Redis缓存&分布式锁

Redisson官方文档

---

一、缓存

---

1.缓存的使用

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。

---

哪些数据适合放入缓存?

• 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）
  

---

2.分布式缓存（Redis）

---

---

---

二、SpringBoot整合Redis

---

1.引入Redis场景启动器（starter）

<!--引入redis-->
<dependency>
   <groupId>org.springframework.boot</groupId>
   <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

---

2.配置Redis相关信息

  # Redis相关配置
  redis:
    host: 192.168.10.22  # Redis主机地址
    port: 6379           # Redis端口号

---

Redis相关类

---

Redis自动配置类RedisAutoConfiguration

---

Redis所有的相关属性配置类RedisProperties

@ConfigurationProperties(
    prefix = "spring.redis"
)
public class RedisProperties {
    private int database = 0;
    private String url;
    private String host = "localhost";
    private String password;
    private int port = 6379;
    private boolean ssl;
    private Duration timeout;
    private String clientName;
    private RedisProperties.Sentinel sentinel;
    private RedisProperties.Cluster cluster;
    private final RedisProperties.Jedis jedis = new RedisProperties.Jedis();
    private final RedisProperties.Lettuce lettuce = new RedisProperties.Lettuce();

---

三、高并发下缓存失效问题(缓存穿透、雪崩、击穿)

---

1.缓存穿透

---

2.缓存雪崩

---

---

3.缓存击穿

---

---

分布式下如何枷锁？

---

锁时序问题

第一个错误的×

---

分布式锁演进

---

阶段一

---

阶段二

---

阶段三

---

阶段四

---

阶段五：最终形态

---

四、缓存分布式锁之Redisson

---

1.整合redisson作为分布式锁等功能框架

1）、引入依赖

     <dependency>
          <groupId>org.redisson</groupId>
          <artifactId>redisson</artifactId>
          <version>3.12.0</version>
    </dependency>

2）、配置redisson

/**
 * @description <功能描述> 缓存分布式锁之Redisson配置
 * @Author leslie
 * @Date 2021/8/1
 */
@Configuration
public class MyRedissonConfig {
    /**
     * 所有对Redisson的使用都是通过RedissonClient对象
     * @return
     * @throws IOException
     */
    @Bean(destroyMethod="shutdown")
    public RedissonClient redisson() throws IOException {
        // 1.创建配置
        Config config = new Config();
        // 单节点模式
        // Redis url should start with redis:// or rediss:// (for SSL connection)
        config.useSingleServer().setAddress("redis://192.168.10.22:6379");
        // config.useClusterServers().addNodeAddress("127.0.0.1:7004", "127.0.0.1:7001");//Redis集群地址

        // 2.根据config创建出RedissonClient实例
        RedissonClient redissonClient = Redisson.create(config);
        return redissonClient;
    }
}

3.Redisson分布式锁之可重入锁RLock

@ResponseBody
@GetMapping("/hello")
public String hello(){
    // 1.获取一把锁，只要锁的名字一样。就是同一把锁
    RLock lock = redisson.getLock("my-lock");
    // 2.加锁
    //lock.lock();//阻塞是等待。默认加的锁都是30s时间。
    //1)、锁的自动续期，如果业务超长，运行期间自动给锁续上新的30s。不用担心业务时间长，锁自动过期被删除
    //2)、加锁的业务只要运行完成，就不会给当前锁续期，即使不手动解锁，锁默认在30s以后自动删除

    lock.lock(10, TimeUnit.SECONDS);// 10秒钟自动解锁，自动解锁时间一定要大于业务的执行时间
    // 问题：lock.lock(10, TimeUnit.SECONDS);在锁时间到了以后，不会自动续期
    // 1.如果我们传递了锁的超时时间，就发送给redis执行脚本，进行占锁，默认超时就是我们指定的时间
    // 2.如果我们未指定锁的超时时间，就使用30*1000【LockWatchdogTimeout看门狗的默认时间】；
    //      只要占锁成功，就会启动一个定时任务【重新给锁设置过期时间，新的过期时间就是看门狗的默认时间】,每隔10s都会自动再次续期，续成30s
    //      internalLockLeaseTime【看门时间】/3,10s
    
