缓存
Redis
|
|
|
118

4895 字
|
30 分钟

缓存

1. 基本概念

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

// 1. 本地用于高并发
static final ConcurrentHashMap map = new ConcurrentHashMap<>();

// 2. 用于redis等缓存
static final Cache USER_CACHE = CacheBuilder.newBuilder().build(); 

// 3. 本地缓存
static final Map map =  new HashMap();

由于其被 static 修饰，所以随着类的加载而被加载到内存之中，作为本地缓存，由于其又被 final 修饰,所以其引用（map）和对象（new HashMap()）之间的关系是固定的，不能改变，因此不用担心赋值（=）导致缓存失效

2. 为什么要使用缓存

一句话：因为速度快，好用

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：

优点

  1. 提高性能：缓存可以显著减少数据访问时间，从而加快系统的响应速度。对于频繁访问的数据，缓存可以避免重复的数据检索过程
  2. 减少带宽使用：缓存可以减少网络流量，因为它允许本地存储和访问数据，避免了重复的网络请求
  3. 负载均衡：缓存有助于分散服务器的负载，因为一部分请求可以由缓存来处理，从而减轻服务器的压力
  4. 提升用户体验：对于用户而言，缓存可以提供更快的加载时间和更流畅的交互体验
  5. 容错能力：在某些情况下，缓存可以作为数据的备份，当主要数据源出现问题时，缓存可以提供数据的临时访问

缺点

  1. 数据一致性问题：缓存中的数据可能会过时，这会导致数据不一致的问题。确保缓存与主数据源同步是一个挑战
  2. 资源消耗：维护缓存需要额外的存储资源和管理工作，这可能增加系统的复杂性和成本
  3. 缓存失效问题：设计不当的缓存机制可能导致频繁的缓存失效，从而降低系统性能
  4. 安全风险：如果不恰当地处理缓存数据，可能会引发安全问题，如敏感数据泄露
  5. 缓存穿透和雪崩问题：在极端情况下，大量请求绕过缓存直接请求数据库，可能会导致系统崩溃

3. 如何使用缓存

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。例如：本地缓存与 redis 中的缓存并发使用

浏览器缓存：主要是存在于浏览器端的缓存

应用层缓存：可以分为 tomcat 本地缓存，比如之前提到的 map，或者是使用 redis 作为缓存

数据库缓存：在数据库中有一片空间是 buffer pool，增改查数据都会先加载到 mysql 的缓存中

CPU缓存：当代计算机最大的问题是 cpu 性能提升了，但内存读写速度没有跟上，所以为了适应当下的情况，增加了 cpu 的 L1、L2、L3 级的缓存

image-20231126145040806

4. 缓存更新策略

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，或者把它叫为淘汰更合适

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

内存淘汰 超时剔除 主动更新
说明 不用自己维护，利用 Redis 的内存淘汰机制，当内存不足时自动淘汰部分数据。下次查询时更新缓存 给缓存数据添加 TTL 时间，到期后自动删除缓存。下次查询时更新缓存 编写业务逻辑，在修改数据库的同时，更新缓存
一致性 差 一般 好
维护成本 无 低 高

业务场景：

  • 低一致性需求：使用内存淘汰机制。例如店铺类型的查询缓存
  • 高一致性需求：主动更新，并以超时剔除作为兜底方案。例如店铺详情查询的缓存

4.1 缓存不一致解决方案

由于我们的缓存的数据源来自数据库，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，其后果是：

用户使用缓存中的过时数据，就会产生类似多线程数据安全问题，从而影响业务、产品口碑等，怎么解决呢？有如下几种方案

  • 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

image-20231126151041371

4.2 缓存不一致采用方案

综合考虑使用方案一，但是方案一调用者如何处理呢？

操作缓存和数据库时有三个问题需要考虑：

  1. 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

    如果采用第一个方案，那么假设我们每次操作数据库后，都操作缓存，但是中间如果没有人查询，那么这个更新动作实际上只有最后一次生效，中间的更新动作意义并不大。我们可以把缓存删除，等待再次查询时，将缓存中的数据加载出来

