前言
本篇文章即将探索的问题（以黑马点评为辅助讲解，大家主要体会实现逻辑）
- 使用redis缓存的原因
- 数据库与缓存不一致问题
- 三大缓存问题（缓存穿透、缓存雪崩、缓存击穿）。
`
一、缓存
缓存(Cache),就是数据交换的缓冲区,俗称的缓存就是缓冲区内的数据,一般从数据库中获取,存储于本地代码。
例1:Static final ConcurrentHashMap<K,V> map = new ConcurrentHashMap<>(); 本地用于高并发 例2:static final Cache<K,V> USER_CACHE = CacheBuilder.newBuilder().build(); 用于redis等缓存 例3:Static final Map<K,V> map = new HashMap(); 本地缓存
由于其被Static修饰,所以随着类的加载而被加载到内存之中,作为本地缓存,由于其又被final修饰,所以其引用(例3:map)和对象(例3:new HashMap())之间的关系是固定的,不能改变,因此不用担心赋值(=)会导致缓存失效;
使用缓存的原因
速度快、好用
- 缓存数据存储于代码中,而代码运行在内存中,内存的读写性能远高于磁盘,缓存可以大大降低用户访问并发量带来的服务器读写压力。
- 实际开发过程中,企业的数据量,少则几十万,多则几千万,这么大数据量,如果没有缓存来作为"避震器",系统是几乎撑不住的,所以企业会大量运用到缓存技术。
- 但是缓存也会增加代码复杂度和运营的成本。
- 使用Redis缓存可以很好的解决大量操作访问数据库的带来的压力，让数据处理和响应更快，提高用户体验，毕竟Redis是100000+QPS级别的。
二、使用缓存
- 在一个项目中，存在一些很久不会变化的信息，如果每次访问都去数据库中读取，显然每次都要重复的动作是费时而毫无意义的。
- 案例： 在美团等应用上的商家店铺信息，比如照片，店铺名称，店铺位置等等几乎不经常变化的信息，我们每一次访问都去数据库中获取，会导致响应慢，而且还有高并发访问量给数据库带来巨大压力，所以我们就可以将这些放入redis中，下次响应直接去redis中获取，redis的性能能够大大改善这种问题。
实现思路
核心思路就是客户端先向Redis中获取，如果Redis中没有，再去数据库中获取，数据库中获取后，将获取的数据写入缓存，这样下一次访问就能在Redis中获取。如果数据库没有，那就是真的没有了，返回报错，比如该商铺不存在等等。
public Shop queryWithPassThrough(Long id){ String key = "cache:shop:" + 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, Shop.class); } // 判断命中的是否是空值 if (shopJson != null) { // 返回一个错误信息 return null; } // 4.不存在，根据id查询数据库 Shop shop = getById(id); // 5.不存在，返回错误 if (shop == null) { return Result.fail("店铺不存在！"); } // 6.存在，写入redis stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop)); // 7.返回 return shop; }
提出问题
第一次获取时Redi没有，去数据库中获取，这时候的数据肯定是准确的（排除一些数据库脏读幻读等等情况），但是这些存入Redis中的数据虽然是不经常发生改变的，但是肯定会存在改变的情况，当数据库信息改变的时候，你再去访问，还是先获取Redis中的，所以就会导致缓存更新的问题，数据库和缓存不一致的问题。
解决方案（三种常用的读写策略）：
- Cache Aside Pattern （旁路缓存）人工编码方式：缓存调用者在更新完数据库后再去更新缓存，也称之为双写方案。
- Read/Write Through Pattern（读写穿透） : 由系统本身完成，数据库与缓存的问题交由系统本身去处理。
- Write Behind Caching Pattern（异步缓存） ：调用者只操作缓存，其他线程去异步处理数据库，实现最终一致。
- 三种模式各有优劣，不存在最佳模式，根据具体的业务场景选择适合自己的缓存读写模式。
- 第一种方案常用，适合请求比较多的场景，这里综合考虑我们也使用该方案。
- 但是作为调用者处理上面对着三个问题：
- 删除缓存还是更新缓存
- 更新缓存：每次更新数据库都更新缓存，无效写操作较多
- 删除缓存：更新数据库时让缓存失效，查询时再更新缓存
- 如何保证缓存与数据库的操作同时成功或失败
- 单体系统，将缓存与数据库操作放在一个事务
- 分布式系统，利用TCC等分布式事务方案
- 先操作缓存还是先操作数据库
- 先删除缓存，再操作数据库：假设第一个线程先删除缓存，然后更新数据库，但是更新前有第二个线程来获取数据，它肯定先获取redis缓存，但是缓存已经被第一个线程删除，所以去数据库查询，然后将查询完的又写入redis缓存中。最后第一个线程再更新数据库，但是它更新数据库前第二个线程把原来的数据已经写入缓存了，又出现了不一致现象。
- 先操作数据库，再删除缓存：这种方案如果上诉场景也会出现不一致，但是第二次访问时就会一致，因为它操作完数据库后把缓存删了，所以删除缓存后，无论谁来访问肯定是要去访问数据库，然后再写入redis缓存中，实现了更新。
- 最终思路：
- 查询店铺时，如果缓存未命中，则查询数据库，将数据库结果写入缓存，并设置超时时间，设置超时时间后会实现定缓存失效，然后后面访问数据库实现再次查询数据库并写入缓存，并设置时间，形成一个良性循环。
- 修改店铺时，先修改数据库，再删除缓存。
public Shop queryWithPassThrough(Long id){ String key = CACHE_SHOP_KEY + 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, Shop.class); } // 判断命中的是否是空值 if (shopJson != null) { // 返回一个错误信息 return Result.fail("店铺不存在！"); } // 4.不存在，根据id查询数据库 Shop shop = getById(id); // 5.不存在，返回错误 if (shop == null) { // 将空值写入redis stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL,TimeUnit.MINUTES); return null; } // 6.存在，写入redis stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES); // 7.返回 return shop; }
@Transactional public Result update(Shop shop) { Long id = shop.getId(); if (id == null) { return Result.fail("店铺id不能为空"); } // 1.更新数据库 updateById(shop); // 2.删除缓存 stringRedisTemplate.delete(CACHE_SHOP_KEY + id); return Result.ok(); }
三、三大缓存问题
缓存穿透
缓存穿透 ：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。
- 常见两种解决方案：
- 缓存空对象
- 优点：实现简单，维护方便
- 缺点：1.额外的内存消耗；2.可能造成短期不一致
- 布隆过滤
- 优点：内存占用较少，没有多余key
- 缺点：1.实现复杂；2.存在误判可能
缓存空对象思路分析：当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到缓存了。
布隆过滤：布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中，假设布隆过滤器判断这个数据不存在，则直接返回。这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突。