    // 最佳实战
    // 1)、lock.lock(10, TimeUnit.SECONDS);省掉整个续期操作。手动解锁
    try{
        System.out.println("加锁成功，执行业务..."+Thread.currentThread().getId());
        Thread.sleep(30000);
    }catch (Exception e){

    }finally {
        // 3.解锁  假设解锁代码没有运行，Redisson会不会出现死锁
        System.out.println("释放锁"+Thread.currentThread().getId());
        lock.unlock();
    }
    return "hello";
}

---

4.Redisson分布式锁之读写锁（ReadWriteLock）

保证一定能读到最新数据，修改期间，写锁是一个排他锁（互斥锁、独享锁）。读锁是一个共享锁。
写锁没释放读就必须等待

• 读 + 读：相当于无锁状态，并发读，只会在redis中记录好，所有当前的读锁。他们都会同时加锁成功
• 写 + 读：读等待写锁释放
• 写 + 写 ：阻塞方式
• 读 + 写：有读锁。写也需要等待
• 只要有写的存在，都必须等待

// 保证一定能读到最新数据，修改期间，写锁是一个排他锁（互斥锁、独享锁）。读锁是一个共享锁。
// 写锁没释放读就必须等待
// 读 + 读：相当于无锁状态，并发读，只会在redis中记录好，所有当前的读锁。他们都会同时加锁成功
// 写 + 读：读等待写锁释放
// 写 + 写 ：阻塞方式
// 读 + 写：有读锁。写也需要等待
// 只要有写的存在，都必须等待
@GetMapping("/write")
@ResponseBody
public String writeValue(){
    RReadWriteLock lock = redisson.getReadWriteLock("rw-lock");
    String s = "";
    // 1. 改数据加写锁，读数据加读锁
    RLock rLock = lock.writeLock();
    rLock.lock();
    try{
        System.out.println("写锁加锁成功..."+Thread.currentThread().getId());
        s = UUID.randomUUID().toString();
        Thread.sleep(30000);
        redisTemplate.opsForValue().set("writeValue",s);
    }catch (InterruptedException e){
        e.printStackTrace();
    }finally {
        rLock.unlock();
        System.out.println("写锁释放..."+Thread.currentThread().getId());
    }
    return s;
}
@GetMapping("/read")
@ResponseBody
public String readValue(){
    RReadWriteLock lock = redisson.getReadWriteLock("rw-lock");
    String s = "";
    // 加读锁
    RLock rLock = lock.readLock();
    rLock.lock();
    try{
        System.out.println("读锁加锁成功..."+Thread.currentThread().getId());
        s = redisTemplate.opsForValue().get("writeValue");
        Thread.sleep(30000);
    }catch (Exception e){
        e.printStackTrace();
    }finally {
        rLock.unlock();
        System.out.println("读锁释放..."+Thread.currentThread().getId());
    }
    return s;
}

---

---

---

5.Redisson分布式锁之信号量（Semaphore）

---

/**
 * 车库停车
 * 3车位
 * 信号量也可以用作分布式限流
 */
@GetMapping("/park")
@ResponseBody
public String park() throws InterruptedException {
    RSemaphore park = redisson.getSemaphore("park");
    //park.acquire();// 获取一个信号，获取一个值,一个车位
    boolean b = park.tryAcquire();// 尝试获取
    if(b){
        // 执行业务
    }else{
        return "error";
    }
    return "ok"+b;
}
@GetMapping("/go")
@ResponseBody
public String go() throws InterruptedException {
    RSemaphore park = redisson.getSemaphore("park");
    park.release();// 释放一个车位
    return "ok";
}
}

---

6.Redisson分布式锁之闭锁（CountDownLatch）

---

 /**
  * 放假，锁门
  * 1班没人了 ，2班没人了
  * 5个班全部走完，我们可以锁大门
  */
 @GetMapping("/lockDoor")
 @ResponseBody
 public String lockDoor() throws InterruptedException {
     RCountDownLatch door = redisson.getCountDownLatch("door");
     door.trySetCount(5);
     door.await();// 等待闭锁都完成
     return "放假了";
 }
 @GetMapping("/gogogo/{id}")
 @ResponseBody
 public String gogogo(@PathVariable("id") Long id){
     RCountDownLatch door = redisson.getCountDownLatch("door");
     door.countDown();// 计数减1
     return id+"班的人都走了";
 }

