item2-4 (商户查询缓存1)
商户查询缓存
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
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
但是缓存也会增加代码复杂度和运营的成本
缓存使用
实际开发中,会构筑多级缓存来使系统运行速度进一步提升,例如:本地缓存与redis中的缓存并发使用
浏览器缓存:主要是存在于浏览器端的缓存
**应用层缓存:**可以分为tomcat本地缓存,比如之前提到的map,或者是使用redis作为缓存
**数据库缓存:**在数据库中有一片空间是 buffer pool,增改查数据都会先加载到mysql的缓存中
**CPU缓存:**当代计算机最大的问题是 cpu性能提升了,但内存读写速度没有跟上,所以为了适应当下的情况,增加了cpu的L1,L2,L3级的缓存
1. 添加商户缓存
在我们查询商户信息时,我们是直接操作从数据库中去进行查询的,大致逻辑是这样,直接查询数据库那肯定慢咯,所以我们需要增加缓存
@GetMapping("/{id}")
public Result queryShopById(@PathVariable("id") Long id) {
//这里是直接查询数据库
return shopService.queryById(id);
}
思路
标准的操作方式就是查询数据库之前先查询缓存,如果缓存数据存在,则直接从缓存中返回,如果缓存数据不存在,再查询数据库,然后将数据存入redis

如果缓存有,则直接返回,如果缓存不存在,则查询数据库,然后存入redis
在 mybatis-plus 中 BaseMapper、IService和ServiceImpl 是三个联合工作的重要接口,分别用在对应的 Mapper 层,Service 层接口 以及 Service 层实现类。
Controller层
/**
* 根据id查询商铺信息
* @param id 商铺id
* @return 商铺详情数据
*/
@GetMapping("/{id}")
public Result queryShopById(@PathVariable("id") Long id) {
return shopService.queryById(id);
}
Service层
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Autowired
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryById(Long id) {
String key = CACHE_SHOP_KEY + id;
// 从 redis 查询缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
// 判断是否存在
if(StrUtil.isNotBlank(shopJson)){
// 存在 直接返回
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
// 不存在根据id查询数据库
Shop shop = getById(id);
// 不存在 返回 404
if(shop == null){
return Result.fail("店铺不存在");
}
// 存在 写入 redis
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop));
// 返回
return Result.ok(shop);
}
}
2. 缓存更新策略
缓存更新是redis为了节约内存而设计出来的一个东西,主要是因为内存数据宝贵,当我们向redis插入太多数据,此时就可能会导致缓存中的数据过多,所以redis会对部分数据进行更新,或者把他叫为淘汰更合适。
内存淘汰: redis自动进行,当redis内存达到咱们设定的max-memery的时候,会自动触发淘汰机制,淘汰掉一些不重要的数据(可以自己设置策略方式)
超时剔除: 当我们给redis设置了过期时间ttl之后,redis会将超时的数据进行删除,方便咱们继续使用缓存
主动更新: 我们可以手动调用方法把缓存删掉,通常用于解决缓存和数据库不一致问题

数据库缓存不一致解决方案
由于我们的缓存的数据源来自于数据库,而数据库的数据是会发生变化的,因此,如果当数据库中数据发生变化,而缓存却没有同步,此时就会有一致性问题存在,其后果是:
用户使用缓存中的过时数据,就会产生类似多线程数据安全问题,从而影响业务,产品口碑等;
基于主动更新,有如下几种方案:
Cache Aside Pattern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: 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: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
建议方案
综合考虑使用方案一
操作缓存和数据库时有三个问题需要考虑:
如果采用第一个方案,那么假设我们每次操作数据库后,都操作缓存,但是中间如果没有人查询,那么这个更新动作实际上只有最后一次生效,中间的更新动作意义并不大,我们可以把缓存删除,等待再次查询时,将缓存中的数据加载出来
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的同时成功或失败?
- 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
- 先操作数据库,再删除缓存
应该具体操作缓存还是操作数据库,我们应当是先操作数据库,再删除缓存
原因在于,如果你选择第一种方案,在两个线程并发来访问时,假设线程1先来,他先把缓存删了,此时线程2过来,他查询缓存数据并不存在,此时他写入缓存,当他写入缓存后,线程1再执行更新动作时,实际上写入的就是旧的数据,新的数据被旧数据覆盖了。
其实即使 先操作数据库,再删除缓存 也可能存在不一致的情况,不过由于操作更新数据库的速度一般比写缓存慢,所以发生可能性低
冲突情况:

