Redis缓存雪崩、击穿、穿透解释及解决方法，缓存预热，布隆过滤器 ，互斥锁

       implements UserService {

   @Resource

   private RedissonClient redissonClient;

   @Resource

   private UserMapper userMapper;

   @Override

   // 一定要设置sync = true开启异步，否则会导致多个线程同时获取到锁

   @Cacheable(cacheNames = "user", key = "#id", sync = true)

   public User findById(Long id) {

       /**

        *

        * 加了@Cacheable之后方法体执行说明缓存中不存在所查询的数据
        * 获取一把锁，只要锁的名字一样，就是同一把锁
        */
   

       /**

        * 注意: 设置了lock.lock(10,TimeUnit.SECONDS) 锁过期不会自动续期
        *      1、如果我们传递了锁的过期时间，就发送给redis执行脚本，进行占锁，默认超时就是我们指定的时间
        *      2、如果没有指定锁的超时时间，就使用30000L(LockWatchdogTimeout 看门狗的默认时间)
        *      可通过RedissonConfig-->getRedissonClient()-->config.setLockWatchdogTimeout()设置看门狗时间
        *         只要占锁成功就会启动一个定时任务【就会重新给锁设置过期时间，新的时间就是看门狗的默认时间】,每隔10s都会自动续期，续期成30s
        * 看门狗机制
        * 1、锁的自动续期，如果业务超长，运行期间自动给锁续上新的30s。不用担心因为业务时间长，锁自动过期被删除
        * 2、加锁的业务只要运行完成，就不会给当前锁续期，即使不手动解锁，锁默认在30s以后自动删除
        *
        */
       RLock lock = redissonClient.getLock("redissonClient-lock");
   

       // 对第一个线程执行方法体的线程加锁，加了@Cacheable，方法执行之后会将方法的返回值存入缓存，下一个线程直接读取缓存

       lock.lock(10,TimeUnit.SECONDS);

       User user = new User();

       try {

           user = userMapper.selectById(id);

       } catch (Exception e) {

           e.printStackTrace();

       } finally {

           lock.unlock();

       }

       return user;

   }

}

   import com.google.common.hash.BloomFilter;
   import com.google.common.hash.Funnels;
   /**

* 布隆过滤器
*/   public class BloomFilterTest {
   

   /**

    * @param expectedInsertions 预期插入值
    *                           这个值的设置相当重要，如果设置的过小很容易导致饱和而导致误报率急剧上升，如果设置的过大，也会对内存造成浪费，所以要根据实际情况来定
    * @param fpp                误差率，例如：0.001,表示误差率为0.1%
    * @return 返回true，表示可能存在，返回false一定不存在
    */
   public static boolean isExist(int expectedInsertions, double fpp) {
       // 创建布隆过滤器对象
       BloomFilter<Integer> filter = BloomFilter.create(Funnels.integerFunnel(), 500, 0.01);

       // 判断指定元素是否存在

       System.out.println(filter.mightContain(10));

       // 将元素添加进布隆过滤器

       filter.put(10);

       // 再判断指定元素是否存在

       System.out.println(filter.mightContain(10));

       return filter.mightContain(10);

   }

   //主类中进行测试

   public static void main(String[] args) {

       boolean exist = isExist(100000000, 0.001);

   }

}