2.1 什么是缓存?
前言:什么是缓存?
就像自行车,越野车的避震器
举个例子:越野车,山地自行车,都拥有"避震器",防止车体加速后因惯性,在酷似"U"字母的地形上飞跃,硬着陆导致的损害,像个弹簧一样;
同样,实际开发中,系统也需要"避震器",防止过高的数据访问猛冲系统,导致其操作线程无法及时处理信息而瘫痪;
这在实际开发中对企业讲,对产品口碑,用户评价都是致命的;所以企业非常重视缓存技术;
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(例如:
例1:Static final ConcurrentHashMap<K,V> map = new ConcurrentHashMap<>(); 本地用于高并发
例2:static final Cache<K,V> USER_CACHE = CacheBuilder.newBuilder().build(); 用于redis等缓存
例3:Static final Map<K,V> map = new HashMap(); 本地缓存
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(例3:map)和对象(例3: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;
2.1.1 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:
2.1.2 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
2.2 添加商户缓存
在我们查询商户信息时,我们是直接操作从数据库中去进行查询的,大致逻辑是这样,直接查询数据库那肯定慢咯,所以我们需要增加缓存
@GetMapping("/{id}")
public Result queryShopById(@PathVariable("id") Long id) {
//这里是直接查询数据库
return shopService.queryById(id);
}
2.2.1 、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。
2.2.2、代码如下
代码思路:如果缓存有,则直接返回,如果缓存不存在,则查询数据库,然后存入redis。
@Override
public Result queryById(Long id) {
// 1.从查询Redis中是否有数据
String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);
// 2.如果有则直接返回
if (StrUtil.isNotBlank(shopJson)) {
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
// 3.如果没有,就去查数据库
Shop shop = this.baseMapper.selectById(id);
// 4.如果没找到则返回错误信息
if(shop==null){
return Result.fail("店铺不存在~");
}
// 5.如果查到了就加入到Redis,并返回
stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY+id, JSONUtil.toJsonStr(shop));
return Result.ok(shop);
}
2.2.3、练习:为店铺类型接口添加缓存
店铺类型在首页和其它多个页面都会用到,如图:
需求:修改ShopTypeController中的queryTypeList方法,添加查询缓存
@Override
public Result queryTypeList() {
// 1.先去Redis查缓存首页缓存数据
String shopTypeListJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_TYPE_KEY);
// 2.如果为不为空,则直接返回
if (StrUtil.isNotBlank(shopTypeListJson)) {
return Result.ok(JSONUtil.toList(shopTypeListJson,ShopType.class));
}
// 3.如果为空,去查询数据库
List <ShopType> shopTypeList = this.query().orderByDesc("sort").list();
// 4.如果查询为空,则直接返回错误信息
if (shopTypeList == null || shopTypeList.size() == 0) {
return Result.fail("商品类型查询失败!");
}
// 5.如果不为空,则把数据存入到Redis,并返回结果 (这里可以使用List,String等结构)
stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_TYPE_KEY,JSONUtil.toJsonStr(shopTypeList));
return Result.ok(shopTypeList);
}
2.3 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
2.3.1 、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,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
- 特点:需要依靠程序员在CRUD之外进行额外的代码处理!
-
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
- 如:Canel + Kafaka 搭建的服务,但是维护和开发成本较高!
