一、缓存
1、缓存使用
为了系统性能的提升,我们一般都会将部分数据放入缓存中,加速访问。而 db 承担数据落盘工作(持久化工作),数据库查询一次后将数据存入缓存,以后需要该数据直接从缓存中取。
适合放入缓存的数据:
- 即时性、数据一致性要求不高的
- 访问量大且更新频率不高的数据(读多,写少)
缓存中存放的所有对象都应该是 JSON 字符串,JSON 跨语言、跨平台兼容。
给缓存中存放 JSON 字符串,从缓存中拿出的 JSON 字符串,还要逆转为能用的对象类型【序列化与反序列化的过程】
Demo:
@Override
public Map<String, List<Catalog2Vo>> getCatalogJson() {
// 给缓存中存放 JSON 字符串,从缓存中拿出的 JSON 字符串,还要逆转为能用的对象类型【序列化与反序列化的过程】
// 1、加入缓存逻辑,缓存中存放的所有对象都应该是 JSON 字符串。
// JSON 跨语言、跨平台兼容
String catalogJson = redisTemplate.opsForValue().get("catalogJson");
if (StringUtils.isEmpty(catalogJson)) {
// 2、缓存中没有该数据,就从数据库查询出来
// getCatalogJsonFromDb() 该方法是涉及数据库操作
Map<String, List<Catalog2Vo>> catalogJsonFromDb = getCatalogJsonFromDb();
// 3、将从数据库中查出来的 catalogJsonFromDb 对象转成 JSON,再存放入缓存中
// 关于 JSON 与 Object 的转换,在 Spring MVC 的笔记中也有记录
String jsonString = JSON.toJSONString(catalogJsonFromDb);
redisTemplate.opsForValue().set("catalogJson",jsonString);
return catalogJsonFromDb;
}
// 转为指定的对象
// protected TypeReference() {} 底层是受保护的,因此这里引用的时候使用匿名内部类的方式加以实现
Map<String, List<Catalog2Vo>> result = JSON.parseObject(catalogJson,new TypeReference<Map<String, List<Catalog2Vo>>>(){
});
return result;
}
Redis 异常:产生堆外内存溢出
产生堆外内存溢出:OutOfDirectMemoryError
1)、Spring Boot 2.0 以后默认使用 lettuce 作为操作 redis 的客户端,它使用 netty 进行网络通信
2)、lettuce 的 bug 导致 netty 堆外内存溢出 (现在应该修复了,因为压测结果异常率为0 没有增加)
netty 如果没有指定堆外内存,默认使用 -Xmx100m 作为堆外内存,可以通过 -Dio.netty.maxDirectMemory 进行设置
解决方案:不能使用 -Dio.netty.maxDirectMemory 只去调大堆外内存,因为调大最大内存只是延缓了该异常,在长久运行累积之后堆外内存溢出还会产生,那就应该通过如下解决:
1)、升级 lettuce 客户端
2)、切换使用 jedis 客户端
另外,lettuce 和 jedis 是操作 redis 的底层客户端,本身封装了操作 redis 的一些 API。Spring 为了简化将这些进行再次封装成
RedisTemplate
高并发下缓存失效问题 - 缓存穿透(查询一个不存在的数据,缓存与数据库中都没有)
缓存穿透:
指查询一个一定不存在的数据,由于缓存是不命中,将去查询数据库,但是数据库也无此记录,我们没有将这次查询的 null 写入缓存,这将导致这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
风险:
利用不存在的数据进行攻击,数据库瞬时压力增大,最终导致崩溃
解决:
null 结果缓存,并加入短暂过期时间
高并发下缓存失效问题 - 缓存雪崩(大面积数据 key 同时失效,过期时间相同)
缓存雪崩:
指在我们设置缓存时 key 采用了相同的过期时间,导致缓存在某一时刻同时失效,请求全部转发到 DB,DB 瞬时压力过重导致雪崩
解决:
原有