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）
举例：电商类应用，商品分类，商品列表等适合缓存并加一个失效时间(根据数据更新频率来定)，后台如果发布一个商品，买家需要 5 分钟才能看到新的商品一般还是可以接受的。
注意：在开发中，凡是放入缓存中的数据我们都应该指定过期时间，使其可以在系统即使没有主动更新数据也能自动触发数据加载进缓存的流程。避免业务崩溃导致的数据永久不一致问题。
本地缓存
在单个机器中可以把缓存存到本地
但是在分布式系统下
这样会造成每个机器的缓存不一致，会有分布式缓存读写的问题
分布式缓存
把缓存都放在中间件里，统一操作一个缓存
缓存redis
这里操作环境为商品服务模块，虚拟机初始化时已安装 Redis。
引入Redis
<!-- redis --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency>
YML
spring: redis: host: 192.168.195.100 port: 6379
测试联通
@Autowired StringRedisTemplate stringRedisTemplate; @Test public void teststringRedis(){ ValueOperations<String,String> operations=stringRedisTemplate.opsForValue(); operations.set("hello","world"+ UUID.randomUUID()); String value=operations.get("hello"); System.out.println(value); }
缓存三级菜单的数据
这里使用依赖中自带的 StringRedisTemplate 来操作 Redis。这里存储的值为转化成 JSON 字符串的对象信息。
核心代码
@Autowired StringRedisTemplate redisTemplate; @Override public Map<String, List<Catalogs2Vo>> getcatalogJson() { String value=redisTemplate.opsForValue().get("categoryJson"); if(StringUtil.isNullOrEmpty(value)) { Map<String, List<Catalogs2Vo>> catalogJsonFromDB = getcatalogJsonFromDB(); redisTemplate.opsForValue().set("categoryJson", JSON.toJSONString(catalogJsonFromDB)); return catalogJsonFromDB; } Map<String, List<Catalogs2Vo>> listMap=JSON.parseObject(value,new TypeReference<Map<String, List<Catalogs2Vo>>>(){}); return listMap; }
堆外内存溢出异常：
这里可能会产生堆外内存溢出异常：OutOfDirectMemoryError。
下面进行分析：
- SpringBoot 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；
- lettuce 的 bug 导致 netty 堆外内存溢出；
- netty 如果没有指定堆外内存，默认使用 -Xmx 参数指定的内存；
- 可以通过 -Dio.netty.maxDirectMemory 进行设置；
解决方案：不能只使用 -Dio.netty.maxDirectMemory 去调大堆外内存，这样只会延缓异常出现的时间。
- 升级 lettuce 客户端，或使用 jedis 客户端
<!-- redis --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> <exclusions> <exclusion> <groupId>io.lettuce</groupId> <artifactId>lettuce-core</artifactId> </exclusion> </exclusions> </dependency> <dependency> <groupId>redis.clients</groupId> <artifactId>jedis</artifactId> </dependency>
缓存失效问题
缓存穿透
缓存穿透是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。
在流量大时，可能 DB 就挂掉了，要是有人利用不存在的 key 频繁攻击我们的应用，这就是漏洞，数据库瞬时压力增大，最终导致崩溃
解决：缓存空结果、并且设置短的过期时间。
缓存雪崩
缓存雪崩是指在我们设置缓存时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 瞬时压力过重雪崩
解决：
原有的失效时间基础上增加一个随机值，比如 1-5 分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。
缓存击穿
对于一些设置了过期时间的 key，如果这些 key 可能会在某些时间点被超高并发地访问，是一种非常“热点”的数据。
这个时候，需要考虑一个问题：如果这个 key 在大量请求同时进来前正好失效，那么所有对这个 key 的数据查询都落到 db，我们称为缓存击穿。
解决：
加锁，大量并发只让一个去查，其他人等待，查到以后释放锁，其他人获取到锁，先查缓存，就会有数据，不用去db。
加锁解决缓存击穿问题
在主方法加锁之后，
原子性操作：
1.确认缓存
2.查询数据库
3.以及将结果放入缓存
否者会导致释放锁的时序问题
public Map<String, List<Catalogs2Vo>> getcatalogJsonFromDB() { synchronized (this) { String value=redisTemplate.opsForValue().get("categoryJson"); //得到锁以后我没应该再去缓存中确定一次，没有再查询 if(!StringUtil.isNullOrEmpty(value)) { //缓存不为空直接返回 Map<String, List<Catalogs2Vo>> listMap=JSON.parseObject(value,new TypeReference<Map<String, List<Catalogs2Vo>>>(){}); return listMap; } System.out.println("查询了数据库...."); // 性能优化：将数据库的多次查询变为一次 List<CategoryEntity> selectList = this.baseMapper.selectList(null); //1、1）查出所有一级分类 List<CategoryEntity> level1Category=selectLevel1Category(); //封装数据 Map<String, List<Catalogs2Vo>> parentCid = level1Category.stream().collect(Collectors.toMap(k -> k.getCatId().toString(), v -> { //每一个一级分类 查一级分类的耳机分类 List<CategoryEntity> categoryEntities = getParentCid(selectList, v.getCatId()); List<Catalogs2Vo> catalogs2Vos = null; if (categoryEntities != null) { catalogs2Vos = categoryEntities.stream().map(l2 -> { Catalogs2Vo catalogs2Vo = new Catalogs2Vo(v.getCatId().toString(), null, l2.getCatId().toString(), l2.getName().toString()); //1、找当前二级分类的三级分类封装成vo List<CategoryEntity> leve3 =getParentCid(selectList, l2.getCatId()); if (leve3 != null) { List<Catalogs2Vo.Category3Vo> collect = leve3.stream().map(l3 -> { //2、封装成指定格式 Catalogs2Vo.Category3Vo category3Vo = new Catalogs2Vo.Category3Vo(l2.getCatId().toString(), l3.getCatId().toString(), l3.getName()); return category3Vo; }).collect(Collectors.toList()); catalogs2Vo.setCatalog3List(collect); } return catalogs2Vo; }).collect(Collectors.toList()); } return catalogs2Vos; })); redisTemplate.opsForValue().set("categoryJson", JSON.toJSONString(parentCid),1, TimeUnit.DAYS); return parentCid; } } private List<CategoryEntity> getParentCid(List<CategoryEntity> selectList, Long parentCid) { return selectList.stream().filter(item -> item.getParentCid().equals(parentCid)).collect(Collectors.toList()); } @Autowired StringRedisTemplate redisTemplate; @Override public Map<String, List<Catalogs2Vo>> getcatalogJson() { String value=redisTemplate.opsForValue().get("categoryJson"); if(StringUtil.isNullOrEmpty(value)) { System.out.println("缓存没命中....查询数据库"); Map<String, List<Catalogs2Vo>> catalogJsonFromDB = getcatalogJsonFromDB(); return catalogJsonFromDB; } System.out.println("缓存命中..."); Map<String, List<Catalogs2Vo>> listMap=JSON.parseObject(value,new TypeReference<Map<String, List<Catalogs2Vo>>>(){}); return listMap; }
本地锁在分布式下的问题
分别启动四个商品服务，利用nginx转发到网关负载均衡访问10000、10001、10002端口
请求结果，服务都查询了一次数据库
本地锁只能锁住当前服务，其他服务同时进来也会同时查询，为了锁住所有的数据那么需要加一个分布式锁
