缓存定义

缓存（Cache)是数据交换的缓冲区，是存储数据的临时地方，读写性能较高。缓存的作用：降低后端负载并且提高读写时间，降低响应时间。缓存的成本：数据一致性成本，代码维护成本和运维成本。

Redis缓存实战

此代码模拟商户查询，查询商户时首先从redis缓存中查询是否有符合自己id的商户，如果有直接返回，如果没有然后从数据库中查询，如果数据库中查询到对应的数据，然后将该数据添加到redis缓存中，并且返回该数据，如果还是没有查询到就会返回异常信息。代码如下

   @GetMapping("/select")
    public Result select(Long id){
        TbShop tbShop = (TbShop) redisTemplate.opsForValue().get("shopcache" + id);
        if(tbShop!=null){
            return Result.success(tbShop);
        }
        TbShop tbShop1 = tbShopMapper.selectById(id);
        if(tbShop1==null){
            return Result.error("404","未发现该商铺");
        }
        redisTemplate.opsForValue().set("shopcache"+id,tbShop1,30,TimeUnit.MINUTES);
        return Result.success(tbShop1);

    }

对于更新数据库信息，缓存更新策略如下图

这里采用主动更新策略，在更新数据库的时候同时更新缓存。操作缓存和数据库有三个问题需要考虑如下。

1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，无效操作比较多

删除缓存：更新数据库让缓存失效，查询时更新缓存，效果比较好

2如何保证缓存与数据库的操作同时成功或者失败？

单体系统：将缓存和数据库放在一个事务中。

分布式系统：利用TCC等分布式事务方案。

3先操作数据库还是缓存？

先删除数据库再操作数据库会遇到如下问题

经过如图所示过程就会出现缓存保存旧的数据的情况。并且这种情况的发生概念是非常高的。

先操作数据库，再删除缓存会出现如下情况

这种情况下也会发生缓存中存入旧数据的情况，但是由于缓存的执行时间远远小于数据库操作数据，所有这种情况的发生概念会比较小，因此可以选择先更新数据库，然后再删除缓存。

代码如下

   @Transactional
    @PostMapping("/update")
    public Result update(@RequestBody  TbShop tbShop){
        int update = tbShopMapper.updateById(tbShop);
        redisTemplate.delete("shopcache"+tbShop.getId());
        return Result.success();

    }

缓存问题

缓存穿透

缓存穿透是指客户端请求的数据在缓存和数据库中都不存在，这样缓存永远都不会生效，这些请求都会打到数据中。

常见的解决方案：缓存空对象或者布隆过滤。

缓存空对象优点：实现简单，维护方便，缺点：额外的内存消耗，可能造成短期的不一致。

布隆过滤：优点：内存占用少，没有多余的key。缺点：实现复杂和存在误判可能。

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。

解决方案：可以通过互斥锁和逻辑过期的方式进行解决。

这里利用互斥锁的方式来进行模拟

互斥锁流程如下图

代码如下

 @GetMapping("/select1")
    public Result select1(Long id){
        TbShop tbShop = (TbShop) redisTemplate.opsForValue().get("shopcache" + id);
        if(tbShop!=null){
            return Result.success(tbShop);
        }
        TbShop tbShop1 = null;
        String lockkey = "lockshop"+id;
        try {
            boolean trylock = trylock(lockkey);
            if(!trylock){
                Thread.sleep(50);
               return select(id);
            }
            tbShop1 = tbShopMapper.selectById(id);
            System.out.println("数据库查询");
            Thread.sleep(200);
            if(tbShop1==null){
                return Result.error("404","未发现该商铺");
            }
            redisTemplate.opsForValue().set("shopcache"+id,tbShop1,30,TimeUnit.MINUTES);
        } catch (InterruptedException e) {
            e.printStackTrace();
        } finally {
            unlock(lockkey);
        }
        return Result.success(tbShop1);

    }

  private boolean trylock(String key){
        Boolean aBoolean = redisTemplate.opsForValue().setIfAbsent(key, "1", 10, 
        TimeUnit.SECONDS);
        return BooleanUtil.isTrue(aBoolean);
    }
    private void unlock(String key){
        redisTemplate.delete(key);
    }

通过jmeter压测工具使用一千多个线程进行测试，后端仅仅只是执行了一次调用数据库操作，实验结果因此得到验证。

文章由半码博客整理，本文链接：https://www.bmabk.com/index.php/post/143038.html