Redis主从复制、缓存雪崩、缓存击穿、缓存穿透及分布式缓存(三)

最新推荐文章于 2024-09-19 08:24:47 发布

生命是有光的

最新推荐文章于 2024-09-19 08:24:47 发布

阅读量1.7k

点赞数 42

分类专栏： # Redis灬命格文章标签：缓存 redis 分布式

本文链接：https://blog.csdn.net/Augenstern_QXL/article/details/136367038

版权

Redis灬命格专栏收录该内容

5 篇文章 0 订阅

订阅专栏

redis的基本数据类型

1、分布式缓存
1.1、什么是缓存
1.2、本地缓存和分布式缓存
1.3、集群和分布式

2、Redis实现分布式缓存
2.1、自定义RedisCache

3、Redis缓存
3.1、缓存雪崩
3.2、缓存击穿
3.3、缓存穿透(恶意)

4、Redis主从复制
4.1、Redis哨兵机制
4.1.1、单机单个哨兵
4.1.2、单机多个哨兵

4.2、哨兵模式优缺点

参考视频：适合后端编程人员的Redis实战教程、redis应用场景、分布式缓存、Session管理、面试相关

1、分布式缓存

mybatis是里面有个<cache></cache>便签，可以实现分布式缓存，只要把里面的实现替换成redis的实现，就可以实现分布式缓存。注意，增删改都会清除缓存。

1.1、什么是缓存

定义: 缓存就是定义在计算机内存的数据
特点: 读写快、断电立即丢失
优点:
- 提高网站吞吐量，提高网站的响应速度
- 核心解决问题：通过缓存可以缓解对数据库的访问压力
注意: 使用缓存时一定是数据库中数据极少发生修改,更多用于查询的情况。

1.2、本地缓存和分布式缓存

本地缓存: 存在应用服务器内存中的数据为本地缓存（local cache）
- 例如我们的服务器 Tomcat，存在于 Tomcat 的缓存就是本地缓存。
- 客户端访问应用Application，应用会去数据库进行查询，将查询结果放入Tomcat缓存。本地缓存是在应用之内的。

在这里插入图片描述

分布式缓存: 存储在当前应用服务器内存之外的数据为分布式缓存（distribute cache）
- 例如缓存放在 redis 中，redis 缓存是应用共享的，独立于应用Application之外的。

在这里插入图片描述

1.3、集群和分布式

集群: 将同一种服务的多个节点放在一起共同对系统提供服务过程称之为集群。
- 例如两台Tomcat共同对系统提供服务,这样就是Tomcat集群
分布式: 有多个不同服务集群共同对系统系统提供服务这个系统称之为分布式系统（distribute system），即分布式是建立在集群之上的。
- 两台Tomcat、两个数据库共同对系统提过服务，这就是分布式系统。

2、Redis实现分布式缓存

mybatis是里面有个<cache></cache>便签，开启之后是开启了二级缓存。

一级缓存也叫本地缓存，一级缓存是在会话(SqlSession)层面实现的，这就说明一级缓存作用范围只能在同一个SqlSession中，跨SqlSession是无效的。一级缓存是默认实现的
二级缓存也是本地缓存，二级缓存是跨SqlSession的，跨会话共享

mybatis是里面有个<cache></cache>便签，开启之后是开启了二级缓存，但是MyBatis可以实现分布式缓存，我们只要把里面的实现替换成redis的实现，就可以实现分布式缓存。

2.1、自定义RedisCache

自定义工具类

//用来获取springboot创建好的工厂
@Component
public class ApplicationContextUtils implements ApplicationContextAware {

    //保留下来工厂
    private static ApplicationContext applicationContext;

    //将创建好工厂以参数形式传递给这个类
    @Override
    public void setApplicationContext(ApplicationContext applicationContext) throws BeansException {
        this.applicationContext = applicationContext;
    }



    //提供在工厂中获取对象的方法 //RedisTemplate  redisTemplate
    public static Object getBean(String beanName){
        return applicationContext.getBean(beanName);
    }

}

自定义RedisCache,实现Cache接口（复制如下代码即可）

//自定义Redis缓存实现
public class RedisCache implements Cache {


    //当前放入缓存的mapper的namespace
    private final String id;

    //必须存在构造方法
    public RedisCache(String id) {
        System.out.println("id:=====================> " + id);
        this.id = id;
    }

