二、数据缓存

已于 2023-01-30 17:28:10 修改
阅读量608 收藏
点赞数 1
分类专栏： redis 文章标签： 缓存 数据库 redis
于 2023-01-28 16:43:49 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/qq_42665745/article/details/128779699
版权

文章目录


学习 黑马点评项目整理总结: https://www.bilibili.com/video/BV1cr4y1671t/?vd_source=5f3396d3af2c3945929d54c786f289e5

官方命令文档：https://redis.io/commands/

数据缓存

1.标准缓存流程

在这里插入图片描述

public Result queryShopById(Long id) {
    String key = "cache:shop" + id;
    // 1.查缓存
    String shopJson = redisTemplate.opsForValue().get(key);
    // 2.判断是否存在
    if (StrUtil.isNotBlank(shopJson)) {
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        return Result.ok(shop);
    }

    // 3.不存在查数据库
    Shop shop = shopMapper.selectById(id);
    // 4.不存在，返回错误
    if (shop == null) {
        return Result.fail("店铺不存在");
    }
    // 5.写入redis
    redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop));
    return Result.ok(shop);
}
2.缓存更新一致性

缓存更新是redis为了节约内存而设计出来的一个东西，主要是因为内存数据宝贵，当我们向redis插入太多数据，此时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，或者把他叫为淘汰更合适。

内存淘汰：redis自动进行，当redis内存达到咱们设定的max-memery的时候，会自动触发淘汰机制，淘汰掉一些不重要的数据(可以自己设置策略方式)

超时剔除：当我们给redis设置了过期时间ttl之后，redis会将超时的数据进行删除，方便咱们继续使用缓存

主动更新：我们可以手动调用方法把缓存删掉，通常用于解决缓存和数据库不一致问题

在这里插入图片描述

  • 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

  • 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

1.给缓存设置兜底时间

public Result queryShopById(Long id) {
    String key = "cache:shop" + id;
    // 1.查缓存
    String shopJson = redisTemplate.opsForValue().get(key);
    // 2.判断是否存在
    if (StrUtil.isNotBlank(shopJson)) {
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        return Result.ok(shop);
    }

    // 3.不存在查数据库
    Shop shop = shopMapper.selectById(id);
    // 4.不存在，返回错误
    if (shop == null) {
        return Result.fail("店铺不存在");
    }
    // 5.写入redis
    redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop),30L, TimeUnit.SECONDS);
    return Result.ok(shop);
}

2.更新数据库时删除缓存

@Transactional
public Result updateShop(@RequestBody @Validated Shop shop) {
    // 1.更新数据库
    shopMapper.updateById(shop);
    // 2.删除缓存
    redisTemplate.delete("cache:shop" + shop.getId());
    return Result.ok();
}
3.缓存穿透解决方案

缓存穿透 ：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这些请求会直接打到数据库。

常见的解决方案有两种：

  • 缓存空对象
    • 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
    • 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
缓存空对象

当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到缓存了

在这里插入图片描述

public Result queryShopById(Long id) {
    String key = "cache:shop" + id;
    // 1.查缓存
    String shopJson = redisTemplate.opsForValue().get(key);
    // 2.判断是否存在
    if (StrUtil.isNotBlank(shopJson)) {
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        return Result.ok(shop);
    }
    // 7.缓存中是空对象，直接返回，不查数据库
    if ("".equals(shopJson)){
        return Result.fail("店铺不存在");
    }

    // 3.不存在查数据库
    Shop shop = shopMapper.selectById(id);
    // 4.不存在，返回错误
    if (shop == null) {
        // 6.缓存空对象
        redisTemplate.opsForValue().set(key, "",30L, TimeUnit.MINUTES);
        return Result.fail("店铺不存在");
    }
    // 5.写入redis
    redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop),30L, TimeUnit.SECONDS);
    return Result.ok(shop);
}
布隆过滤器

**布隆过滤：**布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中

假设布隆过滤器判断这个数据不存在，则直接返回

这种方式优点在于节约内存空间，存在误判，`误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突``
在这里插入图片描述
具体实现：
我们可以将数据库的数据，所对应的id写入到一个list集合中，当用户过来访问的时候，我们直接去判断list中是否包含当前的要查询的数据，如果说用户要查询的id数据并不在list集合中，则直接返回，如果list中包含对应查询的id数据，则说明不是一次缓存穿透数据，则直接放行。

