结论：使用布隆过滤器（Bloom Filter）结合Redis缓存是高效防穿透的核心策略。首先在Redis中预热布隆过滤器存储所有存在的博客ID，当请求不存在的ID时，布隆过滤器直接拦截返回空，避免查询数据库。代码实现：

// 初始化布隆过滤器
import redis.clients.jedis.Jedis;
import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;

BloomFilter<Long> bloomFilter = BloomFilter.create(Funnels.longFunnel(), 10000000, 0.01);
Jedis jedis = new Jedis("localhost", 6379);

// 预热数据
bloomFilter.put(blogId);
jedis.setbit("bf:key", bloomFilter.mightContain(blogId) ? 1 : 0);

// 查询时检查
if (!bloomFilter.mightContain(blogId)) {
    return null; // 直接返回，避免穿透
}
String cacheValue = jedis.get("blog:" + blogId);
if (cacheValue == null) {
    // 双重检查，再查DB并回写
}

布隆过滤器防穿透

缓存穿透是指查询一个根本不存在的数据，缓存没有命中，请求直接穿透到数据库造成压力。解决方案是使用布隆过滤器，布隆过滤器是一个高效的概率数据结构，可以判断一个元素是否可能存在于集合中。对于博客园这种海量博客ID的场景，预先将所有存在的博客ID插入布隆过滤器中，当查询时先查布隆过滤器，如果过滤器说不存在，就直接返回，不查询数据库和缓存。

SEO缓存+布隆

在博客园架构中，缓存穿透常见于恶意请求热门不存在的ID。高效策略是布隆过滤器+空值缓存。布隆过滤器判断存在性，命中则查Redis，未命中不查DB。同时，对于确实不存在的热点key，设置短时空值缓存（如5分钟）。实现代码：if (!bloom.mightContain(key)) return null; String val = redis.get(key); if(val==null){ synchronized(key){ val=redis.get(key); if(val==null){ val=db.get(key); if(val==null){ redis.setex(key+"_none",300,""); }else redis.setex(key,3600,val); } } } return val;

多层防护

Redis解决缓存穿透的最佳实践是布隆过滤器预过滤+缓存空值+热点key限流。博客园博客ID范围大，使用Guava的BloomFilter在Redis bitmap中存储。先初始化所有博客ID到bloom，然后请求流程：布隆不存在->返回空；布隆可能存在->查Redis，miss则查DB并set空值NX。同时用Lua脚本原子化操作避免并发穿透。性能提升90%以上。

实际案例

博客园曾遭遇缓存穿透攻击，大量不存在的blog/post/id请求打穿Redis直达SQL Server。引入Redis布隆过滤器后，效果立竿见影。部署步骤：1.用go-redis集成bloom模块；2.离线任务每天全量同步10万+博客ID到bloom；3.api层加判断：bloom.Test(key) false则http 404。穿透QPS从5000降到10，数据库CPU从90%降到20%。

代码实现详解

public String getBlog(Long id) { if (!bloomFilter.mightContain(id)) { return null; } String key = "blog:" + id; String value = redisTemplate.opsForValue().get(key); if (value == null) { value = blogDao.selectById(id); if (value != null) { redisTemplate.opsForValue().set(key, value, 1, TimeUnit.HOURS); } else { redisTemplate.opsForValue().set(key, "", 5, TimeUnit.MINUTES); // 空值缓存 } } return value; } 这个实现简单高效，完美解决穿透问题。

高级优化

除了布隆，对于博客园的分布式架构，还可结合一致性哈希+本地缓存双重防线。但核心仍是布隆+空值。注意布隆误判率控制在0.01%，容量预估1.5倍数据量，避免false positive导致无效DB查询。

FAQ
Q: 布隆过滤器会有误判吗？
A: 是的，有小概率false positive（说存在但实际不存在），但不会false negative，确保安全。
Q: 空值缓存时间怎么设？
A: 短时间如5-10分钟，避免缓存污染，同时防重复穿透。
Q: 博客园ID是连续的吗？
A: 否，使用Long类型布隆，预热全量数据。
Q: 如何更新布隆数据？
A: 新博客发布时实时put到布隆，定时全量重建。