Redis5-缓存

已于 2024-08-07 20:19:48 修改
阅读量514 收藏 9
点赞数 17
分类专栏： Redis 文章标签： 缓存 redis
于 2024-08-07 20:18:38 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_73902080/article/details/140993942
版权

目录

什么是缓存

添加Redis缓存

缓存更新策略

三种策略

数据库和缓存不一致的解决方案

缓存穿透

缓存雪崩

缓存击穿

缓存工具封装

什么是缓存

缓存是数据交换的缓冲区（Cache），是存贮数据的临时地方，一般读写性能较高

多级缓存：

  • 浏览器缓存：主要是存在于浏览器端的缓存
  • 应用层缓存：可以分为tomcat本地缓存，比如之前提到的map，或者是使用redis作为缓存
  • 数据库缓存：在数据库中有一片空间是 buffer pool，增改查数据都会先加载到mysql的缓存中
  • CPU缓存：当代计算机最大的问题是cpu性能提升了，但内存读写速度没有跟上，所以为了适应当下的情况，增加了cpu的L1、L2、L3级的缓存

缓存可以大大降低用户访问并发量带来的服务器读写压力，但也会增加代码复杂度和运营成本：

添加Redis缓存

缓存模型和思路：

标准的操作方式就是查询数据库之前先查询缓存，如果缓存数据存在，则直接从缓存中返回，如果缓存数据不存在，再查询数据库，然后将数据存入Redis

代码实现：

package com.hmdp.service.impl;

import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONUtil;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.hmdp.mapper.ShopMapper;
import com.hmdp.service.IShopService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

import javax.annotation.Resource;

import static com.hmdp.utils.RedisConstants.CACHE_SHOP_KEY;

/**
 * <p>
 *  服务实现类
 * </p>
 */
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryById(Long id) {
        //1.从Redis查询商铺缓存
        String key = CACHE_SHOP_KEY + id;
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        //2.判断是否存在
        if(StrUtil.isNotBlank(shopJson)){
            //3.存在，直接返回
            Shop shop = JSONUtil.toBean(shopJson, Shop.class);
            return Result.ok(shop);
        }
        //4.不存在，根据id查询数据库
        Shop shop = getById(id);
        //5.数据库也不存在，返回错误
        if(shop == null){
            return Result.fail("店铺不存在");
        }
        //6.数据库存在，写入Redis
        stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop));
        //7.返回
        return Result.ok(shop);
    }
}

缓存更新策略

三种策略

缓存更新是redis为了节约内存而设计出来的，主要是因为内存数据宝贵，当向redis插入太多数据，就可能会导致缓存中的数据过多，所以redis会对部分数据进行更新（淘汰）

数据库和缓存不一致的解决方案

缓存的数据来自数据库，而数据库的数据是会改变的，如果当数据库中数据改变，而缓存却没有同步，就会有一致性问题存在

解决方案：

综合考虑方案一

操作缓存和数据库时有三个问题需要考虑：

1.删除缓存还是更新缓存？

  • 更新缓存：每次更新数据库都更新缓存，无效写操作较多×

  • 删除缓存：更新数据库时让缓存失效，查询时再更新缓存√

2.如何保证缓存与数据库的操作的同时成功或失败？

  • 单体系统，将缓存与数据库操作放在一个事务

  • 分布式系统，利用TCC等分布式事务方案

3.先操作缓存还是先操作数据库？

  • 先删除缓存，再操作数据库

  • 先操作数据库，再删除缓存

代码实现：

修改ShopController中的业务逻辑，满足下面的需求：

根据id查询店铺时，如果缓存未命中，则查询数据库，将数据库结果写入缓存，并设置超时时间

根据id修改店铺时，先修改数据库，再删除缓存

    @Override
    @Transactional
    public Result update(Shop shop) {
        Long id = shop.getId();
        if(id == null){
            return Result.fail("店铺不能为空");
        }
        //1.更新数据库
        updateById(shop);
        //2.删除缓存
        stringRedisTemplate.delete(CACHE_SHOP_KEY + id);
        return Result.ok();
    }

