项目理解（七）多级缓存优化性能

目录

1、多级缓存

（一）集成Caffeine

（二）Caffeine驱逐策略

2、Redis分布式缓存

（一）Redis过期与淘汰策略

（二）Redis分布式锁

（三）Redis缓存穿透、缓存雪崩、缓存击穿

---

1、多级缓存

本地缓存：性能最好；本地缓存大小一般较小；分布式缓存：有一些数据是不适合存放在本地缓存的，比如登录凭证，这个数据和用户有直接的关联，如一个请求访问A服务器凭证存放在A服务器，下一次请求访问B服务器，B缓存中没有凭证，影响登录状态；比本地缓存性能略低一些，主要是因为有网络开销；

多级缓存：一级缓存（本地缓存） -> 二级缓存（分布式缓存）-> DB :

可以避免缓存雪崩（缓存失效，大量请求直达DB），提高系统的可用性：

假设只有一级缓存和数据库：如果一个请求被分派到了服务器1，应用程序首先访问一级缓存（本地缓存），如果没有找到数据，应用程序就访问数据库DB，得到数据，并将数据更新到本地缓存  ；如果又来了一个和用户相关的请求，被分配到了服务器2，由于访问和用户相关的数据，且应用程序在一级缓存中没有找到数据，这个时候仅有一级缓存就出现了问题；如果一个没有和服务器强关联的请求，比如访问热门帖子，则不会有影响，因为先在一级缓存中没有找到数据的话，再到DB中查找；（由于之前使用redis存储登录凭证和用户信息）。使用二级缓存Redis，应用程序首先访问二级缓存，如果没有找到数据，应用程序就访问数据库DB，得到数据，并将数据更新到Redis，再访问服务器2，先从Redis找数据，可以找到，就直接得到数据了。

一级缓存（本地缓存），如果缓存命中，就可以直接返回；如果一级缓存没有，就会去Redis查找，再不行就走传统业务逻辑。这种缓存比单一的缓存工具比起来有如下特点：

1、适应集群环境

2、比单一Redis缓存性能高

3、设计三级数据层分摊了请求量，降低数据库压力

与所有缓存框架一样，缓存只适合非关键数据，因为缓存更新多少具有延时。

缓存中存的是频繁调用但不经常变化的数据：按照热门程度排的帖子存到缓存中；

不建议用Spring整合本地缓存的工具：Spring整合是用一个缓存管理器cache maneger去管理所有的缓存,程序中可能有很多缓存：A缓存帖子，B缓存其他的数据，每个缓存的大小，淘汰策略应该有所不同，可能需要多个缓存管理器，使用多个缓存管理器反而麻烦了；

缓存的更新：

1、当以及缓存失效时，得益于Caffeine本身提供的功能，可以指定方法去Redis获取并更新到缓存中。

2、当业务数据发生变化，调用delete方法直接清除一/二级缓存

3、当新建缓存时，先Redis存入缓存，再通过Redis的消息订阅机制 让本地每台机器接收最新的cache

（一）集成Caffeine

Spring集成流程：
1、导入包
2、在配置文件中配置缓存中最大的数量和过期时间（存到缓存中过多长时间就自动清理掉）
3、主要优化Service层中的方法：增加init方法（并使用@PostConstruct）查找热门帖子及数量：同步加载，如果缓存中没有，则加载到缓存；重构查找帖子方法（先在缓存中找，没有就到数据库中找）和得到帖子行数的方法；
4、压测：有缓存和没有缓存进行性能对比；

   //  ________________________________________________________
    //++++++++++++++++查询帖子列表及帖子数的方法重构+++++++++++++++++++++
    // Caffeine核心接口: Cache, LoadingCache：同步的, AsyncLoadingCache：异步的
    //都是按照key缓存value

    @Value("${caffeine.posts.max-size}")
    private int maxSize;

    @Value("${caffeine.posts.expire-seconds}")
    private int expireSeconds;


    //帖子列表缓存
    private LoadingCache<String,List<DiscussPost>> postListCache;
    //帖子数的缓存
    private LoadingCache<Integer,Integer> postRowsCache;

    //这两个缓存：应用程序在调用Service方法