由之前并发场景下我们发现大多数请求耗时都集中在数据库查询上,所以要缩短响应时间,我们就必须优化查询机制,使用跟高效快速的多级缓存技术。
缓存设计原则:
1.用快速存取设备,用内存,但是缺点就是断电即丢失
2.将缓存推到离用户最近的地方
3.脏缓存清理(同步缓存策略)
多级缓存:
一级:redis缓存
二级:热点内存本地缓存
三级:nginx proxy cache缓存
四级:nginx lua缓存
redis缓存:
Nosql模型数据库,作为消息集中式缓存中间件,使用Key-Value方式做数据访问操作,之前是使用memorycache作为消息缓存(基于内存,完全断电即丢失),而redis支持可以配置将数据刷新到磁盘的策略。比如key达到一定数量时即刷新一次磁盘,也可以设置每个一定时间轮询刷新磁盘。这容许一定数据的丢失。
在项目中的位置:
单机模式:
之前我们使用的是单机版的redis,所有的存取操作都在这台redisServer上面。且和数据库Server是共用的,这就造成了单点瓶颈,如果单节点挂掉,整个项目都有影响,并且单机容量是上限的。无法满足高效存储,于是就有了sentinal哨兵模式。
sentinal哨兵模式:
客户端在做get/set操作时会先去询问哨兵去那个redis节点访问,哨兵机制会先择主节点并返回给客户端服务,然后去访问指定的redis服务器即可。
redis1 出现异常后哨兵机制将进行主备切换:
如果redis1 master产生异常,心跳机制就会被破快掉,这时哨兵将redis2 指定为master。并将slave指向redis2。这时哨兵会通知客户端产生change,重新产生ask,然后将get/set迁移到redis2。
集群cluster模式:
对于sentinal机制的容量问题也很明显,即使我们把get指定到redis1,把set指定到redis2,进行读写分离,也避免不了master的key足够多给撑爆。在没有cluster前,我们一般使用分片机制。
分片机制:
通过hash值计算使用哪台master作为操作几节点。但是这种机制问题也很多,首先,需要程序做复杂的处理去计算,二是如果在加入一片redis5master,就要进行复杂的数据迁移过程。因此就引入cluster模式。
cluster模式:
在这种模式中,我们有多个redis,它是一个雪花状的集群,我们配置2读2写,这样reids会自动竞选出以哪一个reids作为master,哪一台作为它的slave,并且它和多台redis进行网状的连接。也就是说这台redis知道它的slave是谁,它的其他分片是谁,主从是谁。这些都是基于redis cluster的数据同步+pascal的竞争算法实现的。pascal算法就是当集群中一半以上的节点存活的话,对应的集群任然是可以work的,然后集群会做一次投票,直到半数以上的集群状态达到一致。即认定对应的集群当前的状态就是现在的状态。通过pascal算法,每个节点都会互相感知在集群中的状态。这样程序只需要连接任何一台redis,即可以得到这个集群中所有redi是的信息。并且将这些分片信息维护在自己的内存中。这样get/set操作根据存储的路由位置发送即可。
这样当一台redis挂掉后,集群内部的所哟hash分片都会重新调整,并且将剩下的都保持最新的状态,程序就算根据之前的错误路由信息发送到对应的节点,如果这个节点发现对应的key不属于调整之后的节点,会给程序返回一个reask,需要程序重新获取路由信息。
详细的配置操作实现请见另一篇:springboot整合redis单节点,哨兵,集群cluster可配置版
redis配置详解:
package com.miaoshaProject.config;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.fasterxml.jackson.databind.module.SimpleModule;
import com.miaoshaProject.serializer.JodaDateTimeJsonDeserializer;
import com.miaoshaProject.serializer.JodaDateTimeJsonSerializer;
import org.joda.time.DateTime;
import org.springframework.context.annotation.Bean;
import org.springframework.data.redis.connection.RedisConnectionFactory;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;
import org.springframework.data.redis.serializer.StringRedisSerializer;
import org.springframework.session.data.redis.config.annotation.web.http.EnableRedisHttpSession;
import org.springframework.stereotype.Component;
/**
* @author aric
* @create 2021-07-14-19:58
* @fun
*/
@Component
@EnableRedisHttpSession(maxInactiveIntervalInSeconds = 3600)
public class RedisConfig {
@Bean
public RedisTemplate redisTemplate(RedisConnectionFactory redisConnectionFactory) {
//springboot中默认的配置方式
RedisTemplate redisTemplate = new RedisTemplate();
redisTemplate.setConnectionFactory(redisConnectionFactory);
//重写springboot自带的redisAutoConfig中redisTemplate的实现
//首先解决key的序列化方式
StringRedisSerializer stringRedisSerializer = new StringRedisSerializer();
redisTemplate.setKeySerializer(stringRedisSerializer);
//解决value的序列化方式
