某大型电商平台在“双十二”大促期间，访问量激增，订单与商品查询请求达到平时的数十倍。系统架构采用“应用服务器 + Redis 缓存 + MySQL 数据库”的典型三层结构。促销高峰期间，监控发现数据库 CPU 使用率长期超过 95%，查询响应时间显著上升，部分请求超时，严重影响用户下单体验。经排查发现主要存在以下问题：
- 热点商品数据访问频繁，缓存命中率下降；
- 大量恶意或异常请求持续查询数据库中不存在的商品 ID，导致缓存中无法命中，每次请求都直接访问数据库，形成缓存穿透问题；
- 在缓存失效瞬间，高并发请求直接打到数据库，引发数据库压力骤增，出现类似“击穿”现象。
针对上述问题，架构团队提出以下优化方案：
采用 Redis 集群 实现高可用，结合主从复制与哨兵模式；使用 布隆过滤器（Bloom Filter）对商品 ID 做合法性校验，防止无效请求穿透缓存；在缓存与数据库同步策略上，采用 Write-Through（写穿透）模式保证主从数据一致性。
对比 Memcached，说明 Redis 在该场景下具备的两个主要优势。结合本案例，解释为什么布隆过滤器可以有效解决缓存穿透（或击穿）问题。
相较于 Memcached，Redis 在该电商高并发促销场景下的两个主要优势是：1. 支持丰富的数据结构，适合复杂业务场景；2. 支持持久化、主从复制与高可用机制，系统可靠性更高
布隆过滤器通过在缓存之前拦截不存在的商品 ID 请求，避免无效请求访问数据库，从而有效解决缓存穿透问题，间接防止击穿现象的发生。
在本案例中，Redis 相比 Memcached 更适合作为核心缓存组件，主要体现在以下两个方面。
首先，Redis 支持丰富的数据结构。Redis 不仅支持简单的 Key-Value 字符串类型，还支持 Hash、List、Set、ZSet、Bitmap、HyperLogLog 等多种数据结构。在电商系统中，商品信息、库存、用户行为统计、排行榜等业务模型复杂，往往需要对数据进行聚合、计数、排序等操作。Redis 可以在缓存层直接完成这些逻辑，减少应用层计算和数据库访问压力。而 Memcached 仅支持简单的字符串结构，复杂业务需要在应用层处理，灵活性明显不足。因此在热点商品、高并发访问场景下，Redis 更有优势。
其次，Redis 支持数据持久化和高可用架构。Redis 提供 RDB 和 AOF 两种持久化机制，可以在缓存节点重启后快速恢复数据，避免缓存雪崩。而 Memcached 数据全部存储在内存中，一旦重启数据即全部丢失。在本案例中，Redis 结合 主从复制 + 哨兵模式，可以实现自动故障转移，保证缓存服务的高可用性，这对于双十二这种高峰业务尤为关键。此外，Redis 还支持集群模式，能够实现水平扩展，进一步分担热点访问压力。因此，从可靠性和可扩展性角度看，Redis 明显优于 Memcached。
在本案例中，大量恶意或异常请求不断查询数据库中不存在的商品 ID，这是导致数据库 CPU 使用率过高的重要原因之一。这类请求即使 Redis 缓存工作正常，也无法命中缓存，每次都会直接访问数据库，形成典型的缓存穿透问题。
布隆过滤器是一种基于位数组和多重哈希函数的概率型数据结构，其核心特点是：可以快速判断一个元素“可能存在”或“一定不存在”。系统可以在缓存层之前，将所有合法商品 ID 预先写入布隆过滤器。当请求到达时，先通过布隆过滤器进行校验，如果判断结果为“一定不存在”，则直接返回结果或拒绝请求，不再访问 Redis 和数据库。这样，大量无效商品 ID 请求会被拦截在系统最外层，显著降低数据库访问压力。
需要注意的是，布隆过滤器存在一定的误判率（可能误判为存在），但不会误判不存在为存在。在电商场景中，即使出现少量误判，也只会导致请求继续访问缓存或数据库，不会影响数据正确性。通过合理设置位数组大小和哈希函数数量，可以将误判率控制在可接受范围内。因此，布隆过滤器在高并发、读多写少的业务场景下，是解决缓存穿透问题的高效手段，也能有效防止缓存失效瞬间引发的数据库击穿风险。