Java大牛必会|分布式缓存实现方案之Spring Cache

一. 场景

小白：杨哥，今天我做分布式缓存时，看到公司用了Spring Cache，这个技术你能给我讲讲吗？

杨哥：没问题！来，听杨哥给你说分布式缓存怎么搞。

二. 缓存介绍

2.1 缓存是高并发的第一策略

2.2 适合缓存的数据

2.3 缓存的重要指标

2.3.1 缓存命中率

从缓存中读取数据的次数：总读取次数 = 比率，命中率越高越好。

• 命中率 = 从缓存中读取次数 / (总读取次数[从缓存中读取次数 + 从慢速设备上读取的次数])；

• Miss率 = 没有从缓存中读取的次数 / (总读取次数[从缓存中读取次数 + 从慢速设备上读取的次数])

2.3.2 移除策略

参见上图！

三. 基于Redis实现缓存

3.1搭建环境

3.1.1 添加核心依赖

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

3.1.2 配置Redis

@Configuration
public class RedisConfig  {

    @Autowired
    private RedisTemplate redisTemplate;
    
    //序列化设置一下
    @PostConstruct
    public void setRedisTemplate() {
        redisTemplate.setKeySerializer(new StringRedisSerializer());
        redisTemplate.setValueSerializer(new JdkSerializationRedisSerializer());
    }

}

3.2 缓存实现

3.2.1 实现流程

3.2.2 核心代码

这里我们以查询省份信息为例进行实现。

@Override
public DsAprovinces selectById(Integer id) {

    String key = String.valueOf(id);
    DsAprovinces dsAprovinces= null;
    //1.从redis查
    dsAprovinces = (DsAprovinces)redisTemplate.opsForValue().get(key);

    //2.如果不空
    if(null!= dsAprovinces) {
        System.out.println("redis中查到了");
        return dsAprovinces;
    }

    //3.查询数据库
    dsAprovinces = dsAprovincesMapper.selectById(id);

    //3.放入缓存
    if(null!= dsAprovinces) {
        System.out.println("从数据库中查,放入缓存....");
        redisTemplate.opsForValue().set(key,dsAprovinces);
        redisTemplate.expire(key,60, TimeUnit.SECONDS); //60秒有效期
    }

    return dsAprovinces;
}

3.3 数据库的增删改联动

3.3.1 实现流程

3.3.2 核心代码

//更新:确保机制：实行双删
public int update(DsAprovinces dsAprovinces) {
    
    redisTemplate.delete(String.valueOf(dsAprovinces.getId()));
    int i = dsAprovincesMapper.updateById(dsAprovinces);
    redisTemplate.delete(String.valueOf(dsAprovinces.getId()));

    return  i;
}

四. 基于Spring Cache实现缓存

4.1 Spring Cache优点

根据上图可知，Spring Cache具有如下优点：

• 基于注解，代码清爽简洁；

• 支持各种缓存：Spring Cache并非一种具体的缓存技术，而是基于各种缓存产品(如Guava、EhCache、Redis等)进行的一层封装，结合SpringBoot开箱即用的特性用起来会非常方便；

• 可以实现复杂的逻辑；

• 可以对缓存进行回滚

4.2 Spring Cache包结构

4.3 常用注解

• @Cacheable //查询

• @CachePut //增改

• @CacheEvict //删除

• @Caching //组合多个注解

• @CacheConfig //在类上添加，抽取公共配置

4.4 代码实现

4.4.1 配置类

@Configuration
@EnableCaching //开启spring缓存
public class MyCacheConfig extends CachingConfigurerSupport {

    //使用redis做为缓存
    @Bean
    public CacheManager cacheManager(RedisConnectionFactory connectionFactory) {
        //1.redis缓存管理器
        RedisCacheManager.RedisCacheManagerBuilder builder = RedisCacheManager.builder(connectionFactory);
        //2.设置一些参数 //统一设置20s有效期
        builder.cacheDefaults(RedisCacheConfiguration.defaultCacheConfig().entryTtl(Duration.ofSeconds(2000)));
        builder.transactionAware();
        RedisCacheManager build = builder.build();
        return build;
    }

    //可以自定义key的生成策略
    @Override
    public KeyGenerator keyGenerator() {

        return  new KeyGenerator() {
            @Override
            public Object generate(Object target, Method method, Object... objects) {
                //1.缓冲
                StringBuilder sb = new StringBuilder();
                //2.类名
                sb.append(target.getClass().getSimpleName());
                //3.方法名
                sb.append(method.getName());
                //4.参数值
                for (Object obj : objects) {
                    sb.append(obj.toString());
                }
                return sb.toString();
            }
        };

    }

}

4.4.2service层实现类

@Service
@Primary
@CacheConfig(cacheNames = "provinces") //key键会添加provinces::
public class AprovincesServiceImpl2 implements IAprovincesService {

    @Autowired
    private DsAprovincesMapper  dsAprovincesMapper;

    @Autowired
    private RedisTemplate redisTemplate;

    @Override
    @Cacheable(key = "#id")
    //@Cacheable
    public DsAprovinces selectById(Integer id) {

