缓存是什么？缓存机制、Spring缓存管理、Redis数据一致性、缓存问题（缓存穿透、缓存雪崩、缓存击穿）及Redis与MySQL使用场景对比

最新推荐文章于 2024-10-30 16:57:45 发布

胡耀超

最新推荐文章于 2024-10-30 16:57:45 发布

阅读量1.6k

点赞数 25

分类专栏： Java+SSM+DB 文章标签：缓存 spring redis

本文链接：https://blog.csdn.net/hyc010110/article/details/142651899

版权

Java+SSM+DB 专栏收录该内容

82 篇文章 1 订阅

订阅专栏

引言

缓存是一种在应用程序与数据源（如数据库）之间增加的中间层，用来提高读取数据的速度、减少数据库压力。Redis是一个常见的缓存工具，而Spring框架提供了统一的缓存管理支持，简化了缓存的使用。然而，缓存的引入也会带来数据一致性问题，需要深入理解和设计合理的解决方案。本文将全面介绍缓存相关知识，包括缓存的作用、Spring缓存管理、缓存问题、Redis数据一致性问题、以及Redis和MySQL的使用场景。

1. 缓存概述

1.1 缓存的作用

提高性能：将热点数据存储在缓存中，减少对数据库的频繁查询。
减轻数据库压力：通过缓存减少对数据库的并发请求，特别是当数据库访问代价较高时。
优化系统响应速度：缓存命中时的访问速度比从数据库读取数据快很多，通常是纳秒级别。

1.2 缓存的类型

本地缓存：数据存储在应用的内存中，访问速度快，但受限于单机内存大小，如Ehcache。
分布式缓存：数据存储在独立的缓存服务中，可被多个应用实例共享，典型代表为Redis和Memcached。

2. Spring缓存管理

Spring提供了统一的缓存抽象层，支持多种缓存提供者。开发者只需配置缓存，无需关心底层实现细节。常用的注解包括：

@Cacheable：表示方法的返回结果需要缓存。
@CachePut：更新缓存内容，与@Cacheable的主要区别是，@CachePut总是会执行方法。
@CacheEvict：用于清除缓存。
@Caching：组合多种缓存操作。

2.1 Spring缓存的使用步骤

引入依赖：在pom.xml中加入相关缓存依赖。
启用缓存：在Spring Boot应用中通过@EnableCaching开启缓存支持。
配置缓存：通过配置文件定义缓存的具体实现和细节，如使用Redis作为缓存提供者。

2.2 案例示例

@Service
public class ProductService {

    @Cacheable(value = "products", key = "#productId")
    public Product getProductById(String productId) {
        // 访问数据库获取产品信息
        return productRepository.findById(productId).orElse(null);
    }

    @CacheEvict(value = "products", key = "#productId")
    public void updateProduct(String productId, Product product) {
        // 更新数据库中的产品信息
        productRepository.save(product);
    }
}

3. 缓存问题及应对策略

3.1 缓存穿透

问题描述：缓存未命中且查询数据库也不存在的数据，不断向数据库发送请求，导致数据库压力增大。
解决方案：
- 使用布隆过滤器预先过滤不存在的数据。可以看这篇博客：Redis缓存穿透解决方案之一：布隆过滤器与计数型布隆过滤器概述以及两者在Spring中的使用
- 对查询不到的数据缓存空结果，设置较短的过期时间。

3.2 缓存雪崩

问题描述：缓存集中失效导致大量请求直接到数据库，产生巨大的并发压力。
解决方案：
- 为不同的缓存设置不同的过期时间，避免同时失效。
- 通过加锁或队列方式限制对数据库的并发请求。

3.3 缓存击穿

问题描述：缓存中的某个热点数据突然失效，导致大量请求同时查询数据库。
解决方案：
- 对热点数据加锁，在高并发情况下只允许一个线程查询数据库并重建缓存。
- 设置缓存永不过期，手动进行缓存刷新。

4. Redis数据一致性问题

4.1 Redis与数据库的异步更新问题

由于Redis通常作为缓存层，它与数据库之间可能存在延迟，这会导致数据不一致的问题。

常见场景：

写操作先写数据库，后删缓存：如果在删除缓存之前有读请求进来，可能会读取到旧数据。
写操作先删缓存，再写数据库：在数据库写成功前有其他读请求，这会导致缓存空白状态，直接查询数据库。

4.2 解决数据一致性的方法

延迟双删策略：写入数据库后立即删除缓存，并在一段时间后再次删除缓存。
读写一致性策略：通过缓存更新机制确保数据一致，如使用分布式锁保证缓存更新时的一致性。
订阅-发布模式：数据库更新时，通知Redis更新缓存。

5. Redis与MySQL使用场景对比

对比项	Redis	MySQL
数据存储模型	键值对存储	关系型数据库，支持复杂查询
性能	极高的读写性能，适合缓存、快速读写	写性能较高，但复杂查询速度较快
一致性	支持最终一致性	强一致性，ACID事务支持
数据持久化	提供RDB、AOF两种持久化机制	持久化数据存储
使用场景	缓存、会话存储、计数器、消息队列	事务性数据、复杂业务逻辑、报表查询

5.1 Redis适用场景

高频访问数据缓存：如用户登录信息、商品列表等。
计数器：如点赞数、访问量。
消息队列：使用Redis的List、Stream结构构建简单的消息队列系统。
分布式锁：通过Redis实现高效的分布式锁机制。

5.2 MySQL适用场景

复杂业务逻辑：需要进行复杂查询的场景，MySQL的关系型结构更适合处理复杂的数据关联。
事务性业务：如银行转账、电商下单等需要强事务支持的场景。

6. 综合案例分析：电商库存管理

在电商系统中，库存管理是一个高频读写的业务场景。假设我们有如下需求：

查询商品库存：希望通过缓存提高查询性能。
扣减库存：需要保持数据一致性，防止超卖。

6.1 系统设计

查询库存：使用Redis缓存商品库存，减少数据库的查询压力。
扣减库存：
- 通过Redis实现分布式锁，确保在并发情况下只有一个线程能够进行库存扣减。
- 库存扣减成功后，删除缓存或更新缓存中的库存数据。

6.2 流程图

+-----------------+      +----------------+      +----------------+
|    客户请求     | ---> |   查询Redis缓存  | ---> |    数据库查询    |
+-----------------+      +----------------+      +----------------+
                                  |                      |
                                  v                      |
                      +--------------------+             |
                      |   返回缓存中的库存   |            |
                      +--------------------+             |
                                 (缓存命中)               |
                                                         |
                              +---------------------+    |
                              |   库存扣减（加锁）  | <---+
                              +---------------------+