在这里插入图片描述

现在的问题是这个主键其实并没有那么短，而是很长的一个 主键

哪怕你单独去提取这个主键，但是在11年左右，淘宝的商品总量就已经超过10亿个

所以如果采用以上方案，这个list也会很大，所以我们可以使用bitmap来减少list的存储空间

我们可以把list数据抽象成一个非常大的bitmap，我们不再使用list，而是将db中的id数据利用哈希思想，比如：

id % bitmap.size = 算出当前这个id对应应该落在bitmap的哪个索引上，然后将这个值从0变成1，然后当用户来查询数据时，此时已经没有了list，让用户用他查询的id去用相同的哈希算法， 算出来当前这个id应当落在bitmap的哪一位，然后判断这一位是0，还是1，如果是0则表明这一位上的数据一定不存在， 采用这种方式来处理，需要重点考虑一个事情，就是误差率，所谓的误差率就是指当发生哈希冲突的时候，产生的误差。

在这里插入图片描述

4.缓存雪崩解决方案

缓存雪崩是指在同一时段大量的缓存key同时失效或者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集群提高服务的可用性
  • 给缓存业务添加降级限流策略
  • 给业务添加多级缓存

在这里插入图片描述

5.缓存击穿解决方案

缓存击穿问题也叫热点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突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。

在这里插入图片描述

常见的解决方案有两种：

  • 互斥锁
  • 逻辑过期

互斥锁方案

因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。

假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。
在这里插入图片描述

逻辑过期方案

方案分析：我们之所以会出现这个缓存击穿问题，主要原因是在于我们对key设置了过期时间，假设我们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们内存了吗，我们可以采用逻辑过期方案。

我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们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去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个 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，由于线程线程2持有着锁，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，其他线程才能走返回正确的数据。

这种方案巧妙在于，异步的构建缓存，缺点在于在缓存构建完成之前，返回的都是脏数据。
在这里插入图片描述
两种方案对比

互斥锁方案：由于保证了互斥性，所以数据一致，且实现简单，因为仅仅只需要加一把锁而已，也没其他的事情需要操心，所以没有额外的内存消耗，缺点在于有锁就有死锁问题的发生，且只能串行执行性能肯定受到影响

逻辑过期方案： 线程读取过程中不需要等待，性能好，有一个额外的线程持有锁去进行重构数据，但是在重构数据完成前，其他的线程只能返回之前的数据，且实现起来麻烦

在这里插入图片描述

互斥锁

核心思路：相较于原来从缓存中查询不到数据后直接查询数据库而言，现在的方案是 进行查询之后，如果从缓存没有查询到数据，则进行互斥锁的获取，获取互斥锁后，判断是否获得到了锁，如果没有获得到，则休眠，过一会再进行尝试，直到获取到锁为止，才能进行查询

如果获取到了锁的线程，再去进行查询，查询后将数据写入redis，再释放锁，返回数据，利用互斥锁就能保证只有一个线程去执行操作数据库的逻辑，防止缓存击穿
在这里插入图片描述

加锁的核心思路就是利用redis的setnx方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true， 如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。

加锁/释放锁代码，可以直接用redisson

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

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

核心代码

public Result queryShopById(Long id) {
    String key = "cache:shop" + id;
    // 1.查缓存
    String shopJson = redisTemplate.opsForValue().get(key);
    // 2.判断是否存在
    if (StrUtil.isNotBlank(shopJson)) {
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        return Result.ok(shop);
    }
    // 7.缓存中是空对象，直接返回，不查数据库
    if ("".equals(shopJson)) {
        return Result.fail("店铺不存在");
    }

    // 8.缓存重构
    // 8.1 获取互斥锁
    String lockKey = "lock:shop:" + id;
    Shop shop = null;
    try {
        boolean isLock = tryLock(lockKey);
        // 8.2 判断否获取成功
        if (!isLock) {
            //8.3 失败，则休眠重试
            Thread.sleep(50);
            return queryShopById(id);
        }
        // 3.不存在查数据库
        shop = shopMapper.selectById(id);
        // 4.不存在，返回错误
        if (shop == null) {
            // 6.缓存空对象
            redisTemplate.opsForValue().set(key, "", 30L, TimeUnit.MINUTES);
            return Result.fail("店铺不存在");
        }
        // 5.写入redis
        redisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), 30L, TimeUnit.SECONDS);
    } catch (Exception e) {
        throw new RuntimeException(e);
    } finally {
        // 9.释放互斥锁
        unlock(lockKey);
    }
    return Result.ok(shop);
}
逻辑过期

思路分析：当用户开始查询redis时，判断是否命中，如果没有命中则直接返回空数据，不查询数据库，而一旦命中后，将value取出，判断value中的过期时间是否满足，如果没有过期，则直接返回redis中的数据，如果过期，则在开启独立线程后直接返回之前的数据，独立线程去重构数据，重构完成后释放互斥锁。
在这里插入图片描述

新建实体类

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

缓存预热

@Test
void testSaveShop(){
    Shop shop = shopMapper.selectById(1L);
    setWithLogicalExpire("cache:shop:" + 1L, shop, 10L, TimeUnit.SECONDS);
}

