高并发下缓存问题
-
缓存穿透:指查询一个不存在的数据,由于缓存不命中,将去查询数据库,但是数据库也没记录,并且没有将这次查询的null写入缓存,这将导致整个不存在的数据每次请求都要到存储层去查询,失去了缓存的意义
-
布隆过滤器
//ToDo
可以利用每个请求更换不同id继续缓存穿透,也将导致数据库瞬时压力增大 -
风险:利用不存在的数据进行攻击,多并发下数据库瞬时压力增大,最终导致数据库崩溃
-
解决方案:null结果缓存,并加入短暂过期时间
-
缓存雪崩:指在我们设置key时采用了相同的过期时间,导致缓存在某一时刻同时失效,如果失效的时刻大量并发过来,这将导致数据库压力过而雪崩。
-
解决方案:原有的失效时间基础上增加一个随机值,这样重复率就会降低。
-
缓存击穿:对于一些设置了过期时间的key,如果这些key可能会在某些时间点被超高并发地访问,是一种非常“”热点“”的数据。如果这个key在大量请求同时进来前正好失效,那么数据库压力将瞬间增大从而导致崩溃
-
解决方案:加锁
-
大量并发只让一个线程去查,查完之后将“”热点“”数据加入缓存,其他线程等待,查到以后释放锁,之后其他线程获取到锁后,将优先查缓存而不用去查数据库。
-
缓存一致性
-
保证最终一致性的前提是缓存数据有过期时间
1 双写模式:更改数据库的同时更改缓存
2 失效模式:更改数据库的同时删除缓存,下次访问缓存时更新缓存 -
这两种策略都会有脏数据的问题,即数据库数据与缓存不一致。对于经常需要写,数据的一致性要求高的,不应该放到缓存里,而应该直接读数据。
-
如果怕出现脏数据的情况,可以加个读写锁,不过这会导致写的时候多线程效率降低
-
canal:阿里开发的一个中间件
系统最终采用的一致性解决方案:
1、 缓存的所有数据都有过期时间,数据过期下一次查询触发主动更新
2、 读写数据的时候,加上分布式的读写锁,适用范围为写少读多的情况
SpingCache:Spring为缓存提供的统一接口,声明了两个接口
SpringCacheManage:统一不同的缓存,管理不同的缓存
SpringCache
整合springCache:
-
引入依赖
-
`
org.springframework.boot
spring-boot-starter-cache -
写配置:
-
自动配置了哪些
CacheAutoConfigration会导入redisCacheConfigration -
配置使用redsi作为缓存
-
` cache:
type: redis
设置存活时间
redis:
time-to-live: 3600000
默认使用前缀
如果指定了前缀就用我们指定的 如果没有就用缓存的名字作为前缀
key-prefix: CACHE_
是否缓存空值
cache-null-values: true
cache-names:
测试使用缓存
-
开启缓存功能: @EnableCaching
-
使用注解测试
-
在方法上标注@Cacheable
-
@Cacheable: 表示将此方法使用的结果放入缓存,并且缓存中没有才触发方法的执行后将结果放入缓存,缓存中已经有了就不触发方法的执行
默认情况下
当前方法的结果需要缓存 并指定缓存名字
缓存的value值 默认使用jdk序列化 推荐使用json序列化 可以在多个语言中使用
默认ttl时间 -1
key: 里面默认会解析表达式, 自定义字符串用 " ‘要输入的文字’ "这种形式希望自定义的内容:
-
指定生成缓存使用的key
-
指
-