Redis实战-缓存篇（万字总结）

会敲键盘的猕猴桃很大胆2025-05-28 9:52

前言：

今天结合黑马点评这个项目，讲下有关Redis缓存的一些内容，例如缓存更新策略，缓存穿透，雪崩和击穿等。

今日所学：

  • 什么是缓存
  • 缓存更新策略
  • 缓存穿透
  • 缓存雪崩
  • 缓存击穿
  • 缓存工具封存

目录

1.什么是缓存

[1.1 概念](#1.1 概念)

[1.2 Java项目中添加缓存](#1.2 Java项目中添加缓存)

2.缓存更新策略

[2.1 介绍](#2.1 介绍)

[2.2 分类](#2.2 分类)

[2.3 数据不一致性解决方案](#2.3 数据不一致性解决方案)

[3. 缓存穿透](#3. 缓存穿透)

[3.1 介绍](#3.1 介绍)

[3.2 代码实现](#3.2 代码实现)

[3.3 总结](#3.3 总结)

[4. 缓存雪崩](#4. 缓存雪崩)

[5. 缓存击穿](#5. 缓存击穿)

[5.1 介绍](#5.1 介绍)

[5.2 互斥锁解决](#5.2 互斥锁解决)

[5.2.1 具体项目操作思路](#5.2.1 具体项目操作思路)

[5.3 逻辑过期解决](#5.3 逻辑过期解决)

[5.3.1 具体项目操作思路](#5.3.1 具体项目操作思路)

[5.4 总结](#5.4 总结)

[6. 封装Redis工具类](#6. 封装Redis工具类)

需求分析：

[6.1 方法1实现](#6.1 方法1实现)

[6.2 方法2实现](#6.2 方法2实现)

[6.3 方法3实现](#6.3 方法3实现)

[6.4 方法4实现](#6.4 方法4实现)

1.什么是缓存

1.1 概念

缓存就是数据交换的缓冲区（称作Cache [ kæʃ ] ），是存贮数据的临时地方，一般读写性能较高。

缓存的优点：

  • 降低后端负载
  • 提高读写效率，降低响应时间

缓存的缺点：

  • 数据一致性成本
  • 代码维护成本
  • 运维成本

如何使用缓存：

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

1.2 Java项目中添加缓存

缓存作用模型：

客户端也请求redis，如果命中，直接返回结果。如果没有命中，才去查询数据库。并把数据库返回的结果写入到redis中，以方便下次查询

具体项目逻辑：

2.缓存更新策略

2.1 介绍

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。

2.2 分类

缓存更新策略分为以下几类：

  • 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

|------|------|------|------|
| | 内存淘汰 | 超时剔除 | 主动更新 |
| 一致性 | 差 | 一般 | 好 |
| 维护成本 | 无 | 低 | 高 |

可以看到，数据一致性越好，维护成本就越高，那么我们该怎么去决定使用哪个缓存更新策略呢？

这里我们分为低一致性需求和高一致性需求：

  • 低一致性需求：使用内存淘汰机制。例如店铺类型的查询缓存
  • 高一致性需求：主动更新，并以超时剔除作为兜底方案。例如店铺详情查询的缓存

2.3 数据不一致性解决方案

什么是数据不一致性？

是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。

有什么后果？

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

怎么解决呢（尤其针对高一致性需求业务）：

  • 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

其中我们采用第一种人工编码方式，即在更新完数据库后手动更新缓存。

那么问题又来了：

第一.当数据库数据有变更时，我们是更新缓存数据呢还是直接删除相应缓存呢？这时候我们不得不考虑，如果我们在一段时间频繁的进行了更新，但是中间并没有用户进行访问，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，以此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

