空值缓存会放大带宽消耗，因其强制每次无效请求都走完整TCP链路，恶意大量随机key导致Redis处理海量小包、带宽被无效流量占满；布隆过滤器必须前置在Redis之前拦截“绝对不存在”的请求，否则无效；空值缓存仅对高频重复无效key有效，需配合格式校验、频次限制和极短value；本地缓存应作为第一道防线拦截重复无效key，减少网络请求。
为什么空值缓存会放大带宽消耗
很多人以为缓存空值（SET user:999999 "NULL" EX 60）只是占点内存，其实它会显著增加 Redis 实例的网络带宽压力。每次空值读取都要走一次完整的 TCP 请求/响应链路，而恶意请求往往携带大量不同 key（如 user:123456789、user:123456790…），导致 Redis 持续处理海量小包请求——带宽被无效流量吃满，甚至触发内核 tcp_mem 阈值告警。
布隆过滤器必须前置在 Redis 之前
布隆过滤器本身不产生 Redis 网络调用，但它的部署位置决定是否真能省带宽。常见错误是把布隆过滤器放在应用层查完 Redis 之后再用，这毫无意义；正确做法是：所有请求先过布隆过滤器，命中“绝对不存在”就直接返回 404，连 Redis 连接都不建。
Redis Skill - 高性能缓存管理
下载
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。
- 使用
guava或redisbloom模块时，确保初始化阶段将全量合法 key（如用户 ID、商品 SKU）一次性加载进过滤器，而不是运行时动态写入 - 若业务有删数据场景，布隆过滤器无法删除元素，必须配合定时重建（如每天凌晨用最新主键集生成新 filter，双 buffer 切换）
- 误判率设为
0.01（1%）时，1 亿 key 占用约 1.2GB 内存；设为0.001（0.1%）则翻倍，需权衡带宽节省 vs 内存开销
空值缓存只对高频重复无效 key 有效
如果攻击者每秒生成 10 万个随机 key（如 order:abc123、order:def456…），缓存空值反而让 Redis 变成“无效 key 垃圾桶”，既耗内存又增带宽。这时空值策略应加条件：
- 只对符合业务格式的 key 缓存空值（例如
user:\d{10}才允许写SET，其他非法格式直接拦截） - 用
INCR+EXPIRE组合做请求频次统计，单个 key 5 秒内超 3 次未命中才写空值，避免被扫库式请求拖垮 - 空值 value 统一用极短字符串（如
""或"-"），别用 JSON 或长标记，减少序列化/传输体积
本地缓存要拦住第一波无效请求
Redis 带宽消耗本质是“请求到达 Redis 进程”才开始计算。在应用进程内加一层轻量本地缓存（如 Caffeine 的 CacheLoader），能直接拦截大部分重复无效 key，根本不会发网络请求。
- 配置
maximumSize(10000)+expireAfterWrite(1, TimeUnit.MINUTES)，足够覆盖常见无效 key 的重试窗口 - 本地缓存的 key 判定逻辑必须和布隆过滤器一致（例如都用相同哈希函数），避免出现“本地说存在，布隆说不存在”的冲突
- 注意 JVM 堆内存水位，别让本地缓存无限制增长，建议开启
recordStats()监控 hit/miss ratio