-
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
- 优点:调用者多次操作缓存,经过一段时间线程只需要把最后一次更新后的结果同步到数据库,效率极高
- 缺点:维护这个异步线程比较困难; 如果在一段时间内有大量更新,但是还没有触发异步线程的更新,就会导致数据库和缓存数据差别很大; 缓存宕机 会导致 数据丢失,可靠性较差
2.3.2 、双写方案存在的问题
综合考虑使用方案一,可控性比较高~ (实际企业中用的也比较多)
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 √
在不考虑并发的情况下,都是可以的。但是在并发场景下,我们应当是先操作数据库,再删除缓存,我们简单分析一下:
-
如果你选择第一种方案,如左图所示:在两个线程(线程1是更新线程,线程2是查询线程)并发来访问时,假设线程1先来,他先把缓存删了,此时线程2过来,他查询缓存数据并不存在,此时他写入缓存,当他写入缓存后,线程1再执行更新动作时,实际上写入缓存的是旧的数据,新的数据被旧数据覆盖了。
-
如果你选择第二种方案,如右图所示,两个线程(线程1是查询线程,线程2是更新线程)并发来访问时,假如此时缓存是被删除的状态,线程1过来了,发现未命中,就去数据库擦汗寻数据了,刚查询完还没写入缓存!!! 此时线程2过来了,就更新数据库了(下面删除缓存这一步就不用做了)。然后,线程1又抢到了时间片,继续进行写入缓存操作,就会导致写入缓存的仍是旧数据
既然我们发现两种方案都有并发修改的风险,但是为啥选择方案二呢?
因为 查询操作时间非常短,容易产生并发风险概率较低~
总结:缓存更新策略的最佳实践方案
2.3.3、 实现商铺和缓存与数据库双写一致
核心思路如下:
修改ShopController中的业务逻辑,满足下面的需求:
根据id查询店铺时,如果缓存未命中,则查询数据库,将数据库结果写入缓存,并设置超时时间
根据id修改店铺时,先修改数据库,再删除缓存
修改重点代码1:修改ShopServiceImpl的queryById方法
设置redis缓存时添加过期时间
修改重点代码2
代码分析:通过之前的淘汰,我们确定了采用删除策略,来解决双写问题,当我们修改了数据之后,然后把缓存中的数据进行删除,查询时发现缓存中没有数据,则会从mysql中加载最新的数据,从而避免数据库和缓存不一致的问题
@Transactional
@Override
public Result update(Shop shop) {
Long id = shop.getId();
if(id == null){
return Result.fail("id不能为null");
}
this.updateById(shop);
// 删除缓存
stringRedisTemplate.delete(RedisConstants.CACHE_SHOP_KEY+id);
return Result.ok();
}
2.4 缓存穿透
2.4.1、问题的解决思路
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 (因为可能出现hash冲突)
**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数据库了
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
代码修改:
2.4.2、编码解决商品查询的缓存穿透问题:
核心思路如下:
在原来的逻辑中,我们如果发现这个数据在mysql中不存在,直接就返回404了,这样是会存在缓存穿透问题的
现在的逻辑中:如果这个数据不存在,我们不会返回404 ,还是会把这个数据写入到Redis中,并且将value设置为空,当再次发起查询时,我们如果发现命中之后,判断这个value是否是null,如果是null,则是之前写入的数据,证明是缓存穿透数据,如果不是,则直接返回数据。
小总结:
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 (被动解决)
- 布隆过滤 (被动解决)
- 增强id的复杂度,避免被猜测id规律 (比如随机数,防止用户猜到…)
- 做好数据的基础格式校验 (比如id的位数)
- 加强用户权限校验
- 做好热点参数的限流
2.5 缓存雪崩问题及解决思路
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 (可以防止同一时间短缓存都失效~)
- 利用Redis集群提高服务的可用性 (后面会讲)
- 给缓存业务添加降级限流策略 (比如sentinel的一些策略)
- 给业务添加多级缓存 (Nginx缓存、JVM缓存、MySQL缓存、Redis缓存 只要有一个命中就可~)
2.6 缓存击穿
2.6.1、问题及解决思路
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。
常见的解决方案有两种:
- 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
解决方案一、使用锁来解决:
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tryLock方法 + double check来解决这样的问题。
假设现在线程1过来访问,他查询缓存没有命中,但是此时他获得到了锁的资源,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。
解决方案二、逻辑过期方案
方案分析: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。
进行对比
**互斥锁方案:**由于保证了互斥性,所以数据一致,且实现简单,因为仅仅只需要加一把锁而已,也没其他的事情需要操心,所以没有额外的内存消耗,缺点在于有锁就有死锁问题的发生,且只能串行执行性能肯定受到影响
逻辑过期方案: 线程读取过程中不需要等待,性能好,有一个额外的线程持有锁去进行重构数据,但是在重构数据完成前,其他的线程只能返回之前的数据,且实现起来麻烦
2.6.2、利用互斥锁解决缓存击穿问题
核心思路: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
如果获取到了锁的线程,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