第二.如何保证缓存和数据库操作同时成功或者失败?这里在单体系统，我们将缓存与数据库操作放在一个事务。在分布式系统，利用TCC等分布式事务方案。

第三.我们是先操作缓存还是先操作数据库？这里我们考虑两种方案。

  • 先删除缓存，再操作数据库
  • 先操作数据库，再删除缓存

该选择哪个，我们只要考虑一点就行了：更新所耗费的时间要大于查询时间

如果我们先删除缓存，在更新数据库。那么在更新的途中，有线程2过来查询数据库。此时数据库未更新完成。就会导致将旧数据写入缓存

反之，如果我们先操作数据库，再操作缓存的话，虽然也会导致一定的问题，但是总体上概率比先删除再操作要低的多。

因此，综上，我们选择人工编码方式。先操作数据库，再删除缓存。

3. 缓存穿透

3.1 介绍

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.

就比如说，客户随机输入一个ID，因为缓存中不存在，就会一直查询数据库。如果在一定时间内，这样的ID多了，就会给数据库造成巨大的压力

怎么解决缓存穿透呢？

常见的解决方案有两种：

1.缓存空对象

优点是：实现简单，维护方便

缺点：可能找到额外的内存消耗，和短期的数据不一致

2.布隆过滤

这个原理是给redis和数据库中储存的数据设置一个哈希值（二进制数据），输入数据的哈希值只有在过滤器中存在，才会访问redis层

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（比如说哈希冲突）

这里我们使用缓存空对象的方法解决缓存穿透的问题

3.2 核心思路

核心思路如下：

在原来的逻辑中，我们如果发现这个数在Mysql中不存在，就直接返回404了，这是会导致缓存穿透问题的（没有将空值储存在缓存中）

现在的逻辑中，如果数据不存在，我们不会返回404，还是会把数据写入到redis中，并且把value设置为null,当再次发生查询时，我们发现如果命中后，判断这个value是否是null，如果是Null,则是之前写过的数据，证明是缓存穿透数据，如果不是，则直接返回数据.

3.2 代码实现

具体逻辑思路：

1.从redis中查询数据，如果查询到了，直接返回结果（注意这里isNotBlank将空字符串""也是视为false的，所以如果查到，一定是真实的数据，而不是储存的空值）

2.判断是不是储存的空值，是的话就直接返回（第一次没有查询到数据，直接null和""两种情况）

3.进一步的查询数据库，如果不存在，在redis中设置空值（value=""）

4.存在，向redis中写入数据，返回

复制代码 
public Shop queryPassThrough(Long id){
    String key = CACHE_SHOP_KEY + id;

    // 1.从redis查询商铺缓存
    String shopJson = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);
    // 2.判断是否存在
    if (StrUtil.isNotBlank(shopJson)) {
        // 3.存在，直接返回
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        return null;
    }

    // 判断是否是空值
    if(shopJson != null){
        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) {
        // 向redis中储存null值
        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;
}

3.3 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

5.1 介绍

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。

问题分析：

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

常见的解决方案有两种：

* 互斥锁

* 逻辑过期

接下来我们将逐一介绍这两种解决方法

5.2 互斥锁解决

解决思路：

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。

那么这么去模拟这种互斥锁呢

核心思路就是利用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。

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);

}

5.2.1 具体项目操作思路

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，过一会再进行尝试，直到获取到锁为止，才能进行查询

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

代码逻辑：

1.查询redis,判断是否命中（有数据）

2.命中直接返回数据

3.如果未命中，查看是否是空值（缓存穿透）

4.不是，则尝试获取互斥锁

  1. 获取失败，休眠，递归重复上面的过程，试着重新获取互斥锁

  2. 获取成功,先进行double check,判断是否已经写入缓存，写入的话直接返回（考虑到线程1完成后其他线程获得锁就不用再缓存重建了）

7.如果没有，再查询数据库，不存在，设空值（穿透）

8.存在，写入redis中，释放锁

复制代码 
public Shop queryWithMutex(Long id){
    String key = CACHE_SHOP_KEY + id;