缓存穿透

缓存穿透：客户端请求的数据在缓存和数据库中都不存在，缓存永远不会生效，这些请求都会打到数据库，给数据库带来巨大压力

解决方案（前两种常用）：

  • 缓存空对象：即使数据在数据库中不存在，也把这个数据存到Redis中

       优点：实现简单，维护方便

       缺点：额外的内存消耗；可能造成短期的不一致

  • 布隆过滤器：采用的是哈希思想，通过一个庞大的二进制数组，根据哈希来判断当前数据是否存在

       优点：内存占用较少，没有多余key

       缺点：实现复杂；存在误判可能【原因：哈希思想存在哈希冲突】

  • 增强id的复杂度，避免被猜测id规律
  • 做好数据的基础格式校验
  • 加强用户权限校验
  • 做好热点参数的限流

代码实现：

    @Override
    public Result queryById(Long id) {
        //1.从Redis查询商铺缓存
        String key = CACHE_SHOP_KEY + id;
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        //2.判断是否存在
        if(StrUtil.isNotBlank(shopJson)){
            //3.存在，直接返回
            Shop shop = JSONUtil.toBean(shopJson, Shop.class);
            return Result.ok(shop);
        }
        //判断命中的是否是空值
        if(shopJson != null){
            //返回错误信息
            return Result.fail("店铺信息不存在");
        }
        //4.不存在，根据id查询数据库
        Shop shop = getById(id);
        //5.数据库也不存在，返回错误
        if(shop == null){
            //将空值写入Redis
            stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL, TimeUnit.MINUTES);
            return Result.fail("店铺不存在");
        }
        //6.数据库存在，写入Redis
        stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);
        //7.返回
        return Result.ok(shop);
    }

缓存雪崩

缓存雪崩：在同一时段大量的缓存key同时失效或Redis服务宕机，导致大量请求到达数据库，带来巨大压力

解决方案：

  • 给不同的key的TTL添加随机值
  • 利用Redis集群提供服务的可用性
  • 给缓存业务添加降级限流策略
  • 给业务添加多级缓存

缓存击穿

缓存击穿：也叫热点key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效，无数的请求访问会在瞬间给数据库带来巨大的冲击

解决方案：

  • 互斥锁

假设现在线程1访问，查询缓存没有命中，但此时得到了锁的资源，那么线程1就会去执行逻辑，假设现在线程2过来，线程2在执行过程中并没有得到锁，那么线程2就可以进行休眠，直到线程1把锁释放后，线程2得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据

  • 逻辑过期

把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是后续通过逻辑去处理。假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1获得互斥锁，其他线程阻塞，获得了锁的线程，会开启一个线程去进行以前的重构数据的逻辑，直到新开的线程2完成这个逻辑后，才释放锁， 而线程1直接进行返回，假设现在线程3过来访问，由于线程2持有锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能返回正确的数据

对比：

 代码实现：

互斥锁

/**
 * <p>
 *  服务实现类
 * </p>
 */
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryById(Long id) {
        //互斥锁解决缓存击穿
        Shop shop = queryWithMutex(id);
        if(shop == null){
            return Result.fail("店铺不存在");
        }
        //返回
        return Result.ok(shop);
    }