操作锁的代码:
核心思路就是利用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。
/**
* 获取锁:使用setnx模拟互斥锁
* 为了防止出现死锁,所以应该为其设置过期时间
* @param key
* @return
*/
private boolean tryLock(String key){
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", RedisConstants.LOCK_SHOP_TTL, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
/**
* 释放锁
* @param key
*/
private void unlock(String key){
stringRedisTemplate.delete(key);
}
操作代码:
/**
* 互斥锁解决缓存击穿
* @param id
* @return
*/
private Shop queryWithMutex(Long id) {
// 1.从查询Redis中是否有数据
String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);
// 2.判断是否存在
if (StrUtil.isNotBlank(shopJson)) {
// 存在则直接返回
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return shop;
}
// 3.判断命中的是否是空值
if(shopJson != null){
return null;
}
// 4.实现缓存重建
String key = RedisConstants.LOCK_SHOP_KEY+id;
Shop shop = null;
try {
// 4.1 获取互斥锁
boolean isLock = tryLock(key);
// 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);
// 注意:获取锁的同时应该再次检测redis缓存是否存在,做DoubleCheck,如果存在则无需重建缓存
return queryWithMutex(id);
}
// 4.4成功,根据id查询数据库
shop = getById(id);
// 模拟重建时的延时
Thread.sleep(200);
// 5.不存在,返回错误
if(shop==null){
// 将空值写入到redis
stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id,"",RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
return null;
}
// 6.存在就加入到Redis,并返回
stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY+id, JSONUtil.toJsonStr(shop),RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
} catch (InterruptedException e) {
e.printStackTrace();
}finally {
// 7.释放互斥锁
unlock(key);
}
return shop;
}
测试:5s 1000次请求的高并发测试
观察控制台,可以发现只向数据库请求了一次~其他请求都打在了缓存上!!!
从而可以得出结论,使用互斥锁可以解决缓存击穿的问题~~~
2.6.3、利用逻辑过期解决缓存击穿问题
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。
封装数据:因为现在redis中存储的数据的value需要带上过期时间,此时要么你去修改原来的实体类,要么你新建一个实体类,我们采用第二个方案,这个方案,对原来代码没有侵入性。
步骤一、 新建RedisData类
@Data
public class RedisData {
private LocalDateTime expireTime;
private Object data;
}
步骤二、 在ShopServiceImpl 新增此方法,利用单元测试进行缓存预热
/**
* 缓存重建(预热)
* @param id
* @param expireSeconds
* @throws InterruptedException
*/
@Override
public void saveShop2Redis(Long id, Long expireSeconds) throws InterruptedException {
// 1.查询店铺信息
Shop shop = getById(id);
Thread.sleep(200);
// 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(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));
}
@Test
public void testSave2Redis() throws InterruptedException {
shopService.saveShop2Redis(1L,30L);
}
步骤三:编写逻辑过期的核心代码
private ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
/**
* 逻辑过期解决缓存击穿
*
* @param id
* @return
*/
private Shop queryWithLogicalExpire(Long id) {
// 1.从Redis中查询商铺缓存
String redisDataJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);
// 2.判断是否命中
if (StrUtil.isBlank(redisDataJson)) {
// 3.未命中,则返回空(因为预热过了,所以如果缓存中没有,则一定就是没有该店铺数据)
// 为什么不用考虑缓存穿透的情况,因为所有的数据都放入到redis中预热了,一旦缓存查询出是null的,说明数据库没这个数据