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));
}

核心代码

public Shop queryShopById(Long id) {
    String key = "cache:shop" + id;
    // 1.从redis查询商铺缓存
    String json = redisTemplate.opsForValue().get(key);
    // 2.判断是否存在 为空直接返回
    if (StrUtil.isBlank(json)) {
        return null;
    }
    // 4.命中，需要先把json反序列化为对象
    RedisData redisData = JSONUtil.toBean(json, 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())) {
        // 5.1.未过期，直接返回店铺信息
        return shop;
    }
    // 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:" + id;
    boolean isLock = tryLock(lockKey);
    // 6.2.判断是否获取锁成功
    if (isLock) {
        CACHE_REBUILD_EXECUTOR.submit(() -> {
            try {
                //重建缓存
                Shop newShop = shopMapper.selectById(id);
                //JSONUtil.toJsonStr(null);不报错 newShop可以为null 解决了缓存穿透
                this.setWithLogicalExpire(lockKey, JSONUtil.toJsonStr(newShop), 20L, TimeUnit.SECONDS);
            } catch (Exception e) {
                throw new RuntimeException(e);
            } finally {
                unlock(lockKey);
            }
        });
    }
    // 6.4.返回过期的商铺信息
    return shop;
}
6.使用函数式接口封装工具类

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

CacheClient 工具类

@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);
    }
}

使用

@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);
}
Filwaod
关注
专栏目录
【SpringBoot】27、SpringBoot中整合Ehcache实现热点数据缓存
Asurplus
07-24 21万+
EhCache 是一个纯 Java 的进程内缓存框架，具有快速、精干等特点，是 Hibernate 中默认的CacheProvider。用惯了 Redis，很多人可能已经忘记了还有 EhCache 这么一个缓存框架 一、简介 EhCache 是一个纯 Java 的进程内缓存框架，具有快速、精干等特点，是 Hibernate 中默认CacheProvider。Ehcache 是一种广泛使用的开源 Java 分布式缓存。主要面向通用缓存,Java EE 和轻量级容器。它具有内存和磁盘存储，缓存加载器,缓存扩展,
mybatis的一级缓存和二级缓存
学Java，找哪吒
06-21 7万+
一、什么是缓存 缓存是存在于内存中的临时数据。 使用缓存减少和数据库的交互次数，提高执行效率。 1、适用于缓存 经常查询并且不经常改变的； 数据的正确与否对最终结果影响不大的； 2、不适用于缓存 经常改变的数据； 数据的正确与否对最终结果影响很大的； 例如：商品的库存，银行的汇率，股市的牌价； 二、mybatis一级缓存 1、一级缓存简介 一级缓存作用域是sqlsession级别的，同一个sqlsession中执行相同的sql查询（相同的sql和参数），第一次会去查询数据库并写到缓存中，第
数据库缓存
yiXin_Chen的博客
03-01 2186
数据库缓存: 1) 一级缓存: 每个数据库的session都一个与其对应的一级缓存. 一级缓存的生命周期与对应的session一致. 一级缓存是默认生效的 作用: 会将session执行过的查询语句的结果自动保存到一级缓存中, 当同一个session再执行相同的查询时, sql将不再执行, 直接从一级缓存中提取之前的查询结果 好处:减轻数据库的查询压力,如...
【Redis缓存机制】1.Redis介绍和使用场景
热门推荐
程序猿之洞
11-15 8万+
(1)持久化数据库的缺点 平常我们使用的关系型数据库有Mysql、Oracle以及SqlServer等，在开发的过程中， 数据通常都是通过Web提供的数据库驱动来链接数据库进行增删改查。 那么，我们日常使用的数据库的数据都储存在哪里呢？我们以Mysql为例。 打开我们Mysql所在的文件夹目录下的data文件夹，如下所示: 我们可以发现，里面都是我们创建的数据库，打开其中一个
数据缓存技术及代码详解
weixin_34306676的博客
06-29 154