---

---

---

五、缓存数据一致性（双写模式、失效模式）

---

---

---

---

六.Spring Cache

---

---

---

整合

---

1.引入场景启动器

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-cache</artifactId>
</dependency>

---

2.写配置

• 1）、自动配置了哪些
  CacheAutoConfiguration会导入 RedisCacheConfiguration；
  自动配置好了缓存管理器RedisCacheManager
• 2）、配置使用Redis作为缓存
  在application.properties配置

# 缓存类型  用Redis
spring.cache.type=redis

---

3.测试使用缓存

• @Cacheable: Triggers cache population.：触发将数据保存到缓存的操作
• @CacheEvict: Triggers cache eviction.：触发将数据从缓存删除
• @CachePut: Updates the cache without interfering with the method execution.：不影响方法执行更新缓存
• @Caching: Regroups multiple cache operations to be applied on a method.：组合以上多个操作
• @CacheConfig: Shares some common cache-related settings at class-level.：在类级别共享缓存的相同配置
  .
  开启缓存功能 @EnableCaching
  只需要使用注解就能完成缓存操作

/**
 * 查出商品三级分类所有的1级分类
 *
 *  1.每一个需要缓存的数据我们都来指定要放到哪个名字的缓存。【缓存的分区（按照业务类型分）】
 *  2.@Cacheable({"category"})
 *      代表当前方法的结果需要缓存，如果缓存中有，方法不用调用。
 *      如果缓存中没有，会调用方法，最后将方法的结果放入缓存
 *  3.默认行为
 *      1）、如果缓存中有，方法不用调用。
 *      2）、key默认生成；缓存的名字::SimpleKey [](自主生成的key值)
 *      3）、缓存的value值。默认使用jdk序列化机制。将序列化后的数据缓存到Redis
 *      4）、默认TTL(过期时间) -1(永不过期);
 *
 *
 *    自定义：
 *      1）、指定生成的缓存使用的key：  key属性指定。接收一个SpEL
 *      2）、指定缓存的数据存活时间：   配置文件中修改TTL
 *      3）、将数据保存为json格式
 *  4.Sring-Cache的不足
 *      1）、读模式：
 *          缓存穿透：查询一个null数据。解决：缓存空数据；spring.cache.redis.cache-null-values=true
 *          缓存击穿：大量并发进来同时查询一个正好过期的数据。解决：加锁；?默认是无加锁的;sync = true(加锁，解决击穿)
 *          缓存雪崩：大量的key同时过期。解决：加随机时间。加上过期时间。：spring.cache.redis.time-to-live=360000
 *      2）、写模式（缓存与数据一致）
 *          1）、读写加锁。
 *          2）、引入Canal,感知到MySQL的更新去更新数据库
 *          3)、读多写多，直接去数据库查询就行
 *      总结：
 *          常规数据（读多写少，即时性、一致性要求不高的数据）；完全可以使用Spring-Cache；写模式（只要缓存的数据有过期时间就够了）
 *          特殊数据：特殊设计
 *     原理：
 *          CacheManager(RedisCacheManager)-->Cache(RedisCache)-->Cache负责缓存的读写
 * @return
 */
@Cacheable(value = {"category"},key = "#root.method.name",sync = true)
@Override
public List<CategoryEntity> getLevel1Categorys() {
    System.out.println("getLevel1Categorys...");
    long l = System.currentTimeMillis();
    List<CategoryEntity> categoryEntities = baseMapper.selectList(new QueryWrapper<CategoryEntity>().eq("parent_cid", 0));
    return categoryEntities;
}