return null;
}
// 4.命中,需要先把json反序列化为对象
RedisData redisData = JSONUtil.toBean(redisDataJson, RedisData.class);
JSONObject shopJSONObj = (JSONObject) redisData.getData();
Shop shop = JSONUtil.toBean(shopJSONObj, Shop.class);
// 5.判断是否过期
if (redisData.getExpireTime().isAfter(LocalDateTime.now())) {
// 5.1未过期,则返回商铺信息
return shop;
}
// 5.2已过期,需要缓存重建
// 6.缓存重建
// 6.1尝试获取互斥锁
boolean isLock = tryLock(RedisConstants.LOCK_SHOP_KEY + id);
// 6.2判断互斥锁是否获取成功
if (isLock) {
// 6.3获取成功,则开启独立线程
CACHE_REBUILD_EXECUTOR.submit(() -> {
try {
// 6.4进行缓存重建
// 注意:这里写的是20S只是为了测试方便,实际项目中要用 30min
this.saveShop2Redis(id, 20L);
} catch (InterruptedException e) {
e.printStackTrace();
} finally {
// 6.5释放锁
unlock(RedisConstants.LOCK_SHOP_KEY + id);
}
});
}
// 7.获取互斥锁失败,则直接返回过期的shop数据
return shop;
}
步骤四:测试
-
先执行单元测试方法预热缓存
-
进行高并发请求 1s 100次
-
观察请求的结果:
缓存重建前返回的是旧数据,重建后得到的是新数据
-
观察控制台,也只有一条查询的SQL,说明互斥锁起到了作用!只缓存重建了一次~
2.7、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:根据指定的key查询缓存,并利用缓存空值来解决缓存穿透问题
- 方法3:根据指定的key查询缓存,并利用互斥锁解决缓存击穿解决缓存击穿问题
- 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
代码如下:
/**
* @author lxy
* @version 1.0
* @Description Redis操作缓存的工具类
* @date 2022/12/6 0:33
*/
@Slf4j
@Component
public class CacheClient {
private final StringRedisTemplate stringRedisTemplate;
public CacheClient(StringRedisTemplate stringRedisTemplate) {
this.stringRedisTemplate = stringRedisTemplate;
}
/**
* 将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);
}
/**
* 逻辑过期解决缓存击穿问题中的缓存重建
* @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,并利用缓存空值来解决缓存穿透问题
* @param keyPrefix key前缀
* @param id
* @param type
* @param dbFallback 降级的函数
* @param time 时间
* @param unit 单位
* @param <R>
* @param <ID>
* @return
*/
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中查询R数据
String json = stringRedisTemplate.opsForValue().get(key);
// 2.判断是否存在
if (StrUtil.isNotBlank(json)) {
// 3.存在,则直接返回
return JSONUtil.toBean(json, type);
}
// 4.判断命中的是否是空值 (上面已经判断过不为空的情况了,下面只有 “” 和 null的两种情况,为null说明不存在,为“”说明空缓存)
if (json != null) {
return null;
}
// 3.如果没有,就去查数据库
R r = dbFallback.apply(id);
// 4.如果没找到则返回错误信息
if (r == null) {
stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
return null;
}
// 5.如果查到了就加入到Redis,并返回
this.set(key,r,time,unit);
return r;
}
private ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
/**
* 根据指定的key查询缓存,并利用逻辑过期时间来解决缓存击穿问题
*
* @param id
* @return
*/
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中查询商铺缓存
String redisDataJson = stringRedisTemplate.opsForValue().get(key);
// 2.判断是否命中
if (StrUtil.isBlank(redisDataJson)) {
// 3.未命中,则返回空(因为预热过了,所以如果缓存中没有,则一定就是没有该店铺数据)
return null;
}
// 4.命中,需要先把json反序列化为对象
RedisData redisData = JSONUtil.toBean(redisDataJson, RedisData.class);
JSONObject jsonObj = (JSONObject) redisData.getData();
R r = JSONUtil.toBean(jsonObj, type);
// 5.判断是否过期
