Redis实战之缓存：查询、添加缓存、更新缓存、缓存预热、缓存穿透、缓存雪崩、缓存击穿 解决方案及实例代码 |
您所在的位置：网站首页 › 前端如何做缓存数据 › Redis实战之缓存：查询、添加缓存、更新缓存、缓存预热、缓存穿透、缓存雪崩、缓存击穿 解决方案及实例代码 |
Redis实战之缓存：查询、添加缓存、更新缓存、缓存预热、缓存穿透、缓存雪崩、缓存击穿 解决方案及实例代码
|
缓存
什么是缓存?
缓存(Cache), 就是数据交换的缓冲区,俗称的缓存就是缓冲区内的数据,一般从数据库中获取,存储于本地代码。 为什么要使用缓存？ 缓存数据存储于代码中,而代码运行在内存中,内存的读写性能远高于磁盘,缓存可以大大降低用户访问并发量带来的服务器读写压力；实际开发过程中,企业的数据量,少则几十万,多则几千万,这么大数据量,如果没有缓存来作为"避震器",系统是几乎撑不住的,所以企业会大量运用到缓存技术;但是缓存也会增加代码复杂度和运营的成本
实际开发中,会构筑多级缓存来使系统运行速度进一步提升,本次介绍 redis 中的缓存并发使用。 查询、添加缓存 缓存模型和思路标准的操作方式就是查询数据库之前先查询缓存，如果缓存数据存在，则直接从缓存中返回，如果缓存数据不存在，再查询数据库，然后将数据存入redis。 缓存更新是redis为了节约内存而设计出来的一个东西，主要是因为内存数据宝贵，当我们向redis插入太多数据，此时就可能会导致缓存中的数据过多，所以redis会对部分数据进行更新，或者把他叫为淘汰更合适。 内存淘汰：redis自动进行，当redis内存达到咱们设定的max-memery的时候，会自动触发淘汰机制，淘汰掉一些不重要的数据(可以自己设置策略方式)超时剔除：当我们给redis设置了过期时间ttl之后，redis会将超时的数据进行删除，方便咱们继续使用缓存主动更新：我们可以手动调用方法把缓存删掉，通常用于解决缓存和数据库不一致问题 数据库缓存不一致解决方案由于我们的缓存的数据源来自于数据库,而数据库的数据是会发生变化的,因此,如果当数据库中数据发生变化,而缓存却没有同步,此时就会有一致性问题存在。 Cache Aside Pattern： 人工编码方式，缓存调用者在更新完数据库后再去更新缓存，也称之为双写方案Read/Write Through Pattern : 由系统本身完成，数据库与缓存的问题交由系统本身去处理Write Behind Caching Pattern ：调用者只操作缓存，其他线程去异步处理数据库，实现最终一致综合考虑使用方案一，Cache Aside Pattern。方案一调用者如何处理呢？ 删除缓存还是更新缓存？ 更新缓存：每次更新数据库都更新缓存，无效写操作较多删除缓存：更新数据库时让缓存失效，查询时再更新缓存 先操作缓存还是先操作数据库？ 先删除缓存，再操作数据库先操作数据库，再删除缓存 如何保证缓存与数据库的操作的同时成功或失败？ 单体系统，将缓存与数据库操作放在一个事务分布式系统，利用TCC等分布式事务方案
案例代码
/**
* 查询资源详情
* @param id
* @return
*/
@Override
public ResModel getResource(Integer id) {
String key = CACHE_RESOURCE_KEY + id;
//查询缓存
String json = redisTemplate.opsForValue().get(key);
if (StrUtil.isNotBlank(json)){//缓存存在
Resource resource = JSONUtil.toBean(json,Resource.class);
return ResModel.success(Code.SUCCESS,resource);
}
//缓存不存在，查询数据库
Resource resource = getById(id);
if (resource==null){
return ResModel.error(Code.NON_EXISTENT);
}
//添加缓存
redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(resource), Duration.ofMinutes(30));
return ResModel.success(Code.SUCCESS,resource);
}
/**
* 更新资源信息
* @param resource
* @return
*/
public ResModel updateRes(Resource resource) {
Integer id = resource.getId();
if (id==null){
return ResModel.error(Code.FAIL);
}
updateById(resource);
redisTemplate.delete(CACHE_RESOURCE_KEY+id);
return ResModel.success(Code.UPDATE,resource);
}
缓存预热
问题分析
请求数量较高主从之间数据吞吐量较大，数据同步操作频度较高
解决方案
前置准备工作： 日常例行统计数据访问记录，统计访问频度较高的热点数据利用LRU数据删除策略，构建数据留存队列例如：storm与kafka配合准备工作： 将统计结果中的数据分类，根据级别，redis优先加载级别较高的热点数据利用分布式多服务器同时进行数据读取，提速数据加载过程热点数据主从同时预热实施： 使用脚本程序固定触发数据预热过程如果条件允许，使用了CDN（内容分发网络），效果会更好 总结缓存预热就是系统启动前，提前将相关的缓存数据直接加载到缓存系统。避免在用户请求的时候，先查询数据库，然后再将数据缓存的问题！用户直接查询事先被预热的缓存数据！ 缓存穿透缓存穿透 ：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。 常见的解决方案有两种： 缓存空对象 优点：实现简单，维护方便缺点： 额外的内存消耗可能造成短期的不一致 布隆过滤 优点：内存占用较少，没有多余key缺点： 实现复杂存在误判可能’缓存空对象思路分析：当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到缓存了。 布隆过滤：布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中，假设布隆过滤器判断这个数据不存在，则直接返回这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突。 缓存穿透产生的原因是什么？ 用户请求的数据在缓存中和数据库中都不存在，不断发起这样的请求，给数据库带来巨大压力缓存穿透的解决方案有哪些？ 