    // 1.从redis查询商铺缓存
    String shopJson = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);
    // 2.判断是否存在
    if (StrUtil.isNotBlank(shopJson)) {
        // 3.存在，直接返回
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        return null;
    }

    // 判断是否是空值
    if(shopJson != null){
        return null;
    }

    // 4. 实现缓存重建
    // 4.1 获取互斥锁
    String lockKey = LOCK_SHOP_KEY + id;
    boolean isLock = tryLock(lockKey);
    Shop shop = null;
    try {
        // 4.2 判断是否获取成功
        if(!isLock){
            // 4.3 失败，则休眠并重试
            Thread.sleep(50);
            return queryWithMutex(id);
        }
        // 4.4 进行double check
        String shopJson1 = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);
        if(StrUtil.isNotBlank(shopJson1)){
            return JSONUtil.toBean(shopJson1, Shop.class);
        }
        // 4.5 成功，根据id查询数据库
        shop = getById(id);
        // 5.不存在，返回错误
        if(shop == null) {
            // 向redis中储存null值
            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);
    } catch (InterruptedException e) {
        e.printStackTrace();
    } finally {
        // 7.释放锁
        unlock(lockKey);
    }

5.3 逻辑过期解决

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。

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。

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。

5.3.1 具体项目操作思路

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。

但是问题来了，我们该如何给value设置上过期时间呢，我们知道原来的实体类shop是没有过期时间这个字段的。但是如果直接修改实体类，对原本的代码也有影响，不好管理。这里我们可以再建造一个类，用来储存过期时间还有数据data

@Data

public class RedisData {

private LocalDateTime expireTime;

private Object data;

}

代码逻辑：

1.判断redis是否命中（有数据）

2.如果没有，直接返回null,结束（所以这样不用判断是否有缓存穿透的问题，采用这个方法，在redis中存储的数据是一直存在的）

3.命中，将传入的expireTime和shop的数据封装到redisData类中，判断是否过期

  1. 未过期，直接返回店铺信息

5.已过期，获取互斥锁（原理跟互斥锁解决的原理是一样的）

6.没有获取到，直接返回旧数据

7.获取到了，开启一个新线程，由他执行redis的数据更新（这里不用加check double,旧数据是存在于redis中的，加了check第一个抢到锁的线程拿到直接就是返回旧数据了，不会进行后续逻辑）

8.更新完后释放锁，后续线程返回的就是新数据了

复制代码 
private static final ExecutorService executorService = Executors.newFixedThreadPool(10);

public Shop queryWithLogicalExpire(Long id){
    String key = CACHE_SHOP_KEY + id;

    // 1.从redis查询商铺缓存
    String shopJson = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);
    // 2.判断是否存在
    if (StrUtil.isBlank(shopJson)) {
        // 3.未命中，直接返回
        return null;
    }

    // 命中,需要先把JSON反序列成对象
    RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
    JSONObject data = (JSONObject) redisData.getData();
    Shop shop = JSONUtil.toBean(shopJson, Shop.class);
    LocalDateTime expireTime = redisData.getExpireTime();
    // 判断是否过期
    if(expireTime.isAfter(LocalDateTime.now())) {
        // 未过期，直接返回店铺信息
        return shop;
    }
    // 已过期， 尝试获取互斥锁
    String lockKey = LOCK_SHOP_KEY + id;
    boolean isLock = tryLock(lockKey);
    if(isLock) {
        // 获得锁，开启线程
        executorService.submit(() -> {
            try {
                // 重建缓存
                this.saveShop2Redis(id, 20L);
            } catch (Exception e) {
                throw new RuntimeException(e);
            }finally {
                // 释放锁
                unlock(lockKey);
            }
        });
    }
    // 没有获得锁，返回店铺信息
    return shop;
}

下面是具体执行数据更新的方法：

查询数据库**，更新data，更新逻辑时间**

复制代码 
public void saveShop2Redis(Long id, Long expireSeconds) throws InterruptedException {
    // 查看店铺数据
    Shop shop = getById(id);

