✅ 项目概述
在高并发系统中，缓存穿透 是一个经典问题：当恶意请求或业务逻辑查询一个数据库中不存在的 Key，由于缓存中也没有，请求会直接打到数据库，导致数据库压力激增，甚至宕机。
本项目使用 Spring Boot + Redis + Guava 布隆过滤器 实现一个完整的解决方案，有效防止缓存穿透，提升系统稳定性与性能。
📌 项目结构
bloom-filter-demo/
├── src/
│ ├── main/
│ │ ├── java/
│ │ │ └── com/example/bloomfilterdemo/
│ │ │ ├── controller/
│ │ │ │ └── ProductController.java
│ │ │ ├── service/
│ │ │ │ └── ProductService.java
│ │ │ ├── config/
│ │ │ │ └── RedisBloomFilterConfig.java
│ │ │ └── BloomFilterDemoApplication.java
│ │ └── resources/
│ │ ├── application.yml
│ │ └── data/products.csv # 模拟商品数据
├── pom.xml
└── README.md
📌 第一步：添加 Maven 依赖
<!-- pom.xml -->
<dependencies><!-- Spring Boot Web --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!-- Spring Boot Data Redis --><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId></dependency><!-- Guava（提供 BloomFilter） --><dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>32.1.3-jre</version></dependency><!-- Lombok（简化代码） --><dependency><groupId>org.projectlombok</groupId><artifactId>lombok</artifactId><scope>provided</scope></dependency><!-- CSV 解析（用于初始化数据） --><dependency><groupId>com.opencsv</groupId><artifactId>opencsv</artifactId><version>5.7.1</version></dependency>
</dependencies>
📌 第二步：配置文件（application.yml）
server:port: 8080spring:redis:host: localhostport: 6379password: lettuce:pool:max-active: 8max-idle: 8timeout: 5s# Redis 序列化配置（可选）cache:type: redis
📌 第三步：创建商品实体类
// src/main/java/com/example/bloomfilterdemo/entity/Product.java
package com.example.bloomfilterdemo.entity;import lombok.Data;@Data
public class Product {private String id;private String name;private Double price;private String category;
}
📌 第四步：配置布隆过滤器与 Redis
// src/main/java/com/example/bloomfilterdemo/config/RedisBloomFilterConfig.java
package com.example.bloomfilterdemo.config;import com.google.common.hash.Funnels;
import com.google.common.util.concurrent.Uninterruptibles;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.data.redis.core.StringRedisTemplate;
import com.google.common.hash.BloomFilter;import javax.annotation.PostConstruct;
import java.nio.charset.StandardCharsets;
import java.util.concurrent.TimeUnit;@Configuration
public class RedisBloomFilterConfig {@Autowiredprivate StringRedisTemplate stringRedisTemplate;// 布隆过滤器（存储所有存在的商品ID）private BloomFilter<String> bloomFilter;// Redis Keyprivate static final String BLOOM_FILTER_KEY = "bloom:products";@Beanpublic BloomFilter<String> bloomFilter() {// 预估元素数量：10万，误判率：0.01%this.bloomFilter = BloomFilter.create(Funnels.stringFunnel(StandardCharsets.UTF_8), 100000, 0.0001);return bloomFilter;}/*** 项目启动时初始化布隆过滤器* 实际项目中可从数据库或缓存中加载所有存在的 ID*/@PostConstructpublic void initBloomFilter() {// 模拟：从数据库加载所有商品IDfor (int i = 1; i <= 10000; i++) {String productId = "P" + i;bloomFilter.put(productId);// 同时将真实数据存入 Redis（模拟缓存）stringRedisTemplate.opsForValue().set("product:" + productId, "Product Data " + productId);}System.out.println("✅ 布隆过滤器初始化完成，加载 10000 个商品ID");}/*** 手动添加新商品到布隆过滤器（可选）*/public void addProductToBloom(String productId) {bloomFilter.put(productId);// 异步更新 Redis（或持久化到 DB）stringRedisTemplate.opsForValue().set("product:" + productId, "New Product Data");}
}
📌 第五步：商品服务层
// src/main/java/com/example/bloomfilterdemo/service/ProductService.java
package com.example.bloomfilterdemo.service;import com.example.bloomfilterdemo.config.RedisBloomFilterConfig;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;@Service