Jackson2JsonRedisSerializer jackson2JsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);
ObjectMapper objectMapper = new ObjectMapper();
//定制化日期类型乱码处理
SimpleModule simpleModule = new SimpleModule();
simpleModule.addSerializer(DateTime.class, new JodaDateTimeJsonSerializer());
simpleModule.addDeserializer(DateTime.class, new JodaDateTimeJsonDeserializer());
//定制解析对应实体类参数
objectMapper.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL);
objectMapper.registerModule(simpleModule);
jackson2JsonRedisSerializer.setObjectMapper(objectMapper);
redisTemplate.setValueSerializer(jackson2JsonRedisSerializer);
return redisTemplate;
}
}
package com.miaoshaProject.serializer;
import com.fasterxml.jackson.core.JsonGenerator;
import com.fasterxml.jackson.databind.JsonSerializer;
import com.fasterxml.jackson.databind.SerializerProvider;
import org.joda.time.DateTime;
import java.io.IOException;
/**
* @author aric
* @create 2021-07-19-18:58
* @fun
*/
public class JodaDateTimeJsonSerializer extends JsonSerializer<DateTime> {
@Override
public void serialize(DateTime dateTime, JsonGenerator jsonGenerator, SerializerProvider serializers) throws IOException {
jsonGenerator.writeString(dateTime.toString("yyyy-MM-dd HH:mm:ss"));
}
}
package com.miaoshaProject.serializer;
import com.fasterxml.jackson.core.JsonParser;
import com.fasterxml.jackson.core.JsonProcessingException;
import com.fasterxml.jackson.databind.DeserializationContext;
import com.fasterxml.jackson.databind.JsonDeserializer;
import org.joda.time.DateTime;
import org.joda.time.format.DateTimeFormat;
import org.joda.time.format.DateTimeFormatter;
import java.io.IOException;
/**
* @author aric
* @create 2021-07-19-18:59
* @fun
*/
public class JodaDateTimeJsonDeserializer extends JsonDeserializer<DateTime> {
@Override
public DateTime deserialize(JsonParser jsonParser, DeserializationContext deserializationContext) throws IOException, JsonProcessingException {
String dateString = jsonParser.readValueAs(String.class);
DateTimeFormatter dateTimeFormatter = DateTimeFormat.forPattern("yyyy-MM-dd HH:mm:ss");
return DateTime.parse(dateString,dateTimeFormatter);
}
}
配置Redis后的性能压测:
给查询接口增加Redis配置:
//商品详情页浏览
@RequestMapping(value = "/get",method = {RequestMethod.GET})
@ResponseBody
public CommonReturnType getItem(@RequestParam(name = "id") Integer id){
//根据商品的id到redis内获取
ItemModel itemModel = (ItemModel) redisTemplate.opsForValue().get("item_"+id);
//若redis内不存在对应的itemModel,则访问下游service
if(itemModel == null){
itemModel = itemService.getItemById(id);
//设定itemModel到Redis内
redisTemplate.opsForValue().set("item_"+id,itemModel);
//设置失效时间
redisTemplate.expire("item_"+id,10, TimeUnit.MINUTES);
}
return CommonReturnType.create(itemModel);
}
连接redis服务:
./redis-cli -h ip
选择表:
select 1
get item_6
使用jmeter进行压测:
可以看出TPS可以达到2000+,平均返回时间也降低了。
查看服务器进程:top -H
可以看出reids-server占用很低。