【Redis应用】查询缓存&相关问题解决(二)

举报
观止study 发表于 2023/05/31 17:24:35 2023/05/31
【摘要】 一.概述本篇我们会一起来学习什么是缓存,为什么需要缓存,然后通过一个实际的案例,一起了解并解决使用缓存过程中碰到的数据库缓存不一致问题、缓存穿透问题、缓存雪崩问题、缓存击穿问题。 (1) 什么是缓存?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...

一.概述

本篇我们会一起来学习什么是缓存,为什么需要缓存,然后通过一个实际的案例,一起了解并解决使用缓存过程中碰到的数据库缓存不一致问题、缓存穿透问题、缓存雪崩问题、缓存击穿问题。

(1) 什么是缓存?

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;
image.png

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(b站崩了,qq崩了,微博崩了…);

缓存(Cache),就是指数据交换的缓冲区,俗称的缓存就是缓冲区内的数据,一般从数据库中获取数据,临时存储于本地代码,相对于IO操作读写性能较高。例如:

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(); 可用于结合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) 为什么要使用缓存

由于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,由此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
image.png

优点:

  • 降低后端负载:复杂SQL查询给数据库带来巨大压力,如果在缓存中查到数据可以直接返回,不用查询数据库

  • 提高读写效率,降低响应时间:基于内存,速度非常快

成本:

  • 数据一致性成本:如果数据库中数据发生了改变,但缓存中数据未及时更新,导致两处数据不一致

  • 代码维护成本:需解决一致性问题及其中碰到的各种问题,例如数据修改时缓存中数据更新

  • 运维成本:人力维护,多台设备

(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.png

二.添加商户查询缓存

(1) 引子

接下来让我们结合实际案例一起学习缓存技术的使用以及如何解决在这其中碰到的常见问题。
image.png

在我们查询商户信息时,通常我们是直接从数据库中去进行查询的,而直接查询数据库相对来说那肯定慢咯,例如:

@GetMapping("/{id}")
public Result queryShopById(@PathVariable("id") Long id) {
    //这里是直接查询数据库
    return shopService.queryById(id);
}

为了更好的用户体验,我们可以考虑增加缓存以提高页面响应速度

(2) 缓存模型和思路

(2.1) 业务流程

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,再返回数据。
image.png

(2.2) 代码实现

上述代码可以进行如下改造:

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,再返回。
image.png

启动项目,F12打开开发者模式,查看network,刷新两次我们可以发现,首次查询,由于没有缓存,直接从数据库中获取数据花费了1.7s,再次查询,由于缓存中有数据,查询的是缓存,直接返回数据,只花了几十毫秒,响应速度显著提升。
image.png

当然,引入缓存给我们带来好处的同时,也给我们带来了许多的问题,例如,我们同时的把数据保存在数据库和缓存中,当我们对数据库中数据进行更改时,缓存中数据并不会更新,当用户查询时查到的就是原来的旧数据,与数据库不一致,这可能导致诸多问题。接下来让我们一起看看如何解决此问题~

三.缓存更新策略

(1) 三种常见策略

由于内存是有限的,缓存更新是redis为了节约内存而设计出来的一个东西,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
image.png

(2) 主动更新解决方案思考

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,用户通过缓存拿到的数据就可能是旧数据,此时就会有一致性问题存在,我们可以选择主动更新来手动解决数据库缓存不一致问题,而主动更新又有三种常见的方案:

  • 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。

    • 稍微复杂,需要自己编码进行控制
  • 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。

    • 维护服务比较困难,开发起来成本较高
  • 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。

    • 需要实时监控缓存数据的变更,此外如果缓存服务出现了宕机会导致数据丢失
      image.png

(3) 数据库缓存不一致解决

综合考虑我们使用方案一,由于其需要开发者自己进行编码,因此操作缓存和数据库时有三个问题需要考虑:

  • 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 ×

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。

  • 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
  • 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

我们应当是先操作数据库,再删除缓存,由于查询数据库比写入数据库快,由此可能产生一系列问题。

当两个线程并发来访问时,假设线程1先来,他先把缓存删了,由于其执行的是更新操作,相对较慢,此时线程2过来执行查询操作,他发现缓存数据并不存在,于是查询数据库并重新写入缓存,而此时线程1并未完成更新操作,数据库中还是旧数据,由此写入缓存的也是旧数据,等线程1完成更新动作时,也就导致了数据库中数据与缓存数据不一致。
image.png

当然先操作数据库,再删除缓存也存在一些问题,例如:同样当两个线程并发来访问时,假设缓存由于某种原因失效了,线程1查询缓存,发现没有数据,于是去查询数据库,正当其准备写入缓存之际,线程2突然执行更新数据库操作,然后将缓存删除,这时,线程1才写入缓存,而写入的是未更新数据库之前的旧数据,此时同样造成了数据库中数据与缓存数据不一致。

似乎两种方案都存在问题,那么我们该如何抉择呢?