    public Shop queryWithMutex(Long id){
        //1.从Redis查询商铺缓存
        String key = CACHE_SHOP_KEY + id;
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        //2.判断是否存在
        if(StrUtil.isNotBlank(shopJson)){
            //3.存在，直接返回
            return JSONUtil.toBean(shopJson, Shop.class);
        }
        //判断命中的是否是空值
        if(shopJson != null){
            //返回错误信息
            return null;
        }
        //4.实现缓存重建
        //(1)获取互斥锁
        String lockKey = LOCK_SHOP_KEY + id;
        Shop shop = null;
        try {
            boolean isLock = tryLock(lockKey);
            //(2)判断是否获取成功
            if(!isLock){
                //(3)失败，休眠并重试
                Thread.sleep(50);
                queryWithMutex(id);
            }
            //(4)成功，根据id查询数据库
            shop = getById(id);
            //模拟重建延时
            Thread.sleep(200);
            //5.数据库也不存在，返回错误
            if(shop == null){
                //将空值写入Redis
                stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL, TimeUnit.MINUTES);
                return null;
            }
            //6.数据库存在，写入Redis
            stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        } finally {
            //7.释放互斥锁
            unlock(lockKey);
        }
        //8.返回
        return shop;
    }


    private boolean tryLock(String key){
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(true);
    }

    private void unlock(String key){
        stringRedisTemplate.delete(key);
    }


}

逻辑过期

package com.hmdp.utils;

import lombok.Data;

import java.time.LocalDateTime;

@Data
public class RedisData {
    private LocalDateTime expireTime;
    private Object data;
}

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryById(Long id) {
        //缓存穿透
        //Shop shop = queryWithPassThrough(id);

        //互斥锁解决缓存击穿
        //Shop shop = queryWithMutex(id);

        //逻辑过期解决缓存击穿
        Shop shop = queryWithLogicalExpire(id);

        if(shop == null){
            return Result.fail("店铺不存在");
        }
        //返回
        return Result.ok(shop);
    }

    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

    public Shop queryWithLogicalExpire(Long id){
        //1.从Redis查询商铺缓存
        String key = CACHE_SHOP_KEY + id;
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        //2.判断是否存在
        if(StrUtil.isBlank(shopJson)){
            //3.未命中，返回null
            return null;
        }
        //4.命中，先把json反序列化为对象
        RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
        Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);
        LocalDateTime expireTime = redisData.getExpireTime();
        //5.判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())){
            //(1)未过期，直接返回店铺信息
            return shop;
        }
        //(2)已过期，需要缓存重建
        //6.缓存重建
        //(1)获取互斥锁
        String lockKey = LOCK_SHOP_KEY + id;
        boolean isLock = tryLock(lockKey);
        //(2)判断是否获取锁成功
        if(isLock){
            //(3)成功，开启独立线程，实现缓存重建
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    //重建缓存
                    this.saveShopToRedis(id,20L);
                } catch (Exception e) {
                    throw new RuntimeException(e);
                }finally {
                    //释放锁
                    unlock(lockKey);
                }
            });
        }
        //(4)返回过期的商铺信息
        return shop;
    }
    

    public void saveShopToRedis(Long id,Long expireSeconds) throws InterruptedException {
        //1.查询店铺数据
        Shop shop = getById(id);
        Thread.sleep(200);
        //2.封装逻辑过期时间
        RedisData redisData = new RedisData();
        redisData.setData(shop);
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
        //3.写入Redis
        stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id,JSONUtil.toJsonStr(redisData));
    }



    private boolean tryLock(String key){
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(true);
    }

    private void unlock(String key){
        stringRedisTemplate.delete(key);
    }


}

缓存工具封装

基于StringRedisTemplate封装一个缓存工具类，满足下列需求：

  • 方法1：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间

  • 方法2：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题

  • 方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题

  • 方法4：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑过期解决缓存击穿问题

@Slf4j
@Component
public class CacheClient {

    private final StringRedisTemplate stringRedisTemplate;

    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

    public CacheClient(StringRedisTemplate stringRedisTemplate) {
        this.stringRedisTemplate = stringRedisTemplate;
    }

    public void set(String key, Object value, Long time, TimeUnit unit) {
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, unit);
    }

    public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit unit) {
        // 设置逻辑过期
        RedisData redisData = new RedisData();
        redisData.setData(value);
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));
        // 写入Redis
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));
    }

    public <R,ID> R queryWithPassThrough(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit){
        String key = keyPrefix + id;
        // 1.从redis查询商铺缓存
        String json = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isNotBlank(json)) {
            // 3.存在，直接返回
            return JSONUtil.toBean(json, type);
        }
        // 判断命中的是否是空值
        if (json != null) {
            // 返回一个错误信息
            return null;
        }