实现商户信息缓存一致性
核心思路如下:
修改ShopController中的业务逻辑,满足下面的需求:
根据id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
根据id修改店铺时,先修改数据库,再删除缓存 (弹幕也有说 延迟双删 策略)
添加过期时间
直接加就行
修改时删除缓存
通过之前的淘汰,我们确定了采用删除策略,来解决双写问题,当我们修改了数据之后,然后把缓存中的数据进行删除,查询时发现缓存中没有数据,则会从mysql中加载最新的数据,从而避免数据库和缓存不一致的问题
@Override
public Result update(Shop shop) {
Long id = shop.getId();
if(id == null){
return Result.fail("商户id为空");
}
updateById(shop);
stringRedisTemplate.delete(CACHE_SHOP_KEY + id);
return Result.ok();
}
3. 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
常见的解决方案有两种:
- 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:内存占用较少,没有多余key
- 缺点:
- 实现复杂
- 存在误判可能
介绍

缓存空对象
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
缓冲空对象解决示例

核心思路如下:
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
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
当再次发起查询时,我们如果发现命中之后,判断这个value是否是null,如果是null,则证明是缓存穿透数据,如果不是,则直接返回数据
@Override
public Result queryById(Long id) {
String key = CACHE_SHOP_KEY + id;
// 从 redis 查询缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
// 判断是否存在
// “”也是返回 false
if(StrUtil.isNotBlank(shopJson)){
// 存在 直接返回
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
// 判断命中的是否是空值
if(shopJson != null){
// “” 的情况
return Result.fail("店铺不存在");
}
// 不存在根据id查询数据库
Shop shop = getById(id);
// 不存在 返回 404
if(shop == null){
// 将空值写入
stringRedisTemplate.opsForValue().set(key, "", CACHE_SHOP_TTL, TimeUnit.MINUTES);
return Result.fail("店铺不存在");
}
// 存在 写入 redis
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
// 返回
return Result.ok(shop);
}
总结
缓存穿透产生的原因是什么?
用户请求的数据在缓存中和数据库中都不存在,不断发起这样的请求,给数据库带来巨大压力
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
4. 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
5. 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
场景分析:
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,从而出现缓存击穿现象

常见的解决方案有两种:
- 互斥锁
- 逻辑过期
方案简介

互斥锁
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
注意:获取锁成功应该再次检测redis缓存是否过期,做DoubleCheck,如果存在则无需重建缓存 (因为可能此时另一个线程刚释放完锁,然后准备往 redis 塞,刚好此时这个线程1 获取到锁)
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
这样保证了数据的一致性,但牺牲了效率
逻辑过期
方案分析:我们之所以会出现这个缓存击穿问题,主要原因是在于我们对key设置了过期时间,假设我们不设置过期时间,其实就不会有缓存击穿的问题,但是不设置过期时间,这样数据不就一直占用我们内存了吗,我们可以采用逻辑过期方案。
因为缓存击穿主要是防备的热点key失效的情况,所以这种情况下先往缓存塞点(缓存预热),这样就避免初始情况一直是 null 根本不能判断了
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,此时与数据库操作的相关功能不在 线程1 执行,而是独立开启一个线程2来执行,而线程1直接返回脏数据即可,直到新开的线程完成这个逻辑后,才释放锁
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。
这种方案巧妙在于,异步的构建缓存,缺点在于在构建完缓存之前,返回的都是脏数据
这样相当于保证了高效性,但牺牲了数据一致性
对比