由于写入缓存的速度非常快,在此期间恰好完成更新与删除操作的概率比较小。由此我们可以先操作数据库,再删除缓存。

(4) 代码实现双写一致

同样是上述根据id查询店铺代码,我们可以进行一些改造:

  1. 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,并设置超时时间兜底

  2. 根据id修改店铺时,先修改数据库,再删除缓存

首先修改查询代码,与上述基本一致,补充设置redis缓存过期时间
image.png

其次修改更新店铺信息代码逻辑:我们应该先对数据库中的数据进行修改,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。
image.png

至此我们便极大的减少了数据不一致问题发送的概率。

四.缓存穿透问题

(1) 概述

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。

通俗来说就是: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。假设一个不怀好意的人开启无数个线程并发请求,这些请求将避开缓存,都落到数据库上,由此就可能导致数据库因扛不住压力而故障。
image.png

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

思路分析:当接收到请求时如果数据在缓存和数据库中都不存在,为了避免一些恶意攻击者的重复请求,我们可以将一个空值缓存到redis中并设置过期时间,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,请求就不会进入到数据库中了,而且可以自动清理无效数据

  • 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

思路分析: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,但存在误判,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.png

此外我们还可以通过增强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等策略来规避缓存穿透问题。

(2) 问题解决

接下来让我们一起通过缓存空对象来解决缓存穿透问题。

(2.1) 业务流程

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,直接结束,如果不是,则直接返回数据。
image.png

(2.2) 代码实现

让我们来修改一下上述根据商户id查询商户的业务逻辑:

@Override
public Result queryById(Long id) {
    String key = CACHE_SHOP_KEY + id;
    //1. 从redis查询商铺缓存
    String shopJson = stringRedisTemplate.opsForValue().get(key);
    //2. 判断是否存在
    if (StrUtil.isNotBlank(shopJson)) {
        //3. 存在,直接返回
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        return Result.ok(shop);
    }
    // 判断命中的是否是空值
    if (shopJson != null) {
        // 返回错误信息
        return Result.fail("店铺不存在!");
    }

    //4. 不存在,根据id查询数据库
    Shop shop = getById(id);
    // 5. 不存在,返回错误
    if (shop == null) {
        // 将空值写入redis
        stringRedisTemplate.opsForValue().set(key, "", 2L, TimeUnit.MINUTES);
        // 返回错误信息
        return Result.fail("店铺不存在!");
    }
    // 6. 存在,写入redis
    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), 30L, TimeUnit.MINUTES);
    //7.返回
    return Result.ok(shop);
}

重新启动测试可以发现,重复查询一个不存在的数值将被我们设置的空值缓存拦截,从而规避多次打到数据库。
image.png

五.缓存雪崩问题

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,避免同时过期
  • 利用Redis集群提高服务的可用性,例如使用哨兵机制实现服务的监控
  • 给缓存业务添加降级限流策略
  • 给业务添加多级缓存
    image.png

六.缓存击穿问题

(1) 概述

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

问题分析:假设某个高并发访问的缓存失效了,线程1在查询缓存发现为空之后,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,那么他们就会同一时刻来访问查询缓存,结果都没查到,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.png

常见的解决方案有两种:

  • 互斥锁
  • 逻辑过期

方案对比:

  • 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
    image.png

(2) 互斥锁解决方案

(2.1) 思路分析

因为锁能实现互斥性。假设线程过来,我们可以限制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。
image.png

(2.2) 业务流程

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,再次检查redis缓存是否存在,做DoubleCheck.如果存在则无需重建缓存,直接返回,否则进行查询,然后将数据写入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.png

我们可以利用redis的setnx方法来表示获取锁,该方法的作用是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。
image.png