        // 4.不存在，根据id查询数据库
        R r = dbFallback.apply(id);
        // 5.不存在，返回错误
        if (r == null) {
            // 将空值写入redis
            stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
            // 返回错误信息
            return null;
        }
        // 6.存在，写入redis
        this.set(key, r, time, unit);
        return r;
    }

    public <R, ID> R queryWithLogicalExpire(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + id;
        // 1.从redis查询商铺缓存
        String json = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isBlank(json)) {
            // 3.存在，直接返回
            return null;
        }
        // 4.命中，需要先把json反序列化为对象
        RedisData redisData = JSONUtil.toBean(json, RedisData.class);
        R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
        LocalDateTime expireTime = redisData.getExpireTime();
        // 5.判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())) {
            // 5.1.未过期，直接返回店铺信息
            return r;
        }
        // 5.2.已过期，需要缓存重建
        // 6.缓存重建
        // 6.1.获取互斥锁
        String lockKey = LOCK_SHOP_KEY + id;
        boolean isLock = tryLock(lockKey);
        // 6.2.判断是否获取锁成功
        if (isLock){
            // 6.3.成功，开启独立线程，实现缓存重建
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    // 查询数据库
                    R newR = dbFallback.apply(id);
                    // 重建缓存
                    this.setWithLogicalExpire(key, newR, time, unit);
                } catch (Exception e) {
                    throw new RuntimeException(e);
                }finally {
                    // 释放锁
                    unlock(lockKey);
                }
            });
        }
        // 6.4.返回过期的商铺信息
        return r;
    }

    public <R, ID> R queryWithMutex(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + id;
        // 1.从redis查询商铺缓存
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isNotBlank(shopJson)) {
            // 3.存在，直接返回
            return JSONUtil.toBean(shopJson, type);
        }
        // 判断命中的是否是空值
        if (shopJson != null) {
            // 返回一个错误信息
            return null;
        }

        // 4.实现缓存重建
        // 4.1.获取互斥锁
        String lockKey = LOCK_SHOP_KEY + id;
        R r = null;
        try {
            boolean isLock = tryLock(lockKey);
            // 4.2.判断是否获取成功
            if (!isLock) {
                // 4.3.获取锁失败，休眠并重试
                Thread.sleep(50);
                return queryWithMutex(keyPrefix, id, type, dbFallback, time, unit);
            }
            // 4.4.获取锁成功，根据id查询数据库
            r = dbFallback.apply(id);
            // 5.不存在，返回错误
            if (r == null) {
                // 将空值写入redis
                stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
                // 返回错误信息
                return null;
            }
            // 6.存在，写入redis
            this.set(key, r, time, unit);
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        }finally {
            // 7.释放锁
            unlock(lockKey);
        }
        // 8.返回
        return r;
    }

    private boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }

    private void unlock(String key) {
        stringRedisTemplate.delete(key);
    }
}
    @Resource
    private CacheClient cacheClient;

    @Override
    public Result queryById(Long id) {
        // 解决缓存穿透
        Shop shop = cacheClient
                .queryWithPassThrough(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);

        // 互斥锁解决缓存击穿
        // Shop shop = cacheClient
        //         .queryWithMutex(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);