---

/**
 * 级联更新所有关联的数据
 * @CacheEvict:失效模式
 * 1.组合多个操作，同时进行多种缓存操作 @Caching
 * 2.指定删除某个分区下的所有数据 @CacheEvict(value = "category",allEntries = true)
 * 3.存储统一类型的数据，都可以指定成同一分区。分区名默认就是缓存的前缀
 * @param category
 * key 常规字符串要加单引号
 */
//@Caching(evict = {
//        @CacheEvict(value = {"category"},key ="'getLevel1Categorys'" ),
//        @CacheEvict(value = {"category"},key ="'getCatalogJson'" )
//})
@CacheEvict(value = "category",allEntries = true)
@Transactional  //添加事务
@Override
public void updateCascade(CategoryEntity category) {
    //1.先更新自己表中的数据
    this.updateById(category);
    categoryBrandRelationService.updateCategory(category.getCatId(), category.getName());
}

---

---

---

4.自定义缓存配置类

/**
 * @description 缓存配置类
 * @Author leslie
 * @Date 2021/8/6
 */
@EnableConfigurationProperties(CacheProperties.class)
@Configuration
@EnableCaching //开启缓存
public class MyCacheConfig {

//    @Autowired
//    CacheProperties cacheProperties;
    /**
     * 配置文件中的东西没有用上
     *
     * 1、原来和配置文件绑定的配置类是这样的
     *      @ConfigurationProperties(prefix = "spring.cache")
     *       public class CacheProperties {
     * 2、要让他生效
     *      @EnableConfigurationProperties(CacheProperties.class)
     * @return
     */
    @Bean
    RedisCacheConfiguration redisCacheConfiguration(CacheProperties cacheProperties){
        RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig();
        // key的序列化机制
        config = config.serializeKeysWith(
                RedisSerializationContext.SerializationPair.fromSerializer(new StringRedisSerializer()
                ));
        // value的序列化机制
        config = config.serializeValuesWith(
                RedisSerializationContext.SerializationPair.fromSerializer(new GenericJackson2JsonRedisSerializer())
                );
        CacheProperties.Redis redisProperties = cacheProperties.getRedis();
        // 将配置文件中的所有配置都生效
        if (redisProperties.getTimeToLive() != null) {
            config = config.entryTtl(redisProperties.getTimeToLive());
        }
        if (redisProperties.getKeyPrefix() != null) {
            config = config.prefixCacheNameWith(redisProperties.getKeyPrefix());
        }
        if (!redisProperties.isCacheNullValues()) {
            config = config.disableCachingNullValues();
        }
        if (!redisProperties.isUseKeyPrefix()) {
            config = config.disableKeyPrefix();
        }
        return config;
    }
}

---

---

相关配置类

---

CacheAutoConfiguration

---

CacheProperties

---

---

十、常见问题bug

---

1.产生堆外内存溢出：OutOfDirectMemoryError

产生堆外内存溢出：OutOfDirectMemoryError
1)、SpringBoot2.0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-Xmx300m；netty如果没有指定堆外内存，默认使用-Xmx300m

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

1）、升级lettuce客户端。2）、切换使用jedis

redisTemplate:
lettuce、jedis操作redis的底层客户端。Spring再次封装redisTemplate

---

十一、Redis缓存过期淘汰策略

1.面试题

2.Redis内存满了怎么办

1.Redis默认内存多少？在哪里查看？如何设置？

①：查看Redis最大占用内存

②：Redis默认内存多少可以用？

③：一般生产上你如何配置？

④：如何修改Redis内存设置

⑤：什么命令查看Redis内存使用情况？

2.真要打满了怎么样？如果Redis内存使用超出了设置的最大值会怎样？

3.Redis缓存淘汰策略

1.往redis里写的数据是怎么没了的

①：redis过期键的删除策略

②：三种不同的删除策略

Ⅰ、定时删除

Ⅱ、惰性删除

Ⅲ、定期删除

③：上述步骤都过堂了，还有漏洞吗？

④：内存淘汰策略登场

2.有那些（redis6.0.8版本）

3.你平时用哪一种

4.如何配置、修改

4.Redis的LRU算法简介

1.是什么

2.算法来源

力扣

3.设计思想

4.编码手写如何实现LRU

public class LRUCacheDemo<K,V> extends LinkedHashMap<K,V> {
    private int capacity;//缓存坑位