缓存null值布隆过滤增强id的复杂度，避免被猜测id规律做好数据的基础格式校验加强用户权限校验做好热点参数的限流 案例代码 /** * 查询资源详情 * @param id * @return */ @Override public ResModel getResource(Integer id) { String key = CACHE_RESOURCE_KEY + id; //查询缓存 String json = redisTemplate.opsForValue().get(key); if (StrUtil.isNotBlank(json)){//缓存存在 Resource resource = JSONUtil.toBean(json,Resource.class); return ResModel.success(Code.SUCCESS,resource); } //命中空值 if (json!=null){ return ResModel.error(Code.NON_EXISTENT); } //缓存不存在，查询数据库 Resource resource = getById(id); if (resource==null){ // 缓存空值解决 缓存穿透，设置较短的过期时间 redisTemplate.opsForValue().set(key,"",Duration.ofMinutes(2)); return ResModel.error(Code.NON_EXISTENT); } //添加缓存 redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(resource), Duration.ofMinutes(30)); return ResModel.success(Code.SUCCESS,resource); } 缓存雪崩缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。 解决方案： 给不同的Key的TTL添加随机值利用Redis集群提高服务的可用性给缓存业务添加降级限流策略给业务添加多级缓存 缓存击穿缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。 解决方案： 互斥锁逻辑过期逻辑分析：假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法， 那么这些线程都不能从缓存中查询到数据，那么他们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大。
核心思路：利用 redis 的 setnx 方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true， 如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。
思路分析：当用户开始查询redis时，判断是否命中，如果没有命中则直接返回空数据，不查询数据库，而一旦命中后，将value取出，判断value中的过期时间是否满足，如果没有过期，则直接返回redis中的数据，如果过期，则在开启独立线程后直接返回之前的数据，独立线程去重构数据，重构完成后释放互斥锁。 基于StringRedisTemplate封装一个缓存工具类，满足下列需求： 方法1：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间方法2：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题方法4：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑过期解决缓存击穿问题方法5：根据指定的key查询缓存，并反序列化为指定类型，需要互斥锁解决缓存击穿问题 @Component public class CacheClient { private final StringRedisTemplate stringRedisTemplate; //创建线程池 private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10); public CacheClient(StringRedisTemplate stringRedisTemplate) { this.stringRedisTemplate = stringRedisTemplate; } /** * 将任意Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间 * @param key * @param value * @param time * @param unit */ public void set(String key, Object value, Long time, TimeUnit unit) { stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, unit); } /** * 将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓 存击穿问题 * @param key * @param value * @param time * @param unit */ public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit unit) { // 设置逻辑过期 RedisData redisData = new RedisData(); redisData.setData(value); redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time))); // 写入Redis stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData)); } /** * 根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决 缓存穿透问题 * @param keyPrefix key的前缀 * @param id id * @param type 返回值类型 * @param dbFallback 数据库回调函数 * @param time 时间 * @param unit 单位 * @param 返回值类型 * @param id类型 * @return */ public R queryWithPassThrough( String keyPrefix, ID id, Class type, Function dbFallback, Long time, TimeUnit unit){ String key = keyPrefix + id; // 1.从redis查询缓存 String json = stringRedisTemplate.opsForValue().get(key); // 2.