(2.3) 代码实现

  1. 我们首先声明两个方法用于获取锁和释放锁
// 获取锁
private boolean tryLock(String key) {
    Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
    return BooleanUtil.isTrue(flag);
}
// 释放锁
private void unlock(String key) {
    stringRedisTemplate.delete(key);
}
  1. 为了方便,我们可以封装一个使用互斥锁解决缓存穿透方法:
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、判断是否存在
        if (StrUtil.isNotBlank(shopJson)) {
            // 存在,直接返回
            return JSONUtil.toBean(shopJson, Shop.class);
        }
        //判断命中的值是否是空值(缓存穿透解决)
        if (shopJson != null) {
            //返回一个错误信息
            return null;
        }
        // 4.实现缓存重构
        //4.1 获取互斥锁
        String lockKey = "lock:shop:" + id;
        Shop shop = null;
        try {
            boolean isLock = tryLock(lockKey);
            // 4.2 判断否获取成功
            if(!isLock){
                //4.3 失败,则休眠重试
                Thread.sleep(50);
                return queryWithMutex(id);
            }
            
            // 获取到锁再次判断doublecheck
            // 从缓存中查询数据,成功获取锁,判断其他线程是否重建缓存
            jsonShop = stringRedisTemplate.opsForValue().get(key);

            // 如果其他线程已经重建缓存则直接返回
            if (StrUtil.isNotBlank(jsonShop)) {
                Shop cacheShop = JSONUtil.toBean(jsonShop, Shop.class);
                return cacheShop;
            }
            
            //4.4 否则,根据id查询数据库
             shop = getById(id);
            // 5.不存在,返回错误
            if(shop == null){
                 //将空值写入redis(缓存穿透解决)
                stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL,TimeUnit.MINUTES);
                //返回错误信息
                return null;
            }q
            //6.写入redis
            stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_NULL_TTL,TimeUnit.MINUTES);

        }catch (Exception e){
            throw new RuntimeException(e);
        }
        finally {
            //7.释放互斥锁
            unlock(lockKey);
        }
        return shop;
    }
  1. 调用互斥锁解决方案方法
@Override
public Result queryShopById(Long id) {
    //1.互斥锁解决缓存穿透
    Shop shop = queryWithMutex(id);

    if (shop == null) {
        return Result.fail("店铺不存在");
    }
    return Result.ok(shop);
}

启动使用jmeter进行测试我们可以发现我们已经成功规避了缓存击穿问题
image.png

(3) 逻辑过期解决方案

(3.1) 思路分析

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,由此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,获得了锁的线程会开启一个新的线程2去进行以前的重构数据的逻辑, 而线程1直接返回过期数据,新开的线程2完成这个逻辑后,才释放锁,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也直接返回过期数据,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.png

(3.2) 业务流程

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。
image.png

(3.3) 代码实现

  1. 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,添加一个过期时间字段,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。
@Data
public class RedisData {
    private LocalDateTime expireTime;
    private Object data;
}
  1. ShopServiceImpl 新增一个方法,利用单元测试进行模拟缓存预热
    image.png

在测试类中
image.png

  1. 逻辑过期业务逻辑处理,此处我们仍然选择封装一个逻辑过期解决方案方法。
// 创建线程池
private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

public Shop queryWithLogicalExpire(Long id ) {
    String key = CACHE_SHOP_KEY + id;
    // 1.从redis查询商铺缓存
    String json = stringRedisTemplate.opsForValue().get(key);
    // 2.判断是否存在
    if (StrUtil.isBlank(json)) {
        // 3.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);
    Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);
    LocalDateTime expireTime = redisData.getExpireTime();
    // 5.判断是否过期
    if(expireTime.isAfter(LocalDateTime.now())) {
        // 5.1.未过期,直接返回店铺信息
        return shop;
    }
    // 5.2.已过期,需要缓存重建
    // 6.缓存重建
    // 6.1.获取互斥锁
    String lockKey = LOCK_SHOP_KEY + id;
    boolean isLock = tryLock(lockKey);
    // 6.2.判断是否获取锁成功
    if (isLock){
        
    // 获取到锁再次判断doublecheck
    // 从缓存中查询数据,成功获取锁,判断其他线程是否重建缓存
    json = stringRedisTemplate.opsForValue().get(key);
    if (StrUtil.isBlank(json)) {
        // 存在,直接返回
        return null;
    }
    // 命中,需要先把json反序列化为对象
    redisData = JSONUtil.toBean(json, RedisData.class);
    shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);
    expireTime = redisData.getExpireTime();
    // 判断是否过期
    if(expireTime.isAfter(LocalDateTime.now())) {
        // 未过期,直接返回店铺信息
        return shop;
    }
        
        // 如果过期则开启新线程
        CACHE_REBUILD_EXECUTOR.submit( ()->{

            try{
                //重建缓存
                this.saveShop2Redis(id,20L);
            }catch (Exception e){
                throw new RuntimeException(e);
            }finally {
                unlock(lockKey);
            }
        });
    }
    // 6.4.返回过期的商铺信息
    return shop;
}