        // 逻辑过期解决缓存击穿
        // Shop shop = cacheClient
        //         .queryWithLogicalExpire(CACHE_SHOP_KEY, id, Shop.class, this::getById, 20L, TimeUnit.SECONDS);

        if (shop == null) {
            return Result.fail("店铺不存在！");
        }
        // 7.返回
        return Result.ok(shop);
    }
Onlooker129
关注
  • 17
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【Redis】--缓存双写一致性分析、解决方案
寻梦友的博客
08-07 4305
对于高TPS的场景读写，为了保障DB系统性能压力，可以采用：“先更新缓存，后异步同步到DB”。借用MQ中间件，将有问题的key放入MQ，重新消费进行更新缓存【借用第三方组件，耗费大】。：这个方案有一个明显的问题，刚删除完缓存，还未更新数据库时，另一个读请求操作会加载旧的数据到缓存中，造成数据不一致。正常删除即结束，否则将这个信息发送到消息队列，专门有任务从消息队列中获取该数据，重新删除操作，直到成功。方案一：更新数据库失败，可以使用日志或消息队列补偿策略，重新将缓存的数据更新到数据库。
redis2-nginx-module-0.15
07-18
Redis2-NGINX-Module 是一个用于 NGINX Web 服务器的扩展模块，它允许开发者将 NGINX 与 Redis 数据库集成，实现高效的数据缓存和交互。这个版本是 0.15，它提供了一系列功能，帮助提升 Web 应用的性能，减少数据库...
Redis---缓存双写一致性
flyingcloud6的博客
07-12 2642
本文总结了redis的缓存双写一致性的知识点。
Redis--保证缓存与数据库的一致性--解决方案
IT利刃出鞘的博客
10-07 4973
本文介绍如何保证Redis缓存与数据库的数据一致性。
Redis--缓存雪崩及解决方案
CJPSR的博客
07-21 2341
本文的内容讲的是使用Redis做缓存的过程中，出现的缓存雪崩问题及解决方案。
Redis-mysql 缓存实战
微微 -------
03-28 1362
本文基于Springboot，mybatis plus，mysql，redis， Jedis模拟redis缓存实现
Redis--缓存穿透--含义/原因/解决方案
IT利刃出鞘的博客
02-09 4649
本文介绍Redis的缓存穿透，包括：含义、原因、解决方案。
高性能分布式缓存Redis--- 缓存原理和设计 --- 持续更新
殷志鹏的博客
04-15 3956
系列笔记的第一章：缓存原理和设计，学习redis缓存，首先得知道缓存是什么
Redis-缓存更新策略
weixin_45535519的博客
12-10 2306
Redis常见的缓存更新策略有三种，分别是Cache Aside Pattern(旁路缓存模式)、Read/Write Through Pattern(读写穿透模式)以及Write Behind Pattern (异步缓存写入模式)三种。三种模式各有优劣，不存在最佳模式，根据具体的业务场景选择适合自己的缓存读写模式即可。以下将分别介绍三种模式。
Redis--缓存击穿--含义/原因/解决方案
IT利刃出鞘的博客
09-21 1955
本文介绍Redis的缓存穿透，包括：含义、原因、解决方案。
【Redis篇】Redis缓存之缓存穿透
qq_40980718的博客
06-05 2408
本篇详细描述了Redis缓存中的缓存穿透问题，包括一些解决方案
redis-windows-7.2.5.zip
05-20
Redis，全称Remote Dictionary Server，是一款开源的、高性能的键值对存储系统，常被用于构建数据缓存、消息队列以及持久化数据存储等多种场景。在Windows环境下安装Redis，可以借助于提供的压缩包"redis-windows-...
redis校验工具redis-full-check
05-27
Redis 是一款高性能的键值存储系统，广泛应用于缓存、数据库和消息中间件等场景。在实际应用中，为了确保 Redis 的稳定性和数据一致性，需要定期对 Redis 实例进行健康检查。`redis-full-check` 正是这样一款针对 ...