    /**
     * accessOrder     the ordering mode -
     * <tt>true</tt> for access-order 访问顺序
     * <tt>false</tt> for insertion-order 插入顺序
     * @param capacity
     */
    public LRUCacheDemo(int capacity){
        super(capacity,0.75F,true);
        this.capacity=capacity;
    }

    @Override
    protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
        return super.size()>capacity;
    }

    public static void main(String[] args)  {
        LRUCacheDemo lruCacheDemo=new LRUCacheDemo(3);
        lruCacheDemo.put(1,"a");
        lruCacheDemo.put(2,"b");
        lruCacheDemo.put(3,"c");
        System.out.println(lruCacheDemo.keySet());

        lruCacheDemo.put(4,"d");
        System.out.println(lruCacheDemo.keySet());

        lruCacheDemo.put(3,"c");
        lruCacheDemo.put(3,"c");
        lruCacheDemo.put(3,"c");
        System.out.println(lruCacheDemo.keySet());

        lruCacheDemo.put(5,"d");
        System.out.println(lruCacheDemo.keySet());
    }
    
}

[1, 2, 3]
[2, 3, 4]
[2, 4, 3]
[4, 3, 5]

---

---

public class LRUCacheDemo {
    Map<Integer, Node<Integer, Integer>> map;

    //map负责查找，构建一个虚拟的双向链表，它里面安装的就是一个个Node节点，作为数据载体
    DoubleLinkedList<Integer, Integer> doubleLinkedList;
    private int cacheSize;

    public LRUCacheDemo(int cacheSize) {
        this.cacheSize = cacheSize;//坑位
        //map = new HashMap<>();//查找
        map = new LinkedHashMap<>();
        doubleLinkedList = new DoubleLinkedList<>();
    }

    public static void main(String[] args) {
        LRUCacheDemo lruCacheDemo = new LRUCacheDemo(3);
        lruCacheDemo.put(1, 1);
        lruCacheDemo.put(2, 2);
        lruCacheDemo.put(3, 3);
        System.out.println(lruCacheDemo.map.keySet());

        lruCacheDemo.put(4, 4);
        System.out.println(lruCacheDemo.map.keySet());
        lruCacheDemo.put(4, 4);
        System.out.println(lruCacheDemo.map.keySet());

        lruCacheDemo.put(3, 3);
        System.out.println(lruCacheDemo.map.keySet());

        lruCacheDemo.put(5, 5);
        System.out.println(lruCacheDemo.map.keySet());

    }

    public int get(int key) {
        if (!map.containsKey(key)) {
            return -1;
        }
        Node<Integer, Integer> node = map.get(key);
        doubleLinkedList.removeNode(node);
        doubleLinkedList.addHead(node);
        return node.value;
    }

    //saveOrUpdate method
    public void put(int key, int value) {
        if (map.containsKey(key)) {//update
            Node<Integer, Integer> node = map.get(key);
            node.value = value;
            //map.put(key, node);
            map.remove(key);
            doubleLinkedList.removeNode(node);
            doubleLinkedList.addHead(node);
            map.put(key, node);
        } else {
            if (map.size() == cacheSize) {//坑我满了
                Node<Integer, Integer> lastNode = doubleLinkedList.getLast();
                map.remove(lastNode.key);
                doubleLinkedList.removeNode(lastNode);
            }
            //才是新增
            Node<Integer, Integer> newNode = new Node<>(key, value);
            map.put(key, newNode);
            doubleLinkedList.addHead(newNode);
        }
    }

    //1.构建一个Node节点，作为数据载体
    class Node<K, V> {
        K key;
        V value;
        Node<K, V> prev;
        Node<K, V> next;

        public Node() {
            this.prev = this.next = null;
        }

        public Node(K key, V value) {
            this.key = key;
            this.value = value;
            this.prev = this.next = null;
        }
    }

    //2.构造一个双向队列,里面安装的就是我们的Node
    class DoubleLinkedList<K, V> {
        Node<K, V> head;
        Node<K, V> tail;

        //2.1构造方法
        public DoubleLinkedList() {
            head = new Node<>();
            tail = new Node<>();
            head.next = tail;
            tail.prev = head;
        }