        //3.查询数据库
        DsAprovinces dsAprovinces = dsAprovincesMapper.selectById(id);

        return dsAprovinces;
    }

    //更新:确保机制：实行双删
    @CachePut(key = "#dsAprovinces.id")
    public DsAprovinces update(DsAprovinces dsAprovinces) {
        dsAprovincesMapper.updateById(dsAprovinces);

        return dsAprovinces;
    }

    //添加
    @CachePut(key = "#dsAprovinces.id")
    public DsAprovinces save(DsAprovinces dsAprovinces) {

        dsAprovincesMapper.insert(dsAprovinces);

        return  dsAprovinces;
    }
    
    //删除
    @CacheEvict
    public int delete(Integer id) {
        int i = dsAprovincesMapper.deleteById(id);
        return  i;
    }
}

4.5 缺点

任何一种技术都不是十全十美的，Spring Cache也不例外，它也有一些缺点，比如：

• 不能保证数据的一致性：保存和修改数据是，是先修改数据库，然后再进行更新缓存。如果不满意延迟效果，可以不用cache ，用双删。

• 过期进间配置：过期时间统一配置。

五.缓存一致性问题

我们在实现Redis缓存时，其实会存在缓存一致性的问题，比如下图所示：

5.1 代码同步更新

强一致性，但代码耦合高。

5.2 代码异步更新

有延迟，借助设计模式或者mq。

5.3 缓存自己的TTL

缓存有一定的延迟，可能造成缓存击穿，或者雪崩问题。

5.4 用定时任务

要把握好更新频率。

六.分布式锁的实现

6.1 实现流程

解释说明：

• 缓存击穿和雪崩可以用分布式解决。

• 线程1，代码当前线程

• 线程2，代表和线程1的同类线程。

• 线程3，代表其它线程。

6.2 实现代码

6.2.1 核心代码

@Service
public class AprovincesServiceImpl3 implements IAprovincesService {

    @Autowired
    private DsAprovincesMapper  dsAprovincesMapper;

    @Autowired
    private RedisTemplate redisTemplate;

    @Autowired
    public CacheManager cacheManager;
    @Override
    public DsAprovinces selectById(Integer id) {

        System.out.println("=======================开始");
        //1.从缓存中取数据
        Cache provinces1 = cacheManager.getCache("provinces");
        Cache.ValueWrapper provinces = cacheManager.getCache("provinces").get(id);
        //2. 如果缓存中有数据，则返回
        if(null != provinces) {
            System.out.println("====从缓从中拿数据=======");
            return (DsAprovinces)provinces.get();
        }

        //3.如果缓存中没有，先加把锁
        doLock(id+"");
        //
        DsAprovinces dsAprovinces = null;

        try {

            //4.0从第二个线程进来后，查一下
            provinces = cacheManager.getCache("provinces").get(id);
            if(null != provinces) {
                System.out.println("====从缓从中拿数据=======");
                return (DsAprovinces)provinces.get();
            }

            //4.查询数据库
            dsAprovinces = dsAprovincesMapper.selectById(id);

            //5.把数据放入缓存
            if(null != dsAprovinces) {
                System.out.println("查询数据库，并放入缓存....");
                cacheManager.getCache("provinces").put(id,dsAprovinces);
            }
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            releaseLock(id+"");
        }


        return dsAprovinces;
    }


    //=====================================分布式加锁和释放锁封装start=========================
    //分布式存放锁,这个map是线程安全的
    private ConcurrentHashMap<String,Lock> locks = new ConcurrentHashMap<>();

    //依据主键进行加锁
    private  void doLock(String id) {
        //1.创建一个可重入锁
        ReentrantLock newlock = new ReentrantLock();
        //2.如 果存在id,则返回旧值，如果不存在, 放入，返回null
        Lock old = locks.putIfAbsent(id,newlock);

        //3.如果已存在id
        if(null != old) {
            old.lock();
        }else {
            newlock.lock();
        }
    }

    //释放 一下
    private void releaseLock(String id) {
        //获取到锁
        ReentrantLock lock = (ReentrantLock)locks.get(id);

        //判断
        if(null != lock && lock.isHeldByCurrentThread() ) {
            lock.unlock();
        }

    }
    //=====================================分布式加锁和释放锁封装end=========================
    

6.2.2 测试CountDownLatch

CountDownLatch cw = new CountDownLatch(8);

@GetMapping("/selectById1/{id}")
public DsAprovinces selectById1(@PathVariable Integer id) {

    for (int i = 0; i < 8; i++) {
        new Thread(
                new Runnable() {
                    @Override
                    public void run() {
                        try {
                            cw.await();
                            aprovincesService.selectById(id);
                        } catch (InterruptedException e) {
                            e.printStackTrace();
                        } finally {
                        }

                    }
                }
        ).start();
        cw.countDown();
    }


    return  aprovincesService.selectById(id);
}

6.2.3测试结果

七. 小结

至此，杨哥就带大家利用Spring Cache实现了分布式缓存，我们在开发时要依据具体的业务逻辑具体地分析解决。其实在项目中并没有固定的格式，只要大家选择适合自己项目场景的方案即可。