判断是否存在 if (StrUtil.isNotBlank(json)) { // 3.存在，直接返回 return JSONUtil.toBean(json, type); } // 判断命中的是否是空值 if (json != null) { // 返回空 return null; } // 4.不存在，根据id查询数据库 R r = dbFallback.apply(id); // 5.不存在，添加空值缓存 if (r == null) { // 将空值写入redis stringRedisTemplate.opsForValue().set(key, "", 2, TimeUnit.MINUTES); // 返回空 return null; } // 6.存在，写入redis this.set(key, r, time, unit); return r; } /** * 逻辑过期时间解决 缓存击穿 * @param keyPrefix key的前缀 * @param id id * @param type 返回值类型 * @param dbFallback 数据库回调函数 * @param time 时间 * @param unit 单位 * @param 返回值类型 * @param id类型 * @return */ public R queryWithLogicalExpire( String keyPrefix, ID id, Class type, Function dbFallback, Long time, TimeUnit unit) { String key = keyPrefix + id; // 1.从redis查询缓存 String json = stringRedisTemplate.opsForValue().get(key); // 2.判断是否存在 if (StrUtil.isBlank(json)) { // 3.不存在，直接返回 return null; } // 4.命中，需要先把json反序列化为对象 RedisData redisData = JSONUtil.toBean(json, RedisData.class); R r = JSONUtil.toBean((JSONObject) redisData.getData(), type); LocalDateTime expireTime = redisData.getExpireTime(); // 5.判断是否过期 if(expireTime.isAfter(LocalDateTime.now())) { // 5.1.未过期，直接返回缓存信息 return r; } // 6.已过期，缓存重建 // 6.1.获取互斥锁 String lockKey = "lock:" + id; boolean isLock = tryLock(lockKey); // 6.2.判断是否获取锁成功 if (isLock){ // 6.3.成功，开启独立线程，实现缓存重建 CACHE_REBUILD_EXECUTOR.submit(() -> { try { // 查询数据库 R newR = dbFallback.apply(id); // 重建缓存 this.setWithLogicalExpire(key, newR, time, unit); } catch (Exception e) { throw new RuntimeException(e); }finally { // 释放锁 unlock(lockKey); } }); } // 6.4.返回过期的缓存信息 return r; } /** * 互斥锁解决 缓存击穿 * @param keyPrefix key的前缀 * @param id id * @param type 返回值类型 * @param dbFallback 数据库回调函数 * @param time 时间 * @param unit 单位 * @param 返回值类型 * @param id类型 * @return */ public R queryWithMutex( String keyPrefix, ID id, Class type, Function dbFallback, Long time, TimeUnit unit) { String key = keyPrefix + id; // 1.从redis查询缓存 String shopJson = stringRedisTemplate.opsForValue().get(key); // 2.判断是否存在 if (StrUtil.isNotBlank(shopJson)) { // 3.存在，直接返回 return JSONUtil.toBean(shopJson, type); } // 判断命中的是否是空值 if (shopJson != null) { // 返回空值 return null; } // 4.实现缓存重建 // 4.1.获取互斥锁 String lockKey = "lock:" + id; R r = null; try { boolean isLock = tryLock(lockKey); // 4.2.判断是否获取成功 if (!isLock) { // 4.3.获取锁失败，休眠并重试 Thread.sleep(50); return queryWithMutex(keyPrefix, id, type, dbFallback, time, unit); } // 4.4.获取锁成功，根据id查询数据库 r = dbFallback.apply(id); // 5.不存在，缓存空值 if (r == null) { // 将空值写入redis stringRedisTemplate.opsForValue().set(key, "", 2, TimeUnit.MINUTES); // 返回空值 return null; } // 6.存在，写入redis this.set(key, r, time, unit); } catch (InterruptedException e) { throw new RuntimeException(e); }finally { // 7.释放锁 unlock(lockKey); } // 8.返回 return r; } /** * 尝试获取锁 * @param key * @return */ private boolean tryLock(String key) { Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS); return BooleanUtil.isTrue(flag); } /** * 释放锁 * @param key */ private void unlock(String key) { stringRedisTemplate.delete(key); } } |
【本文地址】
今日新闻 |
推荐新闻 |