        //2.2添加头
        public void addHead(Node<K, V> node) {
            node.next = head.next;
            node.prev = head;
            head.next.prev = node;
            head.next = node;
        }

        //2.3删除节点
        public void removeNode(Node<K, V> node) {
            node.next.prev = node.prev;
            node.prev.next = node.next;
            node.prev = null;
            node.next = null;
        }

        //2.4获得最后一个节点
        public Node getLast() {
            return tail.prev;
        }
    }
}

[1, 2, 3]
[2, 3, 4]
[2, 3, 4]
[2, 4, 3]
[4, 3, 5]

---

public class LRUCacheDemo {
    Map<Integer, Node<Integer, Integer>> map;

    //map负责查找，构建一个虚拟的双向链表，它里面安装的就是一个个Node节点，作为数据载体
    DoubleLinkedList<Integer, Integer> doubleLinkedList;
    private int cacheSize;

    public LRUCacheDemo(int cacheSize) {
        this.cacheSize = cacheSize;//坑位
        map = new HashMap<>();//查找
        doubleLinkedList = new DoubleLinkedList<>();
    }

    public static void main(String[] args) {
        LRUCacheDemo lruCacheDemo = new LRUCacheDemo(3);
        lruCacheDemo.put(1, 1);
        lruCacheDemo.put(2, 2);
        lruCacheDemo.put(3, 3);
        System.out.println(lruCacheDemo.map.keySet());

        lruCacheDemo.put(4, 4);
        System.out.println(lruCacheDemo.map.keySet());
        lruCacheDemo.put(4, 4);
        System.out.println(lruCacheDemo.map.keySet());

        lruCacheDemo.put(3, 3);
        System.out.println(lruCacheDemo.map.keySet());

        lruCacheDemo.put(5, 5);
        System.out.println(lruCacheDemo.map.keySet());

    }

    public int get(int key) {
        if (!map.containsKey(key)) {
            return -1;
        }
        Node<Integer, Integer> node = map.get(key);
        doubleLinkedList.removeNode(node);
        doubleLinkedList.addHead(node);
        return node.value;
    }

    //saveOrUpdate method
    public void put(int key, int value) {
        if (map.containsKey(key)) {//update
            Node<Integer, Integer> node = map.get(key);
            node.value = value;
            map.put(key, node);
            doubleLinkedList.removeNode(node);
            doubleLinkedList.addHead(node);
        } else {
            if (map.size() == cacheSize) {//坑我满了
                Node<Integer, Integer> lastNode = doubleLinkedList.getLast();
                map.remove(lastNode.key);
                doubleLinkedList.removeNode(lastNode);
            }
            //才是新增
            Node<Integer, Integer> newNode = new Node<>(key, value);
            map.put(key, newNode);
            doubleLinkedList.addHead(newNode);
        }
    }

    //1.构建一个Node节点，作为数据载体
    class Node<K, V> {
        K key;
        V value;
        Node<K, V> prev;
        Node<K, V> next;

        public Node() {
            this.prev = this.next = null;
        }

        public Node(K key, V value) {
            this.key = key;
            this.value = value;
            this.prev = this.next = null;
        }
    }

    //2.构造一个双向队列,里面安装的就是我们的Node
    class DoubleLinkedList<K, V> {
        Node<K, V> head;
        Node<K, V> tail;

        //2.1构造方法
        public DoubleLinkedList() {
            head = new Node<>();
            tail = new Node<>();
            head.next = tail;
            tail.prev = head;
        }

        //2.2添加头
        public void addHead(Node<K, V> node) {
            node.next = head.next;
            node.prev = head;
            head.next.prev = node;
            head.next = node;
        }

        //2.3删除节点
        public void removeNode(Node<K, V> node) {
            node.next.prev = node.prev;
            node.prev.next = node.next;
            node.prev = null;
            node.next = null;
        }

        //2.4获得最后一个节点
        public Node getLast() {
            return tail.prev;
        }
    }
}

[1, 2, 3]
[2, 3, 4]
[2, 3, 4]
[2, 3, 4]
[3, 4, 5]