互斥锁方案:由于保证了互斥性,所以数据一致,且实现简单,因为仅仅只需要加一把锁而已,也没其他的事情需要操心,所以没有额外的内存消耗,缺点在于有锁就有死锁问题的发生,且只能串行执行性能肯定受到影响
逻辑过期方案:线程读取过程中不需要等待,性能好,有一个额外的线程持有锁去进行重构数据,但是在重构数据完成前,其他的线程只能返回之前的数据,且实现起来麻烦
5.1 互斥锁实现
核心思路

相较于原来从缓存中查询不到数据后直接查询数据库而言
现在的方案是:
进行查询之后,如果从缓存没有查询到数据,则进行互斥锁的获取
获取互斥锁后,判断是否获得到了锁,如果没有获得到,则休眠,过一会再去 redis 查询是否有对应缓存,没有继续尝试获取锁,直到缓存命中或者获取锁为止
如果获取到了锁的线程,再去进行查询,查询后将数据写入redis,再释放锁,返回数据,利用互斥锁就能保证只有一个线程去执行操作数据库的逻辑,防止缓存击穿
互斥锁实现
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
相关代码
互斥锁代码
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);
}
具体操作代码
/**
* 互斥锁实现
* @param id
* @return
*/
public Shop queryWithMutex(Long id) {
String key = CACHE_SHOP_KEY + id;
// 从 redis 查询缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
// 判断是否存在
// “”也是返回 false
if (StrUtil.isNotBlank(shopJson)) {
// 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) {
// “” 的情况
return null;
}
// 实现缓存重建
// 获取互斥锁
String lockKey = "lock:shop:" + id;
Shop shop = null;
try {
boolean isLock = tryLock(lockKey);
if (!isLock) {
// 失败休眠重试
Thread.sleep(50);
return queryWithMutex(id);
}
// 成功,根据id查询数据库
shop = getById(id);
// 模拟重建延时
Thread.sleep(200);
// 不存在 返回 404
if (shop == null) {
// 将空值写入
stringRedisTemplate.opsForValue().set(key, "", CACHE_SHOP_TTL, TimeUnit.MINUTES);
return null;
}
// 存在 写入 redis
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
}
catch (InterruptedException e) {
unlock(lockKey);
throw new RuntimeException(e);
}
finally {
// 释放锁
unlock(lockKey);
}
// 返回
return shop;
}
5.2 逻辑过期实现
需求:修改根据id查询商铺的业务,基于逻辑过期方式来解决缓存击穿问题
核心思路

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
由于这主要解决的热点key问题,即某个信息在一个时刻频繁被访问。这种情况下,我们需要先进行缓存预热,不然会一直是
null,一直未命中不会更新
构建实体类 (添加过期时间信息)
新建一个实体类,对原来代码没有侵入性。
@Data
public class RedisData {
private LocalDateTime expireTime;
private Object data;
}
缓存预热
在ShopServiceImpl 新增方法,利用单元测试进行缓存预热
public void saveShop2Redis(Long id, Long expireSeconds) {
// 查询店铺数据
Shop shop = getById(id);
// 封装逻辑过期时间
RedisData redisData = new RedisData();
redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
redisData.setData(shop);
// 写入Redis
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));
}
逻辑过期实现代码
private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
public Shop queryWithLogicalExpire(Long id){
String key = CACHE_SHOP_KEY + id;
// 从 redis 查询缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
// 判断是否存在
if(StrUtil.isBlank(shopJson)){
// 不存在 直接返回
return null;
}
// 命中,先吧json反序列化为对象
RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);
LocalDateTime expireTime = redisData.getExpireTime();
// 判断逻辑时间是否过期
if(expireTime.isAfter(LocalDateTime.now())){
// 未过期 直接返回
return shop;
}
// 已过期 需要缓存重建
String lockKey = LOCK_SHOP_KEY + id;
// 获取互斥锁 判断是否成功
boolean isLock = tryLock(lockKey);
if(isLock){
// 成功 开启新线程实现缓存重建
CACHE_REBUILD_EXECUTOR.submit(() -> {
try {
this.saveShop2Redis(id, 20L);
} catch (Exception e) {
throw new RuntimeException(e);
} finally {
// 释放锁
unlock(lockKey);
}
});
}
// 直接返回过期信息
return shop;
}