在原来的逻辑中，我们如果发现这个数据在mysql中不存在，直接就返回404了，这样是会存在缓存穿透问题的。大家可以想想如果有人恶意攻击你的网站，多个本来不存在的数据获取同时访问，因为缓存中没有，都会直达数据库。
现在的逻辑中：如果这个数据不存在，我们不会返回404 ，还是会把这个数据写入到Redis中，并且将value设置为空，再次发起查询时，我们如果发现命中之后，判断这个value是否是null，如果是null，则是之前写入的数据，证明是缓存穿透数据，如果不是，则直接返回数据。
public Shop queryWithPassThrough(Long id){ String key = "cache:shop:" + 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, Shop.class); } // 判断命中的是否是空值 if (shopJson != null) { // 返回一个错误信息 return null; } // 4.不存在，根据id查询数据库 Shop shop = getById(id); // 5.不存在，返回错误 if (shop == null) { // 将空值写入redis stringRedisTemplate.opsForValue().set(key,"",30L,TimeUnit.MINUTES); return null; } // 6.存在，写入redis stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES); // 7.返回 return shop; }
缓存穿透的解决方案有哪些？
- 缓存null值
- 布隆过滤
- 增强id的复杂度，避免被猜测id规律
- 做好数据的基础格式校验
- 加强用户权限校验
- 做好热点参数的限流
缓存雪崩
- 缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。
- 解决方案：
- 给不同的Key的TTL添加随机值
- 利用Redis集群提高服务的可用性
- 给缓存业务添加降级限流策略
- 给业务添加多级缓存
缓存击穿
- 缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。
- 常见的解决方案（两种）：
- 互斥锁
- 逻辑过期锁
- 逻辑分析：假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法， 那么这些线程都不能从缓存中查询到数据，那么他们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大。
互斥锁实现
因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。
假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。
核心思路：利用redis的setnx方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true， 如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。
private boolean tryLock(String key) { Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS); return BooleanUtil.isTrue(flag); } private void unlock(String key) { stringRedisTemplate.delete(key); }
public Shop queryWithMutex(Long id) { String key = CACHE_SHOP_KEY + id; // 1、从redis中查询商铺缓存 String shopJson = stringRedisTemplate.opsForValue().get("key"); // 2、判断是否存在 if (StrUtil.isNotBlank(shopJson)) { // 存在,直接返回 return JSONUtil.toBean(shopJson, Shop.class); } //判断命中的值是否是空值 if (shopJson != null) { //返回一个错误信息 return null; } // 4.实现缓存重构 //4.1 获取互斥锁 String lockKey = "lock:shop:" + id; Shop shop = null; try { boolean isLock = tryLock(lockKey); // 4.2 判断否获取成功 if(!isLock){ //4.3 失败，则休眠重试 Thread.sleep(50); return queryWithMutex(id); } //4.4 成功，根据id查询数据库 shop = getById(id); // 5.不存在，返回错误 if(shop == 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.写入redis stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_NULL_TTL,TimeUnit.MINUTES); }catch (Exception e){ throw new RuntimeException(e); } finally { //7.释放互斥锁 unlock(lockKey); } return shop; }
逻辑过期时间实现
我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续通过逻辑去处理。假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个 线程去进行 以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁， 而线程1直接进行返回，假设现在线程3过来访问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据。
思路分析：当用户开始查询redis时，判断是否命中，如果没有命中则直接返回空数据，不查询数据库，而一旦命中后，将value取出，判断value中的过期时间是否满足，如果没有过期，则直接返回redis中的数据，如果过期，则在开启独立线程后直接返回之前的数据，独立线程去重构数据，重构完成后释放互斥锁。
因为现在redis中存储的数据的value需要带上过期时间，此时要么你去修改原来的实体类，要么你就是重新封装。
@Data public class RedisData { private LocalDateTime expireTime;// 过期时间 private Object data;// 存储的对象 }
private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10); public Shop queryWithLogicalExpire( Long id ) { String key = CACHE_SHOP_KEY + 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); Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class); 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 shop; } // 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){ CACHE_REBUILD_EXECUTOR.submit( ()->{ try{ //重建缓存 this.saveShop2Redis(id,20L); }catch (Exception e){ throw new RuntimeException(e); }finally { unlock(lockKey); } }); } // 6.4.返回过期的商铺信息 return shop; }
总结
以上就是Redis缓存的详细讲解与实现。