public class ProductService {@Autowiredprivate StringRedisTemplate stringRedisTemplate;@Autowiredprivate RedisBloomFilterConfig bloomFilterConfig;/*** 查询商品信息（带布隆过滤器防护）* @param productId* @return 商品信息或 null*/public String getProduct(String productId) {// 1. 先通过布隆过滤器判断是否存在if (!bloomFilterConfig.bloomFilter.mightContain(productId)) {System.out.println("❌ 布隆过滤器判定：商品ID " + productId + " 不存在（可能误判）");return null; // 直接返回，避免查缓存和数据库}// 2. 布隆过滤器认为可能存在，查 Redis 缓存String cacheKey = "product:" + productId;String productData = stringRedisTemplate.opsForValue().get(cacheKey);if (productData != null) {System.out.println("✅ Redis 缓存命中：" + productId);return productData;}// 3. 缓存未命中，查数据库（此处模拟）String dbData = queryFromDatabase(productId);if (dbData != null) {// 4. 写入缓存（设置过期时间）stringRedisTemplate.opsForValue().set(cacheKey, dbData, 30, java.util.concurrent.TimeUnit.MINUTES);System.out.println("📦 数据库查询并写入缓存：" + productId);return dbData;} else {// 5. 数据库也不存在，可选择缓存空值（防缓存穿透二次攻击）// stringRedisTemplate.opsForValue().set(cacheKey, "", 1, TimeUnit.MINUTES);System.out.println("❌ 数据库查询失败：商品ID " + productId + " 不存在");return null;}}/*** 模拟数据库查询*/private String queryFromDatabase(String productId) {// 模拟：只有 P1 ~ P10000 存在try {Thread.sleep(10); // 模拟数据库延迟} catch (InterruptedException e) {Thread.currentThread().interrupt();}if (productId.matches("P\\d{1,5}") && Integer.parseInt(productId.substring(1)) <= 10000) {return "【数据库】商品详情 - " + productId;}return null;}
}
📌 第六步：控制器层
// src/main/java/com/example/bloomfilterdemo/controller/ProductController.java
package com.example.bloomfilterdemo.controller;import com.example.bloomfilterdemo.service.ProductService;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.RestController;@RestController
public class ProductController {@Autowiredprivate ProductService productService;/*** 查询商品信息* 测试正常请求：http://localhost:8080/product/P123* 测试穿透请求：http://localhost:8080/product/P999999*/@GetMapping("/product/{id}")public String getProduct(@PathVariable String id) {long start = System.currentTimeMillis();String result = productService.getProduct(id);long cost = System.currentTimeMillis() - start;if (result == null) {return "商品不存在，耗时：" + cost + "ms";}return result + "（耗时：" + cost + "ms）";}
}
📌 第七步：启动类
// src/main/java/com/example/bloomfilterdemo/BloomFilterDemoApplication.java
package com.example.bloomfilterdemo;import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;@SpringBootApplication
public class BloomFilterDemoApplication {public static void main(String[] args) {SpringApplication.run(BloomFilterDemoApplication.class, args);System.out.println("🚀 Spring Boot + Redis + 布隆过滤器 项目启动成功！");System.out.println("🎯 访问测试：http://localhost:8080/product/P123");System.out.println("🎯 穿透测试：http://localhost:8080/product/P999999");}
}
📌 第八步：测试与验证
1. 启动项目
确保 Redis 服务已运行，然后启动 Spring Boot 项目。
2. 正常请求（缓存命中）
http://localhost:8080/product/P123
输出：
【数据库】商品详情 - P123（耗时：15ms）
# 第二次请求
商品详情 - P123（耗时：2ms） # Redis 缓存命中
3. 缓存穿透请求（布隆过滤器拦截）
http://localhost:8080/product/P999999
输出：
商品不存在，耗时：1ms
✅ 关键点：该请求未进入缓存查询，也未访问数据库，直接被布隆过滤器拦截，耗时极低。
✅ 方案优势总结
| 优势 | 说明 |
|---|---|
| ⚡ 高效拦截 | 不存在的 Key 被布隆过滤器快速拦截，避免查缓存和数据库 |
| 💾 内存友好 | 布隆过滤器空间效率高，10万数据仅需几十 KB |
| 🛡️ 高并发防护 | 有效防止恶意刷不存在的 Key 导致数据库雪崩 |
| 🔄 可扩展 | 支持动态添加新数据（如新增商品） |
📚 注意事项与优化建议
- 误判率权衡：布隆过滤器有误判率（False Positive），但不会漏判。可根据业务调整大小和误判率。
- 数据一致性：当数据库新增数据时，需同步更新布隆过滤器。
- 替代方案：也可使用 Redis 自带的 RedisBloom 模块（需编译安装），支持
BF.ADD、BF.EXISTS等命令。 - 缓存空值：对于高频但不存在的 Key，可结合“缓存空值 + 短 TTL”进一步优化。
📚 推荐阅读
- Guava BloomFilter 官方文档
![[机器学习]08-基于逻辑回归模型的鸢尾花数据集分类](http://pic.xiahunao.cn/[机器学习]08-基于逻辑回归模型的鸢尾花数据集分类)