    Thread.sleep(200);
    // 分装逻辑过期时间
    RedisData redisData = new RedisData();
    redisData.setData(shop);
    redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
    // 写入Redis
    stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));

}

需要注意的是，如果要测试逻辑过期解决缓存击穿的代码，我们先需要有这个缓存数据，所以要先在测试类中把数据添加好

为了方便测试，这里逻辑时间设置的是添加10s后过期

5.4 总结

**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

6. 封装Redis工具类

需求分析：

基于StringRedisTemplate封装一个缓存工具类，满足下列需求：

* 方法1：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间

* 方法2：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题

* 方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题

* 方法4：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑过期解决缓存击穿问题

先创建一个redisClient类，交给IOC容器管理，必要一些方法写好

复制代码 
@Component
@Slf4j
public class CacheClient {

    private final  StringRedisTemplate stringRedisTemplate;

    public CacheClient(StringRedisTemplate stringRedisTemplate) {
        this.stringRedisTemplate = stringRedisTemplate;
    }

    private boolean tryLock(String key){
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag); // 做一个拆箱，防止返回空值
    }

    private void unlock(String key){
        stringRedisTemplate.delete(key);
    }
}

6.1 方法1实现

实现目标：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间

实现逻辑：很简单的redis添加功能，这边传入的value值是不确定的，所以传入Object

复制代码 
public void set(String key, Object value, Long time, TimeUnit timeUnit) {
    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, timeUnit);
}

6.2 方法2实现

实现目标：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题

实现逻辑：这里比方法1多的一步是要设置一个逻辑过期时间，并跟value值一起封装进redisData，最后写入redis

复制代码 
public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit timeUnit) {
    // 设置逻辑过期
    RedisData redisData = new RedisData();
    redisData.setData(value);
    redisData.setExpireTime(LocalDateTime.now().plusSeconds(timeUnit.toSeconds(time)));
    // 写入redis
    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));
}

6.3 方法3实现

实现目标：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题

实现逻辑：跟目录3.缓存穿透的逻辑实现是一样的。

这里我主要讲下用到的泛型和方法设计。

**1.<R, ID>**这是方法级别的泛型声明，表示这个方法使用了两个泛型类型参数

2.后一个R表示方法的返回类型，例如，如果调用时传入Class<User>，那么返回的就是User类型

3.ID 参数id的类型是ID，这是一个泛型类型，表示可以接受任意类型的ID（如Long、String、Integer等）。

4.Class<R> type ，这是一个Class对象，表示返回类型R的运行时类型信息。例如，如果R是User，那么type就是User.class

5.Function<ID, R> dbFallback 这是一个函数式接口参数，表示一个从ID到R的转换函数 。例如，如果ID是Long，R是User，那么**dbFallback就是一个能根据Long id查询并返回User**的函数。

复制代码 
public <R, ID> R queryWithThrough(String keyPrefix, ID id, Class<R> type,
                                  Function<ID, R> dbFallback, Long time, TimeUnit timeUnit){
    String key = keyPrefix + id;
    // 从redis查询商铺缓存
    String json = stringRedisTemplate.opsForValue().get(key);

    // 判断是否存在
    if(StrUtil.isNotBlank(json)){
        // 存在，直接返回
        return JSONUtil.toBean(json, type);
    }
    // 判断是否为空值
    if(json != null){
        return null;
    }

    // 不存在，根据id查询数据库
    R r = dbFallback.apply(id);

    // 不存在，返回错误
    if(r == null){
        // 将空值写入redis
        stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
        // 返回错误信息
        return null;
    }

    // 存在，写入redis
    this.setWithLogicalExpire(key, r, time, timeUnit);
    return r;
}

调用传参如下

复制代码 
 // 缓存穿透
Shop shop1 = cacheClient.
         queryWithThrough(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);

