购物车场景下“读穿透”本质是缓存穿透，必须结合用户id校验、布隆过滤器预筛和空对象兜底三者协同防御：仅用空值缓存会导致无效key堆积、内存暴涨、掩盖真实异常；布隆过滤器须基于全量user表构建并增量同步；接口层须强制jwt校验与userid一致性比对。
直接结论：购物车场景下“读穿透”本质是缓存穿透，但不能只靠缓存空值解决——必须结合用户ID校验 + 布隆过滤器预筛 + 空对象兜底，三者缺一不可。
为什么购物车不能只用set(key, "", 60, SECONDS)防穿透
购物车 key 通常是 "cart:" + userId 这类结构，userId 合法性极难穷举。如果攻击者用随机 userId=9999999999 批量请求，缓存空值会迅速堆积大量无效 key，Redis 内存暴涨且 TTL 管理开销剧增。更严重的是，空值缓存会掩盖真实异常（比如用户被禁用、账号注销），导致后续逻辑误判。
常见错误现象：redis-cli --scan --pattern "cart:*" | wc -l 发现数百万 cart key，其中 70% 是空值；监控显示 Redis 内存使用率每小时涨 5%，但实际活跃用户数稳定。
实操建议：
- 空对象仅用于已确认存在的用户（如登录态有效、DB 中查得 user 记录）但 cart 为空的场景
- 对未登录或 userId 格式非法（如负数、超长数字、含字母）的请求，直接在网关层拦截，不进缓存层
- 空对象过期时间严格控制在
30 秒以内，避免长期占位
布隆过滤器必须覆盖“合法用户ID全集”，而非“购物车存在用户”
很多团队把布隆过滤器建在 cart 表上，只塞入当前有购物车数据的 userId —— 这完全无效。攻击者只要找一个“有账号但没加过购物车”的用户 ID，就能绕过过滤器直击数据库。
正确做法是将布隆过滤器构建在 user 表主键上，且必须包含所有历史注册过的 userId（含已注销但未物理删除的）。布隆过滤器本身不存数据，只回答“这个 userId 大概率 存在”。它不是为了 100% 拦截，而是把 99.9% 的恶意请求挡在 Redis 之前。
Redis 缓存和数据结构管理技能。通过自然语言操作 Redis，支持 String、Hash、List、Set、ZSet、Stream 等数据结构操作。当用户提到 Redis、缓存、消息队列、会话存储时使用此技能。
实操建议：
- 使用 Redisson 的
RSetCache或自建RBloomFilter，初始化时从 MySQL 分批加载 user.id（建议每批 10 万，避免 OOM） - 误判率设为
0.01（即 1%），兼顾内存与精度；每日凌晨通过 Canal 监听 user 表新增，增量更新布隆过滤器 - 应用层调用顺序必须是：
checkBloom(userId) → false → 直接返回404；true → 查 Redis cart → null → 查 DB user → 不存在则拒掉
购物车读接口必须做两级参数校验
单纯依赖缓存或布隆过滤器，会在边界场景失效。例如：用户 A 刚注销，布隆过滤器尚未同步；或 userId 被篡改但格式合法（如 userId=123456 实际是 B 用户的 ID）。
所以购物车读接口（如 GET /carts）必须强制携带登录态凭证（如 JWT），并在 Controller 层做硬比对：
实操建议：
- 从 JWT 解析出
sub字段，与 URL/Query 中的userId严格相等校验，不一致直接 403 - 若接口支持“查看他人购物车”（如分享场景），必须走独立权限校验逻辑，绝不能复用同一套缓存 key 结构
- 所有购物车相关 Redis 命令（
HGETALL、HLEN）前，先执行EXISTS cart:{userId}，避免对空 key 频繁执行大命令
真正容易被忽略的点是：布隆过滤器的重建时机和一致性。如果 Canal 监听延迟超过 5 分钟，新注册用户在过滤器生效前就会被判定为“不存在”，导致正常请求被误杀。必须把布隆过滤器更新纳入发布 checklist，并在监控中单独看它的 miss rate 曲线——持续高于 5% 就说明数据源同步出了问题。
