缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时需要从数据库查询，查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到数据库去查询，造成缓存穿透。解决办法有缓存空对象和使用布隆过滤器。

一、缓存空数据

如果一个查询返回的数据为空（不管是数据不存在，还是系统故障），仍然把这个空结果进行缓存，但它的过期时间会很短，最长不超过五分钟。

缓存空对象会有两个问题：

第一，空值做了缓存，意味着缓存层中存了更多的键，需要更多的内存空间 ( 如果是攻击，问题更严重 )，比较有效的方法是针对这类数据设置一个较短的过期时间，让其自动剔除。

第二，缓存层和存储层的数据会有一段时间窗口的不一致，可能会对业务有一定影响。例如过期时间设置为5分钟，如果此时存储层添加了这个数据，那此段时间就会出现缓存层和存储层数据的不一致，此时可以利用消息系统或者其他方式清除掉缓存层中的空对象。

二、使用布隆过滤器

2.1 什么是布隆过滤器

布隆过滤器（Bloom Filter）是一个占用空间很小、效率很高的数据结构，它由一个bit数组和一组Hash算法构成，可用于判断一个元素一定不存在或者可能存在。

2.2 原理

讲述布隆过滤器的原理之前，我们先思考一下，通常判断某个元素是否存在用的是什么？应该大多数人都会使用 HashMap 吧，确实可以将值映射到 HashMap 的 Key，然后可以在 O(1) 的时间复杂度内返回结果，效率很高。但是 HashMap 的实现也有缺点，例如存储容量占比高，考虑到负载因子的存在，通常空间是不能被用满的（默认负载因子是0.75，也就是存储75个元素，至少需要100个空间，还可能产生碰撞），而一旦你的值很多例如上亿的时候，那 HashMap 占据的内存大小就变得很可观了。

2.2.1 布隆过滤器的数据结构

布隆过滤器初始化状态是一个全为0的bit数组：

如果我们要映射一个值到布隆过滤器中，需要使用多个不同的哈希函数生成多个哈希值，并将每个哈希函数生成的哈希值指向的bit位置 1。例如，值"baidu"和三个不同的哈希函数分别生成了哈希值 1、4、7，如下图所示：

如果现在再存一个值"tencent"，哈希函数分别返回 3、4、8，如下图所示：

值得注意的是，"baidu"和"tencent"两个值的哈希函数都指向了4这个 bit 位，因此它被覆盖了。

现在如果我们想查询 “dianping” 这个值是否存在，哈希函数返回了 1、5、8三个值，结果我们发现 5 这个 bit 位上的值为 0，说明没有任何一个值映射到这个 bit 位上，因此我们可以很确定地说 “dianping” 这个值不存在。而如果我们需要查询 “baidu” 这个值是否存在的话，哈希函数必然会返回 1、4、7，然后我们检查发现这三个 bit 位上的值均为 1，那么我们可以说 “baidu” 存在了么？答案是不可以，只能是 “baidu” 这个值可能存在。这是为什么呢？答案跟简单，因为随着增加的值越来越多，被置为 1 的 bit 位也会越来越多，这样即使某个值没有被存储过，但是万一哈希函数返回的三个 bit 位都被其他值置为了 1 ，那么程序还是会判断这个值存在。

2.2.2 是否可以删除

目前我们知道布隆过滤器可以支持 add 和 isExist 操作，那么 delete 操作可以么？答案是不可以，例如上图中的 bit 位 4 被两个值共同覆盖的话，一旦你删除其中一个值例如 “tencent” 而将其置为 0，那么下次判断另一个值例如 “baidu” 是否存在的话，会直接返回 false，而实际上你并没有删除它。

如何解决这个问题呢？答案是计数删除。但是计数删除需要存储一个数值，而不是原先的 bit 位，会增大占用的内存大小。这样的话，增加一个值就是将对应索引槽上存储的值加一，删除则是减一，判断是否存在则是看值是否大于0。