高并发场景下，解决 Redis 缓存穿透最可控的手段是在缓存查询前部署布隆过滤器拦截非法 key。它适用于 key 空间明确且允许少量误判的场景，但需注意布隆过滤器不支持删除且存在误判率。

命令速用版

RedisBloom 模块提供原生命令支持，可直接在 Redis 客户端操作布隆过滤器。

# 创建过滤器（误判率 0.01，容量 1000）
BF.RESERVE myBloom 0.01 1000
# 添加元素
BF.ADD myBloom user:1001
# 检查元素是否存在（返回 1 可能存在，0 一定不存在）
BF.EXISTS myBloom user:1001

为什么会这样

缓存穿透是指查询不存在的数据导致请求直达数据库，布隆过滤器通过位数组和哈希函数判断元素一定不存在或可能存在。

正常缓存流程中，Redis 未命中会查询数据库，若数据库也无数据，攻击者可通过随机 key 持续打穿缓存层。布隆过滤器本质是内存中的概率型集合，只能回答“这个 key 可能存在”或“一定不存在”。它必须部署在缓存查询之前，否则就失去拦截意义。正确链路为请求先经过布隆过滤器，若判定“一定不存在”则直接返回，不再查询 Redis 和 DB。

分步处理

实施布隆过滤器需按步骤完成模块安装、数据初始化和链路集成，每一步都有明确的检查点。

1. 安装 RedisBloom 模块
使用 Docker 一键安装或源码编译安装 RedisBloom 模块，验证安装后确保 BF 命令可用。

2. 初始化全量合法 key
初始化时要把所有合法 user_id、product_id 全量哈希进去，增量数据需同步更新布隆结构。若你有 1 亿个合法用户 ID，要求误判率≤0.1%，布隆过滤器至少需要约 1.4 GB 内存，生产环境必须按真实数据量预估。

3. 请求链路插入过滤器
代码逻辑中，在查询 Redis 前调用 BF.EXISTS。若返回 0，直接返回空结果；若返回 1，继续查询 Redis 和 DB。

4. 处理误判和删除问题
布隆过滤器不支持删除，被软删除的 ID 仍会“存在”于过滤器中，需配合逻辑删除 + TTL 缓存兜底。别用 String 拼接做简易布隆，它没有抗碰撞设计，攻击者可轻易构造哈希冲突绕过。

怎么验证是否生效

验证生效需观察数据库负载变化及过滤器内存状态，确认拦截逻辑未被绕过。

1. 监控数据库 QPS
对比接入前后数据库查询量，有实践案例显示接入后数据库查询量显著下降，响应时间缩短。

2. 检查过滤器内存
使用 Redis MEMORY USAGE 命令检查布隆过滤器占用内存，确保未超出预估容量。

3. 模拟非法请求
发送大量不存在的 key 请求，确认请求在布隆过滤器层被拦截，未到达数据库层。

常见坑

实施过程中需注意容量规划、删除限制和前置位置，避免业务报错或拦截失效。

• 误判率与容量绑定：误判率和容量是布隆过滤器的一体两面，改一个必动另一个。如果用太小的 bitmap，误判率飙升，会导致大量合法请求被误杀，业务直接报错。
• 不支持删除：标准布隆过滤器不支持删除元素，用户注销等场景需配合逻辑删除处理。
• 必须前置：若部署在 Redis 未命中之后，此时穿透已经发生，拦截失去意义。
• 需搭配参数校验：布隆过滤器防的是“不存在的 key”，但挡不住“存在却非法的请求”，如 user_id = -1，需在布隆前加一层基础校验。

常见问题

布隆过滤器支持删除元素吗？

标准布隆过滤器不支持删除元素，因为多个元素可能映射到位数组的同一位置，删除会影响其他元素判断。

空值缓存能替代布隆过滤器吗？

空值缓存对正常业务有效，但面对攻击者用随机 key 疯狂刷接口时，会迅速堆积海量无效 key 吃光 Redis 内存，无法区分“真不存在”和“暂时没数据”。

误判率设置多少合适？

生产环境必须按真实数据量预估，不能拍脑袋。误判率设置越小，使用的内存就越多，需根据业务容忍度平衡。

参考来源

• Redis 如何彻底解决缓存穿透问题_通过布隆过滤器拦截非法请求
• Redis 布隆过滤器实战：从原理到代码实现缓存穿透防线
• 布隆过滤器原理与 Redis 防穿透实战
• Redis 应用 - 布隆过滤器：高效解决海量数据过滤难题
• Redis 缓存穿透，缓存击穿，缓存雪崩的解决方案与布隆过滤器
• redis 缓存穿透穿透解决方案 - 布隆过滤器
• redis 使用布隆过滤器解决缓存穿透 - 面试宝典
• 技术分享 | 缓存穿透 - Redis Module 之布隆过滤器
• java 布隆过滤器解决 redis 缓存穿透_redis 缓存怎么过滤数据
• Redis_缓存雪崩、缓存穿透、基于布隆过滤器解决缓存穿透的问题、缓存击穿、基于缓存击穿工作实际案例