6.4 方法4实现

实现目标：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑过期解决缓存击穿问题

实现逻辑：跟目录5.缓存击穿的逻辑过期实现那一样的，方法参数传递跟方法3是一样的

复制代码 
 private static final ExecutorService executorService = Executors.newFixedThreadPool(10);
    
    public <R,ID> R queryWithLogicalExpire(String keyPrefix, ID id, Class<R> type,
                                        Function<ID, R> dbFallback, Long time, TimeUnit timeUnit){
        String key = keyPrefix + 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.isBlank(shopJson)) {
            // 3.未命中，直接返回
            return null;
        }

        // 命中,需要先把JSON反序列成对象
        RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
        JSONObject data = (JSONObject) redisData.getData();
        R r = JSONUtil.toBean(data, type);
        LocalDateTime expireTime = redisData.getExpireTime();
        // 判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())) {
            // 未过期，直接返回店铺信息
            return r;
        }
        // 已过期， 尝试获取互斥锁
        String lockKey = LOCK_SHOP_KEY + id;
        boolean isLock = tryLock(lockKey);
        if(isLock) {
//            String shopJson1 = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);
//            if(StrUtil.isNotBlank(shopJson1)){
//                return JSONUtil.toBean(shopJson1, type);
//            }
            // 获得锁，开启线程
            executorService.submit(() -> {
                try {
                    // 重建缓存
                    Thread.sleep(200);
                    // 先查数据库
                    R r1 = dbFallback.apply(id);
                    // 再写入redis
                    this.setWithLogicalExpire(key, r1, time, timeUnit);
                } catch (Exception e) {
                    throw new RuntimeException(e);
                }finally {
                    // 释放锁
                    unlock(lockKey);
                }
            });
        }
        // 没有获得锁，返回店铺信息
        return r;
    }

最后：

今天的分享就到这里。如果我的内容对你有帮助，请点赞，评论，收藏。创作不易，大家的支持就是我坚持下去的动力！(๑`･ᴗ･´๑)

相关推荐
饕餮争锋2 分钟前
单点登陆(SSO)简介-笔记
java·笔记
Lotay_天天26 分钟前
Android 缓存应用冻结器（Cached Apps Freezer）
android·缓存
行星0081 小时前
docker常用命令
java·云原生·eureka
Clownseven1 小时前
网站缓存入门与实战：浏览器与Nginx/Apache服务器端缓存，让网站速度起飞！(2025)
nginx·缓存·apache
magic 2451 小时前
实时同步缓存，与阶段性同步缓存——补充理解《补充》
java·redis·mysql
cubicjin1 小时前
Redis缓存设计与性能优化
redis·缓存·性能优化
牛马baby1 小时前
Java高频面试之并发编程-23
java·开发语言·面试
hqxstudying2 小时前
Redis击穿，穿透和雪崩详解以及解决方案
java·数据库·redis·缓存
ℳ₯㎕ddzོꦿ࿐2 小时前
使用 Shell 脚本实现 Spring Boot 项目自动化部署到 Docker（Ubuntu 服务器）
spring boot·docker·自动化
玹之又玹2 小时前
Kafka 客户端连接机制的一个典型陷阱
java·kafka
热门推荐
01YOLOv8入门 | 重要性能衡量指标、训练结果评价及分析及影响mAP的因素【发论文关注的指标】02KGG转MP3工具|非KGM文件|解密音频03从零安装 LLaMA-Factory 微调 Qwen 大模型成功及所有的坑04【SpeedAI科研小助手】2分钟极速解决知网维普重复率、AIGC率过高，一键全文降！文件格式不变，公式都保留的！05VMware虚拟机安装Win7专业版保姆级教程（附镜像包）06DeepSeek各版本说明与优缺点分析07头歌的数据库的第二次作业的答案08组基轨迹建模 GBTM的介绍与实现（Stata 或 R）09Coze扣子平台完整体验和实践（附国内和国际版对比）10【操作系统】Linux之网络编程(UDP)（头歌作业）