    //返回cache唯一标识
    @Override
    public String getId() {
        return this.id;
    }


    //缓存放入值 
    @Override
    public void putObject(Object key, Object value) {
        //使用redishash类型作为缓存存储模型  key   hashkey  value
        getRedisTemplate().opsForHash().put(id.toString(),getKeyToMD5(key.toString()),value);
    }

    //获取中获取数据
    @Override
    public Object getObject(Object key) {
        //根据key 从redis的hash类型中获取数据
        return getRedisTemplate().opsForHash().get(id.toString(), getKeyToMD5(key.toString()));
    }

    @Override
    public void clear() {
        System.out.println("清空缓存~~~");
        //清空namespace
        getRedisTemplate().delete(id.toString());//清空缓存
    }

    //用来计算缓存数量
    @Override
    public int getSize() {
        //获取hash中key value数量
        return getRedisTemplate().opsForHash().size(id.toString()).intValue();
    }


    //封装redisTemplate
    private RedisTemplate getRedisTemplate(){
        //通过application工具类获取redisTemplate
        RedisTemplate redisTemplate = (RedisTemplate) ApplicationContextUtils.getBean("redisTemplate");
        redisTemplate.setKeySerializer(new StringRedisSerializer());
        redisTemplate.setHashKeySerializer(new StringRedisSerializer());
        return redisTemplate;
    }


    //封装一个对key进行md5处理方法(这样可以让放入redis中的key长度变小)
    private String getKeyToMD5(String key){
        return DigestUtils.md5DigestAsHex(key.getBytes());
    }

}

在xxxmapper.xml中开启二级缓存并指向自定义RedisCache

<cache type="com.kuang.redis.cache.RedisCache">

但是当我们增删改的时候,缓存是需要被删除的，然后再放入更新后的数据到缓存。

当存在对多表时进行查询SQL语句，如果增删改，只会清空当前的nameSpace，其余关联的表的namespace并没有被清空，此时就会出现脏读问题。
解决办法: 在xxxmapper.xml中让多个cache指向同一个namespace

<cache-ref namespace="com.kuang.dao.UserDao"/>

3、Redis缓存

3.1、缓存雪崩

定义: 缓存雪崩就是瞬间过期数据量太大，导致对数据库服务器造成压力。在高并发下，大量缓存key在同一时间失效，导致大量请求直接落在数据库上，导致数据库宕机。
解决方案:
- 根据对不同的业务的数据，根据吞吐量来设置随机因子来生成缓存时间，高并发的业务随机因子较大。
- 缓存永久存储（不推荐）。
- 若是集群部署，可将热点数据均匀分布在不同的Redis库中也能够避免key全部失效问题。

3.2、缓存击穿

定义: 缓存击穿是指查询一个数据库存在，Redis缓存不存在的数据（失效）。单个高热数据过期的瞬间，数据访问量较大，未命中redis后，发起了大量对同一数据的数据库访问，导致对数据库服务器造成压力。
解决方案:
- 设置热点数据"永不过期"
- 加上互斥锁：上面的现象是多个线程同时去查询数据库的这条数据，那么我们可以在第一个查询数据的请求上使用一个互斥锁来锁住它，其他的线程走到这一步拿不到锁就等着，等第一个线程查询到了数据，然后将数据放到redis缓存起来。后面的线程进来发现已经有缓存了，就直接走缓存

3.3、缓存穿透(恶意)

定义: 缓存穿透，是指查询一个数据库不存在，Redis缓存也不存在的数据。例如数据库中没有id=-1的数据，这时如果外界疯狂查id=-1这个数据，先查询redis没有这个数据，再查询数据库也不存在这个数据即返回空，因此一直重复这个步骤，导致数据库压力过大，而出现宕机。
解决方案:
- 不存在的数据缓存到redis中，设置key，value值为null(不管是数据为null还是系统bug问题)，并设置一个短期过期时间段，避免过期时间过长影响正常用户使用。
- 拉黑该IP地址

4、Redis主从复制

主从复制: 是指将一台Redis服务器的数据，复制到其他的Redis服务器。前者称为主节点（Master/Leader）,后者称为从节点（Slave/Follower），数据的复制是单向的！只能由主节点复制到从节点（主节点以写为主、从节点以读为主）。
默认情况下，每台Redis服务器都是主节点，一个主节点可以有0个或者多个从节点，但每个从节点只能由有一个主节点。