  2. 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

  3. 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

    先操作数据库，再删除缓存，原因在于：

    如果是先删除缓存，再操作数据库，在两个线程并发来访问时，假设线程1先来，它先把缓存删了，此时线程2过来，它查询缓存数据并不存在，此时它写入缓存，当它写入缓存后，线程1再执行更新动作时，实际上写入的就是旧的数据，新的数据被旧数据覆盖了

    image-20231126152048656

5. 缓存穿透

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

    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

    • 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

    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，用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，但是数据库中可能存在这个数据，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

image-20231126153742533

6. 缓存雪崩

缓存中大量的数据在同一时间失效过期或者 Redis 服务宕机，导致大量请求直接打到数据库，可能引起数据库瘫痪

解决方案：

  • 设置不同的过期时间：避免大量缓存同时过期，可以通过设置不同的过期时间来分散压力
  • 使用持久化存储：确保缓存服务的持久化，比如使用 Redis 的持久化功能，即使服务重启也能从硬盘恢复数据
  • 利用 Redis 集群：即使单个节点宕机，集群的其它节点仍可继续提供服务，从而确保缓存系统的稳定性

image-20231126155048250

7. 缓存击穿

某个热点 key 在缓存过期的瞬间，有大量并发请求查询这个 key，导致所有的请求都打到数据库，可能引起数据库压力过大

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

image-20231126155547230

常见的解决方案有两种：

  • 互斥锁

    • 优点：
    • 没有额外的内存消耗
    • 保证一致性
    • 实现简单
    • 缺点：
    • 线程需要等待，性能受影响
    • 可能有死锁风险

    因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用 try Lock 方法 + double check 来解决这样的问题

    假设现在线程1过来访问，它查询缓存没有命中，但是此时它获得到了锁的资源，那么线程1就会一个人去执行逻辑。假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了

    image-20231126160829334

  • 逻辑过期

    • 优点：
    • 线程无需等待，性能较好
    • 缺点：
    • 不保证一致性
    • 有额外内存消耗
    • 实现复杂

    我们之所以会出现这个缓存击穿问题，主要原因是在于我们对 key 设置了过期时间，假设我们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们内存了吗，我们可以采用逻辑过期方案

    我们把过期时间设置在 redis 的 value 中，注意：这个过期时间并不会直接作用于 redis，而是我们后续通过逻辑去处理

    假设线程1去查询缓存，然后从 value 中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个线程去进行以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁，而线程1直接进行返回。假设现在线程3过来访问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据

    这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据

    image-20231126161353442

7.1 互斥锁

相较于原来从缓存中查询不到数据后直接查询数据库而言，现在的方案是进行查询之后，如果从缓存没有查询到数据，则进行互斥锁的获取，获取互斥锁后，判断是否获得到了锁：

  • 如果没有获得到，则休眠，过一会再进行尝试，直到获取到锁为止，才能进行查询
  • 如果获取到了锁，则该线程再去进行查询，查询后将数据写入 redis，再释放锁，返回数据

利用互斥锁就能保证只有一个线程去执行操作数据库的逻辑，防止缓存击穿

image-20231126162748277

核心逻辑：

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
  • redis 中如果有这个 key 则插入失败，则返回 0，在 stringRedisTemplate 中返回 false

我们可以通过 true 或者 false，来表示是否有线程成功插入 key，成功插入 key 的线程我们认为它就是获得到锁的线程

private boolean tryLock(String key) {
    Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
    return BooleanUtil.isTrue(flag);
}

private void unLock(String key) {
    stringRedisTemplate.delete(key);
}

操作代码：

public Shop queryWithMutex(Long id) {
        String key = CACHE_SHOP_KEY + id;
        // 1. 从 redis 中查询商铺缓存
        String shopJson = stringRedisTemplate.opsForValue().get(key);

