详解Redis缓存击穿以及解决方案

接下来我们来看一下，误判率为0.03时，底层维护的bit数组的长度如下图所示：

将bloomfilter的构造方法改为：

private static BloomFilter<Integer> bloomFilter = BloomFilter.create(Funnels.integerFunnel(), size,0.01); 

即，此时误判率为0.01。在这种情况下，底层维护的bit数组的长度如下图所示

由此可见，误判率越低，则底层维护的数组越长，占用空间越大。因此，误判率实际取值，根据服务器所能够承受的负载来决定，不是拍脑袋瞎想的。

(3) 实际使用

redis伪代码如下所示：

String get(String key) { 
String value = redis.get(key); 
if (value == null) { 
if(!bloomfilter.mightContain(key)){ 
return null; 
}else{ 
value = db.get(key); 
redis.set(key, value); 
} 
} 
return value； 
} 

优点

• 思路简单
• 保证一致性
• 性能强

缺点

• 代码复杂度增大
• 需要另外维护一个集合来存放缓存的Key
• 布隆过滤器不支持删值操作

【编辑推荐】

1. B站数据库“脱裤”？如何让你的数据不“裸露”？
2. 浅谈数据库防火墙技术及应用
3. 数据库防火墙的阻断方式：行为阻断或者Session阻断?
4. 数据库防火墙商业化的前提条件
5. 如何应对服务器安全威胁？听听Sophos专家怎么说

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!