1.缓存概述　　•为什么使用缓存　　　　– 应用程序可以将那些频繁访问的数据，以及那些需要大量处理时间来创建的数据存储在内存中，从而提高性能　　• 缓存机制分类介绍　　　　– 应用程序缓存　　　　– 页输出缓存 2.应用程序缓存的机制　　• 应用程序缓存是由System.Web.Caching.Cache 类实现的，缓存实例（Cache 对象）是每个应用程序专　　　　用的，并且每个应用只有一个，...
数据缓存
武义濮的编程技术博客
04-16 293
数据缓存一、缓存  1、缓存是一种在计算机中广泛用来提高性能的技术。  2、在Web应用程序中，缓存用于在HTTP请求时保留页或者数据，并无须新创建的情况下多次使用他们。  3、目的：节省应用程序处理时间和资源  4、缓存体系有两种：页面输出缓存和应用程序数据缓存二、页面输出缓存  1、@OutputCache指令:&lt;%@ OutputCache Duration="60" VaryByPa...
如何检测cpu二级缓存是否损坏 详解二级缓存对CPU性能影响
01-20
二级缓存二级缓存的工作原理是当CPU要读取一个数据时，首先从缓存中查找，如果找到就立即读取并送给CPU处理；如果没有找到，就用相对慢的速度从内存中读取并送给CPU处理，同时把这个数据所在的数据块调入缓存中，...
数据缓存技术
01-12
综上所述，数据缓存技术是提升系统性能的关键手段之一，mybatis的二级缓存提供了一种有效的方法来优化数据库访问。在实际应用中，需要根据业务需求和系统特性，合理设计缓存策略，确保系统的稳定性和效率。
深入理解MyBatis中的一级缓存与二级缓存
08-30
二级缓存的原理是：每一个namespace的mapper都有一个二级缓存区域，两个mapper的namespace如果相同，这两个mapper执行sql查询到数据将存在相同的二级缓存区域中。 开启二级缓存需要在MyBatis的配置文件中加入 `...
大数据缓存处理
06-17
大数据缓存处理解决方案，参见博客地址：https://blog.csdn.net/yangxiaobo118/article/details/80716709，内涵数据库文件，分布式项目文件，部署文档，以及演示录像。
简单的数据缓存技术-1
11
07-07 2396
KnightE发在 □-Discuz! 开发交流 里的文章，我觉得很有用，转出来大家看看。　　近来做了一阵子程序性能的优化工作，有个比较有意思的想法，想提出来和大家交流一下。 　　Cache是“以空间换时间”策略的典型应用模式，是提高系统性能的一种重要方法。缓存的使用在大访问量的情况下能够极大的减少对数据库操作的次数，明显降低系统负荷提高系统性能。相比页面的缓存，结果集是一种“原始数据”不包含格式
浅谈数据缓存
富平男娃
12-26 449
什么数据需要缓存 热点数据、不易修改数据。建议缓存失效时间至多设置为7天。超过7天，再重新生成热点数据。 三级缓存 三级缓存分为堆内存、堆外存、硬盘。 什么样的数据适合放在一级缓存？ 数据量小的热点数据。 什么样的数据适合放在二级缓存？ 很少被修改的数据； 不是很重要的数据，允许出现偶尔并发的数据； 不会被并发访问的数据； 参考数据。 什么样的数据适合放在三级缓存？ 数据量大，且访问频率低的数据。 缓存使用会遇到什么问题？ 缓存并发问题，导致数据错误； 缓存命中率低的问题...
深度解析数据缓存技术
俗科技的博客
03-21 1万+
​ 缓存是分布式系统中的重要组件，主要解决高并发，大数据场景下，热点数据访问的性能问题。提供高性能的数据快速访问。（1）先写缓存，再写数据库[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GuaslfbG-1675935082869)(null)]​ 假如缓存写成功，但写数据库失败或响应延迟，则下次读取（并发读）缓存时，就出现脏读。（2）先写数据库，再写缓存。
数据缓冲机制
ZRZn1205的博客
04-04 275
数据缓冲机制是指怎样往一个队列或者链表里面不停的存放以及删除数据。以下用最简单的模型实现，即用一个队列，里面最多存放一个数据，并且一直在不停地存放，删除。 以下有两种方式实现，第一种，使用传统的链表实现。[code="java"] //ZRZn类，是一个数据类型，有一个public的id属性 public class ZRZn { public int id; } //生产者，向队列...
数据缓存解决方案
weixin_44015043的博客
04-25 1056
文章目录前言数据库缓存数据存在在内存中数据库业务数据分散存储搭建数据库集群数据库缓存之查询缓存持久层缓存二级缓存配置Redis二级缓存在配置文件中加上对应配置信息具体使用 @Cacheable测试后言删除二级缓存数据二级缓存的注解（@Cacheable）写在什么位置业务层缓存 前言 为什么要使用到缓存：主要还是由于数据库的IO能力不足，因为对于很多的数据数量还是很大，存储在内存中会消耗很大的内存空...
Spark设计原理(二)——数据缓存机制
杜海的博客
09-22 779
所以原数据有9条记录，而shuffle write有8条记录，是因为先缓存了，再combine()，combine()后少了一条记录。如果map()操作后，先combine()的话，则mappedRDD的数据会丢失，不会缓存。所以是先缓存，再combine()。最近插入或者读取的分区数据放在表头，尾部的数据就是当前最久未被使用的，替换时直接删掉尾部就行。map()，cache()，shuffle前的combine()的执行顺序是怎么样的呢？2.spark难以获取缓存rdd的生命周期，难以精确的缓存替换。
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