wú)法百分保證不發(fā)生哈希碰撞。

總結(jié)

其他的內(nèi)容都可以按照路線圖里面整理出來(lái)的知識(shí)點(diǎn)逐一去熟悉，學(xué)習(xí)，消化，不建議你去看書(shū)學(xué)習(xí)，最好是多看一些視頻，把不懂地方反復(fù)看，學(xué)習(xí)了一節(jié)視頻內(nèi)容第二天一定要去復(fù)習(xí)，并總結(jié)成思維導(dǎo)圖，形成樹(shù)狀知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)，方便日后復(fù)習(xí)。

這里還有一份很不錯(cuò)的《Java基礎(chǔ)核心總結(jié)筆記》，特意跟大家分享出來(lái)，需要的話(huà)點(diǎn)擊這里免費(fèi)獲取

目錄：

部分內(nèi)容截圖：

iP-1626932288633)]

部分內(nèi)容截圖：

[外鏈圖片轉(zhuǎn)存中…(img-ulePHIjj-1626932288635)]

[外鏈圖片轉(zhuǎn)存中…(img-Q54A4O50-1626932288637)]

總結(jié)

以上是生活随笔為你收集整理的不愧是Alibaba技术官，java数组实现单向链表的全部?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。