必须严格按“先布隆→再缓存→最后DB”顺序执行,布隆前置校验不可并列或后置,空对象需语义化存储并动态TTL,否则布隆失效且空值加剧内存膨胀。

直接说结论:不能只“保存空对象 + 设置布隆过滤器”就完事,必须严格按 先查布隆 → 布隆说不存在就返回 → 存在才查缓存 → 缓存未命中再查 DB → DB 为空才写空对象 这个顺序执行,否则布隆形同虚设,空对象还可能加剧内存膨胀。
布隆过滤器必须前置校验,不能和缓存逻辑并列
很多人把布隆当成“另一个缓存层”,在代码里写成“先查 Redis,没命中再查布隆”,这是典型错误。布隆的唯一价值是快速排除“绝对不存在”的 key,一旦它被放在缓存之后,攻击流量已经打到 Redis 甚至 DB 了,防护意义归零。
- 正确入口点:所有读请求的第一行逻辑必须是
bloomFilter.mightContain("user:12345")(Java)或BF.EXISTS filter_key "user:12345"(Redis 原生命令) - 若返回
false,立刻返回 404 或空响应,不碰 Redis、不查 DB - 若返回
true,才走后续缓存逻辑——此时布隆已承担粗筛职责,误判率可控,压力大幅下降 - 注意:布隆过滤器初始化必须覆盖全量合法 key,比如商品 ID 全集导出后批量
BF.ADD,不能靠运行时“边查边加”
缓存空对象不是存 "" 或 null,要带语义和 TTL
空对象不是为了“让缓存命中有值”,而是为了阻断重复无效查询。存错格式或 TTL,轻则逻辑混乱,重则 Redis 内存被随机 key 扫描打爆。
- 空值内容必须可区分:推荐用
{"__empty__":true,"reason":"not_found"},避免和业务返回的字符串"null"、""混淆 - TTL 不能写死:用户类接口建议
120秒,商品类高频场景可压到30秒,防止真实数据插入后长期不可见 - 写入命令必须带过期:用
SET user:9999999 "" EX 30,别用SET+EXPIRE两步,存在竞态风险 - 应用层必须二次判断:从 Redis 读到值后,先 JSON 解析,检查是否含
__empty__字段,再决定返回 404 还是正常数据
Redis 原生布隆 vs 客户端布隆,选哪个?
Redis 6.2+ 虽支持 BF.RESERVE/BF.ADD,但生产环境不建议直接依赖它做主过滤器。
- 网络开销大:每次查询都要一次 Redis 往返,高并发下延迟明显,反而可能成为瓶颈
- 扩容困难:布隆过滤器大小需预估,
BF.RESERVE后无法 resize,误判率调低又吃内存 - 更稳方案:用客户端布隆(如 Java Guava 的
BloomFilter),本地内存加载,查速 O(1);Redis 只存一份用于多实例同步的位图快照(每日定时全量重建) - 若必须用 Redis 原生,务必搭配
BF.SCANDUMP/BF.LOADCHUNK实现热更新,避免服务重启后过滤器丢失
最易被忽略的一点:布隆过滤器不支持删除,一旦漏加或误删某个合法 key,它就永远“不存在”了。所以必须配双写机制——DB 写入新记录时,同步调用 BF.ADD 或客户端 bloomFilter.put(),且每日凌晨跑全量重建任务兜底。











