实战篇--商户查询缓存

最新推荐文章于 2024-09-12 15:46:46 发布

xc6

最新推荐文章于 2024-09-12 15:46:46 发布

阅读量60

点赞数

分类专栏： Redis Java项目文章标签：缓存 redis java

本文链接：https://blog.csdn.net/xcxcxcxx1/article/details/130104526

版权

Redis 同时被 2 个专栏收录

9 篇文章 0 订阅

订阅专栏

Java项目

9 篇文章 0 订阅

订阅专栏

文章讲述了在Java环境中使用Redis进行缓存管理，包括添加缓存、超时剔除、主动更新策略。同时讨论了缓存穿透问题，提出缓存空对象和布隆过滤器的解决方案。此外，还探讨了缓存雪崩和缓存击穿的处理方法，如设置不同TTL、使用互斥锁等。

摘要由CSDN通过智能技术生成

商户查询缓存

什么是缓存

缓存就是数据交换的缓冲区，是存数据的临时地方，一般读写性能较高

添加Redis缓存

ShopServiceImpl

	@Override
    public Result queryById(Long id) {
        String shopJson = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);
        Gson gson = new Gson();
        if (StrUtil.isNotBlank(shopJson)) {
            Shop shop = gson.fromJson(shopJson, Shop.class);
            return Result.ok(shop);
        }
        Shop shop = this.getById(id);
        if (shop == null) {
            return Result.fail("店铺不存在！");
        }
        stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id,gson.toJson(shop));
        return Result.ok(shop);
    }

作业

ShopTypeServiceImpl

@Override
    public Result queryTypeListByRedis() {
        List<String> list = stringRedisTemplate.opsForList().range(CACHE_SHOP_LIST_KEY, 0, stringRedisTemplate.opsForList().size(CACHE_SHOP_LIST_KEY));
        Gson gson = new Gson();
        if (list != null && !list.isEmpty()){
            List<ShopType> shopTypeList = list.stream().map((json) ->{
                return gson.fromJson(json,ShopType.class);
            }).collect(Collectors.toList());
            return Result.ok(shopTypeList);
        }
        List<ShopType> shopTypeList = this.query().orderByDesc("sort").list();
        List<String> shopJsonList = shopTypeList.stream().map(gson::toJson).collect(Collectors.toList());
        stringRedisTemplate.opsForList().leftPushAll(CACHE_SHOP_LIST_KEY,shopJsonList);
        return Result.ok(shopTypeList);
    }

缓存更新策略

缓存更新策略的最佳实践方案：

1.低一致性需求：使用Redis自带的内存淘汰机制

2.高一致性需求：主动更新，并以超时剔除兜底

读操作：
- 缓存命中则直接返回
- 缓存未命中查数据库，并写入缓存，设定超时时间
写操作
- 先写数据库，然后再删除缓存
- 确保数据库与缓存操作的原子性

给查询店铺的缓存添加超时剔除和主动更新的策略

超时剔除

ShopServiceImpl

    @Override
    public Result queryById(Long id) {
        String shopJson = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);
        Gson gson = new Gson();
        if (StrUtil.isNotBlank(shopJson)) {
            Shop shop = gson.fromJson(shopJson, Shop.class);
            return Result.ok(shop);
        }
        Shop shop = this.getById(id);
        if (shop == null) {
            return Result.fail("店铺不存在！");
        }
		// 给缓存的数据添加过期时间就完成了超时剔除操作
        stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id,gson.toJson(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);
        return Result.ok(shop);
    }

主动更新

    @Override
    // 同步操作需要加上事务注解，要么全部成功，要么全部失败
    @Transactional
    public Result update(Shop shop) {
        // 先判断id的合法性
        Long id = shop.getId();
        if (id == null) {
            return Result.fail("店铺id不能为空！");
        }
		// 先更新数据库
        updateById(shop);
    	// 再删除redis的缓存
        stringRedisTemplate.delete(CACHE_SHOP_KEY+shop.getId());
        return Result.ok();
    }

缓存穿透

是什么？

指客户端请求的数据即不在redis，也不在数据库，这样缓存永远不会生效。这些请求都会被打到数据库。

怎么解决？
- 缓存空对象
- - 优点：简单粗暴
  - 缺点：额外的内存消耗，可能造成短期不一致
- 布隆过滤

- - 优点：内存占用少，没有多余的key
  - 缺点：存在误判，实现复杂

解决商铺查询缓存穿透问题：

    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;
    }

缓存雪崩

在同一时刻缓存大量失效或者redis宕机，导致大量请求到达数据库，带来压力

解决方案
- 给不同的key设置不同的ttl
- 利用redis集群提高服务的高可用性
- 就缓存业务实现降级限流策略
- 给业务添加多级缓存

缓存击穿

也叫热点key问题，被一个高并发并且缓存重建业务较为复杂的key失效了，无数的请求会在瞬间给数据库带来巨大的冲击。

解决方案：
- 互斥锁
- 逻辑过期

基于互斥锁解决缓存击穿问题：

使用redis的setnx操作

// 通过逻辑过期解决缓存击穿
    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;
    }

// 根据互斥锁解决缓存击穿
    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;
    }
// 获取锁
    private boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }
// 互斥锁
    private void unlock(String key) {
        stringRedisTemplate.delete(key);
    }
turn r;
    }
// 获取锁
    private boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }
// 互斥锁
    private void unlock(String key) {
        stringRedisTemplate.delete(key);
    }