Redis-Windows-6.2.6.zip
03-09
Redis是世界上最受欢迎的开源内存数据结构存储系统，它可以用作数据库、缓存和消息代理。在Windows环境下，Redis的安装和使用可能与在Linux上有所不同，但同样提供了高效的数据处理能力。本文将深入探讨Redis 6.2.6...
redis-windows-7.2.4.zip
01-14
Redis，全称Remote Dictionary Server，是一款开源的、高性能的键值对存储系统，它支持数据的持久化，可以作为数据库、缓存和消息中间件使用。Redis以其高速度和丰富的数据结构而闻名，广泛应用于互联网服务，如计数...
【缓存】缓存击穿、缓存穿透、缓存雪崩
好记性不如烂笔头
08-06 193
缓存中没找到请求的数据，数据库中也没有请求的数据，那么把这个请求数据保存在缓存里，但是置为空。如果有攻击者伪造了一个请求，而且请求的数据再缓存中找不到，那么每次请求，都会从数据库中查找。一般缓存的数据都有有效期，当某个数据有效期过了，对该数据的所有请求统统走向了数据库，数据库由于突然大量的请求访问可能就会崩掉了，这就是缓存击穿。1）对请求进行校验，比如请求的数据，缓存中肯定没有，并且数据库中也肯定没有的情况，直接拦截过滤掉。3）如果数据量比较小，可以全部放在缓存中，有请求的数据就返回，没有就返回空。
Babylonjs学习笔记(十四)——通IndexDB缓存模型
localhost
08-01 158
虽然从浏览器缓存中加载，但是babylonjs仍然需要解析.glb文件并将其转换为内存中的3D模型，这个过程很耗时；使用IndexDB缓存已解析的数据，而不仅仅是.glb文件
缓存异常：缓存雪崩、击穿、穿透
最新发布
shenyongsi的博客
08-06 344
针对某个访问非常频繁的热点数据的请求，无法在缓存中进行处理，紧接着，访问该数据的大量请求，一下子都发送到了后端数据库，导致了数据库压力激增，是发生在某个热点数据失效的场景下，和缓存雪崩相比，缓存击穿失效的数据数量要小很多，应对方法也不一样要访问的数据既不在 Redis 缓存中，也不在数据库中，导致请求在访问缓存时，发生缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据。
LeetCode Medium｜【146. LRU 缓存】
糖炒栗子
08-03 736
题意：本题的题意就是希望我们设计一个满足 LRU 缓存的数据结构，LRU即最近最少使用。需要我们实现 get 和 put 方法，即从缓存中获取值和设置缓存中值的方法。还有一个约束条件就是缓存应当有容量限制，如果实现 put 方法的时候，没有空闲的空间的话，需要淘汰一个最久没有使用的 key同时要求 get 和 put 的时间复杂度是O(1)
redis6-x64-window.zip
07-27
redis6-x64-window.zip是一个Windows平台下的Redis软件包文件。Redis是一个开源的内存数据存储系统，常用于快速读写和缓存数据。该软件包适用于64位Windows操作系统。 这个压缩文件包含了Redis的安装文件和相关的配置、文档等文件。通过解压该文件，可以获得Redis在Windows下的可执行文件(redis-server.exe)以及用于操作Redis的命令行工具(redis-cli.exe)。此外，还包含了Redis的配置文件(redis.conf)和一些示例配置文件，用户可以根据需要进行修改。 对于需要在Windows平台运行Redis的用户来说，下载并解压这个zip包是安装和使用Redis的第一步。解压后，用户可以使用redis-server.exe启动Redis服务器，并使用redis-cli.exe进行与服务器的交互。通过配置redis.conf文件，可以设置Redis的监听端口、密码、数据持久化方式等参数。 Redis在Windows平台下的安装和配置较为简单，但在生产环境中，还需要进行一些额外的设置，如设置Redis服务的启动方式、配置Redis的持久化机制等。因此，在使用Redis时，建议用户参考Redis的官方文档和相关教程，对Redis的安装、配置和使用进行更加详细的了解。 总而言之，redis6-x64-window.zip是Redis在Windows平台下的安装包，通过解压该文件，可以得到Redis的可执行文件和配置文件，从而在Windows系统下安装和使用Redis。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值