        // 2. 判断缓存是否命中
        if (StrUtil.isNotBlank(shopJson)) {
            // 2.1 命中则返回店铺信息
            return JSONUtil.toBean(shopJson, Shop.class);
        }

        // 3. 判断是否为空值
        if ("".equals(shopJson)) {
            return null;
        }

        // 4. 实现缓存击穿
        String lockKey = "lock:shop:" + id;
        Shop shop = null;
        try {
            // 4.1 获取互斥锁
            boolean isLock = tryLock(lockKey);
            // 4.2 判断是否获取成功
            if (!isLock) {
                // 4.3 失败，则休眠并重试
                Thread.sleep(50);
                return queryWithMutex(id);
            }
            // 4.4 成功，根据 id 查询数据库
            shop = super.getById(id);

            // 5. 判断商铺是否存在
            if (shop == null) {
                // 5.1 不存在将空值写入到 redis
                stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
                // 5.2 返回错误信息
                return null;
            }
            // 6. 存在，将商铺数据写入 redis
            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        } finally {
            // 7. 释放互斥锁
            unLock(lockKey);
        }
        // 8. 返回
        return shop;
    }

7.2 逻辑过期

image-20231126165041061

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

操作代码：

新建一个实体类，这种方法对原来代码没有侵入性

@Data
public class RedisData {
    private LocalDateTime expireTime;
    private Object data;
}

重建缓存

    public void saveShop2Redis(Long id, Long expireSeconds) throws InterruptedException {
        // 1. 查询店铺数据
        Shop shop = getById(id);

        // 2. 封装逻辑过期时间
        RedisData redisData = new RedisData();
        redisData.setData(shop);
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));

        // 3. 写入Redis
        stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));
    }

核心逻辑

    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

    public Shop queryWithLogicalExpire(Long id) {
        String key = CACHE_SHOP_KEY + id;
        // 1. 从 redis 中查询商铺缓存
        String shopJson = stringRedisTemplate.opsForValue().get(key);

        // 2. 判断缓存是否命中
        if (StrUtil.isBlank(shopJson)) {
            // 2.1 未命中返回空
            return null;
        }

        // 3. 命中，需要先把 json 反序列化对象
        RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
        Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);
        LocalDateTime expireTime = redisData.getExpireTime();

        // 4. 判断缓存是否过期
        if (expireTime.isAfter(LocalDateTime.now())) {
            // 4.1 未过期，返回商铺信息
            return shop;
        }

        // 5.已过期，需要缓存重建
        String lockKey = LOCK_SHOP_KEY + id;
        // 5.1 尝试获取互斥锁
        boolean isLock = tryLock(lockKey);
        // 5.2 判断是否获取锁成功
        if (isLock) {
            // 5.3 成功，开启独立线程，进行缓存重建
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    // 重建缓存
                    saveShop2Redis(id, 20L);
                    // 释放锁
                } catch (Exception e) {
                    throw new RuntimeException(e);
                } finally {
                    unLock(lockKey);
                }
            });
        }

        // 6. 返回过期的商品信息
        return shop;
    }

8. 封装 Redis 工具类

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

@Component
public class RedisUtil {

    @Resource
    private final StringRedisTemplate stringRedisTemplate;

    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

    public void set(String key, Object value, Long time, TimeUnit unit) {
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, unit);
    }

    public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit unit) {
        // 设置逻辑过期时间
        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));
    }

    public <R, ID> R queryWithPassThrough(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + id;
        // 1. 从redis查询缓存
        String json = stringRedisTemplate.opsForValue().get(key);

        // 2. 判断缓存是否命中
        if (StrUtil.isNotBlank(json)) {
            // 2.1 命中则返回店铺信息
            return JSONUtil.toBean(json, type);
        }

        // 3. 判断是否为空值
        if ("".equals(json)) {
            return null;
        }

        // 4. 未命中，根据id查询数据库
        R r = dbFallback.apply(id);

        // 5. 判断是否存在
        if (r == null) {
            // 5.1 不存在，将空值写入到redis
            stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
            // 5.2 返回错误信息
            return null;
        }