if (redisData.getExpireTime().isAfter(LocalDateTime.now())) {
// 5.1未过期,则返回商铺信息
return r;
}
// 5.2已过期,需要缓存重建
// 6.缓存重建
// 6.1尝试获取互斥锁
String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
boolean isLock = tryLock(lockKey);
// 6.2判断互斥锁是否获取成功
if (isLock) {
// 6.3获取成功,则开启独立线程
CACHE_REBUILD_EXECUTOR.submit(() -> {
try {
// 查询数据库
R newR = dbFallback.apply(id);
// 进行缓存重建
this.setWithLogicalExpire(key,newR,time,unit);
} catch (Exception e) {
e.printStackTrace();
} finally {
// 6.6释放锁
unlock(lockKey);
}
});
}
// 7.获取互斥锁失败,则直接返回过期的R数据
return r;
}
/**
* 根据指定的key查询缓存,并利用互斥锁解决缓存击穿解决缓存击穿问题
*
* @param id
* @return
*/
public <R,ID> R queryWithMutex(String keyPrefix,ID id,Class<R> type,
Function <ID,R> dbFallback,Long time,TimeUnit unit) {
String key = keyPrefix + id;
// 1.从查询Redis中是否有数据
String json = stringRedisTemplate.opsForValue().get(key);
// 2.判断是否存在
if (StrUtil.isNotBlank(json)) {
// 存在则直接返回
R r = JSONUtil.toBean(json, type);
return r;
}
// 3.判断命中的是否是 “” (缓存空值)
if (json != null) {
return null;
}
// 4.实现缓存重建
String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
R r = 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);
// 注意:获取锁的同时应该再次检测redis缓存是否存在,做DoubleCheck,如果存在则无需重建缓存
return queryWithMutex(keyPrefix,id,type,dbFallback,time,unit);
}
// 4.4成功,根据id查询数据库
r = dbFallback.apply(id);
// 模拟重建时的延时
Thread.sleep(200);
// 5.不存在,返回错误
if (r == null) {
// 将空值写入到redis
stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
return null;
}
// 6.存在就加入到Redis,并返回
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(r),time, unit);
} catch (InterruptedException e) {
e.printStackTrace();
} finally {
// 7.释放互斥锁
unlock(lockKey);
}
return r;
}
/**
* 获取锁:使用setnx模拟互斥锁
* 为了防止出现死锁,所以应该为其设置过期时间
*
* @param key
* @return
*/
private boolean tryLock(String key) {
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", RedisConstants.LOCK_SHOP_TTL, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
/**
* 释放锁
*
* @param key
*/
private void unlock(String key) {
stringRedisTemplate.delete(key);
}
}
可能有人好奇为什么工具类的方法不用static修饰?
ioc是通过new的方式创建bean,new出来的对象是在堆里面, static修饰的东西是优先于对象存在,如果我们用了static,那么方法里面涉及到的方法调也得是Static,但是我们因为用的是ioc容器里面的bean,所以不能这样搞!
在ShopServiceImpl 中测试工具类
@Override
public Result queryById(Long id) {
// 缓存穿透
// Shop shop = cacheClient.queryWithPassThrough(RedisConstants.CACHE_SHOP_KEY, id, Shop.class,
// this::getById, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
// 互斥锁解决缓存击穿
// Shop shop = cacheClient.queryWithMutex(RedisConstants.CACHE_SHOP_KEY,id,Shop.class,this::getById,RedisConstants.CACHE_SHOP_TTL,TimeUnit.MINUTES);
// 逻辑过期解决缓存击穿
Shop shop = cacheClient.queryWithLogicalExpire(RedisConstants.CACHE_SHOP_KEY,id,Shop.class,this::getById,RedisConstants.CACHE_SHOP_TTL,TimeUnit.MINUTES);
if (shop == null) {
return Result.fail("店铺不存在!");
}
// 返回
return Result.ok(shop);
}