面试题背景
在高并发系统中，缓存穿透是一个经典且高频的面试考点。所谓缓存穿透，是指客户端请求查询一个数据库中不存在的数据，由于缓存中也没有这条数据，每次请求都会直接打到数据库上。如果这类请求被恶意利用（例如伪造大量不存在的 ID 发起攻击），数据库可能在短时间内承受巨大压力甚至被打垮。
面对这个问题，最常用的解决方案之一就是 Redis + 布隆过滤器（Bloom Filter）。本文将从面试答题的角度，把原理、落地方式和常见追问一次讲清楚。
一、缓存穿透的本质
正常缓存流程是：
- 请求先查 Redis 缓存。
- 命中则直接返回。
- 未命中则查数据库，再把结果写回缓存。
问题出在第 2、3 步之间：如果查询的 key 在数据库中根本不存在，那么缓存永远不会被写入，导致每次请求都穿透到数据库。这与缓存击穿（热点 key 失效）和缓存雪崩（大量 key 同时失效）不同，穿透的关键是“数据本身不存在”。
二、布隆过滤器是什么
布隆过滤器是一种空间效率极高的概率型数据结构，用于判断一个元素“可能存在”或“一定不存在”。
它的核心结构是一个很长的位数组（bit array）和若干个哈希函数：
- 添加元素：用 k 个哈希函数对元素求值，得到 k 个位置，把这些位置的 bit 置为 1。
- 查询元素：同样计算 k 个位置，只要有一个位置是 0，就说明该元素一定不存在；如果全为 1，则说明元素可能存在。
注意这里的关键特性：布隆过滤器只会误判“存在”，不会误判“不存在”。也就是说，它说“不存在”就一定不存在，这就足够用来拦截穿透请求了。
三、如何用它解决缓存穿透
整体思路是：在访问缓存和数据库之前，先用布隆过滤器做一层前置校验。
具体流程如下：
- 预热阶段：把数据库中所有合法的 key（例如所有商品 ID、用户 ID）预先加载进布隆过滤器。
- 请求到来时：
- 先用布隆过滤器判断该 key 是否存在。
- 如果判断为“不存在”，直接返回空结果，不查缓存、不查数据库。
- 如果判断为“可能存在”，再走正常的缓存 → 数据库查询流程。
- 新增数据时：向数据库写入新数据后，同步把该 key 加入布隆过滤器。
这样一来，那些查询不存在数据的恶意请求会在布隆过滤器这一层被直接拦掉，数据库压力大幅降低。
四、代码示例（伪代码）
public Object query(String key) {
// 1. 布隆过滤器前置校验
if (!bloomFilter.mightContain(key)) {
// 一定不存在，直接返回，避免穿透
return null;
}
// 2. 查缓存
Object cacheValue = redis.get(key);
if (cacheValue != null) {
return cacheValue;
}
// 3. 查数据库
Object dbValue = db.query(key);
if (dbValue != null) {
redis.set(key, dbValue, EXPIRE_TIME);
}
return dbValue;
}
配合 Redis 时，通常使用 RedisBloom 模块（提供 BF.ADD、BF.EXISTS 命令），或者用 Guava 的 BloomFilter 在应用层实现。分布式场景下更推荐 RedisBloom，保证多实例共享同一份过滤数据。
五、关键参数与误判率
布隆过滤器的误判率（false positive rate）由三个因素决定：
- 位数组长度 m
- 哈希函数个数 k
- 预期插入元素数量 n
在面试中常被问到如何估算。给定 n 和期望误判率 p，最优的位数组长度为：
m ≈ -n * ln(p) / (ln2)^2
最优哈希函数个数为：
k = (m / n) * ln2
例如预期插入 100 万个元素、误判率控制在 1%，大约需要 958 万 bit（约 1.14 MB）和 7 个哈希函数。可以看到，布隆过滤器非常节省内存，这也是它适合做前置拦截的原因。
六、优缺点与注意事项
优点：
- 空间占用极小，查询时间复杂度为 O(k)。
- 拦截不存在的数据，效果显著。
- 不存在“漏判不存在”的情况。
缺点与坑点：
- 存在误判：判断“存在”时可能是假阳性，导致少量请求仍会穿透，但比例可控。
- 不支持删除：标准布隆过滤器无法删除元素，因为置 1 的位可能被多个元素共享。若业务需要删除，可考虑计数布隆过滤器（Counting Bloom Filter）或布谷鸟过滤器。
- 数据同步问题：数据库新增数据后必须同步更新过滤器，否则新数据会被误判为不存在。通常采用异步补偿或定时重建。
- 预热成本：初始化时需要把全量合法 key 加载进去，数据量大时要注意耗时。
七、与其他方案的对比
面试中常被追问“还有哪些方案，怎么选”：
- 缓存空对象：把查询结果为空的 key 也缓存起来（设较短过期时间）。实现简单，但会占用额外内存，且可能被大量随机 key 攻击。
- 布隆过滤器：内存占用小，能拦截绝大多数无效请求，适合 key 集合相对固定的场景。
- 接口层限流/参数校验：从源头限制非法请求，通常作为补充手段。
实际生产中，布隆过滤器 + 缓存空对象组合使用是常见做法：过滤器挡住大部分，空对象兜住漏网的假阳性请求。
八、面试答题要点总结
回答这道题时，建议按以下逻辑组织：
- 先解释缓存穿透的定义和危害。
- 说明布隆过滤器的原理，强调“说不存在就一定不存在”。
- 讲清前置校验的完整流程。
- 补充误判率、不支持删除、数据同步等关键细节。
- 最后对比其他方案，体现方案的取舍能力。
掌握这几点，基本可以完整、有深度地回答“Redis 布隆过滤器如何解决缓存穿透”这道高频面试题。
未经允许不得转载：任鹏个人博客 » Redis 布隆过滤器如何解决缓存穿透