在正式方法中调用逻辑过期解决方法方法

    @Override
    public Result queryShopById(Long id) {


        //缓存击穿逻辑过期解决方案
  		  Shop shop = queryWithLogicalExpire(id);


        if (shop == null) {
            return Result.fail("店铺不存在");
        }
        return Result.ok(shop);
    }

再次使用jmeter进行测试,我们可以发现,在一次并发查询中,在缓存重建期间我们查询到的还是旧数据,当重建完成后便是新数据了
image.png

七.封装Redis工具类

通常我们都会选择将上述解决方案封装为工具类使用,如下我们基于StringRedisTemplate封装一个简单的缓存工具类,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,需要利用互斥锁解决缓存击穿问题

将逻辑进行封装

@Slf4j
@Component
public class CacheClient {

    private final StringRedisTemplate stringRedisTemplate;

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

    // 注入StringRedisTemplate
    public CacheClient(StringRedisTemplate stringRedisTemplate) {
        this.stringRedisTemplate = stringRedisTemplate;
    }

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

    // 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
    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));
    }

    // 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
    // 使用泛型替代具体类型,使得方法更加通用
    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查询商铺缓存
        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) {
            // 返回一个错误信息
            return null;
        }

        // 4.不存在,根据id查询数据库
        R r = dbFallback.apply(id);
        // 5.不存在,返回错误
        if (r == null) {
            // 将空值写入redis
            stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
            // 返回错误信息
            return null;
        }
        // 6.存在,写入redis
        this.set(key, r, time, unit);
        return r;
    }

    // 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
    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查询商铺缓存
        String json = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isBlank(json)) {
            // 3.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,直接返回店铺信息
            return r;
        }
        // 5.2.已过期,需要缓存重建
        // 6.缓存重建
        // 6.1.获取互斥锁
        String lockKey = LOCK_SHOP_KEY + id;
        boolean isLock = tryLock(lockKey);
        // 6.2.判断是否获取锁成功
        if (isLock){
            
         // 进行doublecheck
         // 从redis查询商铺缓存
        json = stringRedisTemplate.opsForValue().get(key);
        // 判断是否存在
        if (StrUtil.isBlank(json)) {
            // 存在,直接返回
            return null;
        }
        // 命中,需要先把json反序列化为对象
        redisData = JSONUtil.toBean(json, RedisData.class);
        r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
        expireTime = redisData.getExpireTime();
        // 5.判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())) {
            // 5.1.未过期,直接返回店铺信息
            return r;
        }
            
            // 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.返回过期的商铺信息
        return r;
    }
    
    // 方法5:根据指定的key查询缓存,并反序列化为指定类型,需要利用互斥锁解决缓存击穿问题
    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redis查询商铺缓存
        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) {
            // 返回一个错误信息
            return null;
        }

        // 4.实现缓存重建
        // 4.1.获取互斥锁
        String lockKey = LOCK_SHOP_KEY + 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);
            }
            
            // 获取到锁再次判断doublecheck
            // 从缓存中查询数据,成功获取锁,判断其他线程是否重建缓存
     	   String shopJson = stringRedisTemplate.opsForValue().get(key);
      		// 判断是否存在
     	   if (StrUtil.isNotBlank(shopJson)) {
      	    // 存在,直接返回
        	    return JSONUtil.toBean(shopJson, type);
    	    }
            
            // 4.4.获取锁成功,根据id查询数据库
            r = dbFallback.apply(id);
            // 5.不存在,返回错误
            if (r == null) {
                // 将空值写入redis
                stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
                // 返回错误信息
                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;
    }

    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);
    }
}

在ShopServiceImpl 使用中工具类

@Resource
private CacheClient cacheClient;

 @Override
    public Result queryById(Long id) {
        // 解决缓存穿透
        Shop shop = cacheClient
                .queryWithPassThrough(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);

        // 互斥锁解决缓存击穿
        // Shop shop = cacheClient
        //         .queryWithMutex(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);

        // 逻辑过期解决缓存击穿
        // Shop shop = cacheClient
        //         .queryWithLogicalExpire(CACHE_SHOP_KEY, id, Shop.class, this::getById, 20L, TimeUnit.SECONDS);

        if (shop == null) {
            return Result.fail("店铺不存在!");
        }
        // 7.返回
        return Result.ok(shop);
    }

八.思维导图

image.png

【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。