        // 6.存在，将数据写入redis
        this.set(key, r, time, unit);
        // 7.返回
        return r;
    }

    public <R, ID> R queryWithLogicalExpire(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + id;
        // 1. 从redis查询缓存
        String json = stringRedisTemplate.opsForValue().get(key);

        // 2. 判断缓存是否命中
        if (StrUtil.isBlank(json)) {
            // 2.1 未命中返回空
            return null;
        }

        // 3. 命中，需要先把 json 反序列化对象
        RedisData redisData = JSONUtil.toBean(json, RedisData.class);
        R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
        LocalDateTime expireTime = redisData.getExpireTime();

        // 4.判断缓存是否过期
        if (expireTime.isAfter(LocalDateTime.now())) {
            // 4.1 未过期，返回商铺信息
            return r;
        }

        // 5. 已过期，需要缓存重建
        String lockKey = LOCK_SHOP_KEY + id;
        // 5.1 尝试获取互斥锁
        boolean isLock = tryLock(lockKey);
        // 5.2 判断是否获取锁成功
        if (isLock) {
            // 5.3 成功，开启独立线程，进行缓存重建
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    // 查询数据库
                    R r1 = dbFallback.apply(id);
                    // 写入redis
                    this.set(key, (String) r1, time, unit);
                } catch (Exception e) {
                    throw new RuntimeException(e);
                } finally {
                    // 释放锁
                    unLock(lockKey);
                }
            });
        }
        // 6. 返回过期的商品信息
        return r;
    }

    private boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }

    private void unLock(String key) {
        stringRedisTemplate.delete(key);
    }
}
🌟 如果您喜欢我的文章，欢迎赞赏支持，您的支持是我创作的最大动力！🌟
🖋 作者：Enndfp
🔗链接：https://blog.enndfp.cn
📜版权声明：您可以自由转载，但请务必注明原文地址，感谢您的尊重与支持~
Redis
暂无评论

发送评论 编辑评论 


				

			

						

				

					

						

							

								
							

							
						

					

				

				

					

						

							

								
							

							
						

					

				

				

					

						

							

								
							

							
							
													

					

				

			

			
			

				

					
				

			

				

											

							
							
						

																

							
							
						

																

							
							
						

										
					
											
						

	

		
|´・ω・)ノ
ヾ(≧∇≦*)ゝ
(☆ω☆)
（╯‵□′）╯︵┴─┴
￣﹃￣
(/ω＼)
∠( ᐛ 」∠)＿
(๑•̀ㅁ•́ฅ)
→_→
୧(๑•̀⌄•́๑)૭
٩(ˊᗜˋ*)و
(ノ°ο°)ノ
(´இ皿இ｀)
⌇●﹏●⌇
(ฅ´ω`ฅ)
(╯°A°)╯︵○○○
φ(￣∇￣o)
ヾ(´･ ･｀｡)ノ"
( ง ᵒ̌皿ᵒ̌)ง⁼³₌₃
(ó﹏ò｡)
Σ(っ °Д °;)っ
( ,,´･ω･)ﾉ"(´っω･｀｡)
╮(╯▽╰)╭
o(*////▽////*)q
＞﹏＜
( ๑´•ω•) "(ㆆᴗㆆ)
😂
😀
😅
😊
🙂
🙃
😌
😍
😘
😜
😝
😏
😒
🙄
😳
😡
😔
😫
😱
😭
💩
👻
🙌
🖕
👍
👫
👬
👭
🌚
🌝
🙈
💊
😶
🙏
🍦
🍉
😣
Source: github.com/k4yt3x/flowerhd
	

	

		
颜文字
Emoji
小恐龙
花!
	


									

			

			
			
		

	






上一篇
下一篇 

                    

                    
			        推荐文章
		            

		            

							
Redis 分布式缓存

							
							

							
Redis 通讯协议和内存回收

							
							

							
Redis 网络模型

							
							

							
Redis 数据结构

							
							

							
命令