技术分享 | 缓存穿透 - Redis Module 之布隆过滤器

作者:贲绍华

爱可生研发中心工程师,负责项目的需求与维护工作。其他身份:柯基铲屎官。

本文来源:原创投稿

*爱可生开源社区出品,原创内容未经授权不得随意使用,转载请联系小编并注明来源。


一、场景案例

假设目前有一后端接口GET /userinfo/100,实际数据库内也只有最大ID为100的用户。

对于请求参数100以内当然属于是合法请求,但对于10000这种来说明显就异常的请求一样会进入数据库中进行查询,白白消耗DB资源,这就是——缓存穿透。

二、缓存知识

为了方便阅读此处直接上脑图

2.1 缓存失效的三个场景

技术分享 | 缓存穿透 - Redis Module 之布隆过滤器_第1张图片

2.2 缓存预热

技术分享 | 缓存穿透 - Redis Module 之布隆过滤器_第2张图片

三、Redis的内存回收策略

当Redis实例的内存到达上限时就会触发对应的回收策略

3.1 作为缓存使用时:

  • allkeys-lru: Keeps most recently used keys; removes least recently used (LRU) keys
  • allkeys-lfu: Keeps frequently used keys; removes least frequently used (LFU) keys
  • volatile-lru: Removes least recently used keys with the expire field set to true.
  • volatile-lfu: Removes least frequently used keys with the expire field set to true.
  • allkeys-random: Randomly removes keys to make space for the new data added.
  • volatile-random: Randomly removes keys with expire field set to true.
  • volatile-ttl: Removes keys with expire field set to true and the shortest remaining time-to-live (TTL) value.

3.2 作为数据库使用,确保数据不能丢失

  • Noeviction(默认策略)对于写请求不再提供服务,直接返回错误(DEL请求和部分特殊请求除外)

技术分享 | 缓存穿透 - Redis Module 之布隆过滤器_第3张图片

四、Redis Module - 布隆过滤器(RedisBloom)

下面回到主题场景,业务侧该如何确认流量中大于100或小于0的userID就是非法请求呢,答案就是——记下来,判断一下。

当然数据库那边也是这么做的,不过执行成本并不一样,在更靠近客户端的部分进行处理则会有更高的收益。布隆过滤器就是一个用来确认一个元素是否存在于集合内的工具。

介绍:

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。

特性:

  • 布隆过滤器并不是一个精确统计的东西,两个key可能会算得出同样的值。对于业务来说,当返回某个数据存在与过滤器时,这个数据可能不存在与数据库;当返回某个数据不存在时,那么这个数据一定不存在;
  • 布隆过滤器并不能删除元素(布谷鸟过滤器支持)

原理:

插入一个key,通过k次取模算出每次转换后对应的Bit map槽对应的位置,比如“小明“,通过计算后得出其值在1、7两个槽位。则小明={1,7},过滤器标记这两个槽位由0变成1,表示已存在映射。

当判断值是否存在时,如果返回的槽位有为0的,则表示数据不存在。之所以说当某个数据存在与过滤器时,这个数据可能不存在与数据库。是因为哈希会产生碰撞,加入此时”李四“也计算除了李四={1,7}。就会出现这种情况(过滤器存在,数据库不存在)

技术分享 | 缓存穿透 - Redis Module 之布隆过滤器_第4张图片

4.1 Redis Module简介:

Redis提供了一个扩展模块的入口,使用户可以根据需要额外集成一些实用功能。

官网连接:https://redis.io/resources/modules

下边列出一些常见的功能模块

技术分享 | 缓存穿透 - Redis Module 之布隆过滤器_第5张图片

4.2 RedisBloom

仓库地址:https://github.com/RedisBloom/RedisBloom

文档地址:https://redis.io/docs/stack/bloom

RedisBloom同时提供了布隆过滤器与布谷鸟过滤器,适用场景如下:

  • 布隆过滤器:插入性能、可伸缩性较好
  • 布谷鸟过滤器:查询性能较好、允许删除集合中的元素

五、案例说明

前置工作略过(下载、编译、加载、重启Redis)

# redis-cli
# BF就是bloom filter的意思,此时有一位新用户注册了,则业务调用Redis client向过滤器内增加一个名字为userid的filter,并向它添加一个101的值
127.0.0.1:6379> BF.ADD userid 101
(integer) 1
# EXISTS命令检查是否存在:1表示存在
127.0.0.1:6379> BF.EXISTS userid 101
(integer) 1
# EXISTS命令检查是否存在:0表示不存在
127.0.0.1:6379> BF.EXISTS userid 102
(integer) 0
# 查看对应filter内的使用情况
127.0.0.1:6379> BF.INFO userid
# 预设容量
 1) Capacity
 2) (integer) 100
# 实际大小
 3) Size
 4) (integer) 296
# 过滤器个数
 5) Number of filters
 6) (integer) 1
# 过滤器内的元素个数
 7) Number of items inserted
 8) (integer) 1
# 子过滤器扩容系数(默认 2)
 9) Expansion rate
10) (integer) 2
127.0.0.1:6379>
# 更多使用命令介绍见:https://redis.io/commands/?name=bf

在布隆过滤器中没有任何数据时会导致访问全部被拒绝掉,此时需要用到在2.1提到的【缓存预热】来解决这个问题。

布隆过滤器提供了三个配置项,如下:

配置参数 是否支持动态调整 默认值 说明
ERROR_RATE 0.1 容错比例,值越低需要的空间越大
INITIAL_SIZE 100 默认容量大小
CF_MAX_EXPANSIONS 32 布谷鸟过滤器的默认最大扩展

六、总结

  • 布隆过滤器或布谷鸟过滤器可以用来解决缓存穿透的问题;
  • 需要注意数据同步(如新增用户时需要在过滤器添加用户ID)与缓存预热(空过滤器启动前需要把已有数据先写入Redis实例);
  • Redis Module还有许多非常方便使用的功能模块,可以根据需要灵活配置;

你可能感兴趣的:(技术分享,Redis,Module,缓存穿透)