黑马点评【缓存】

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

二、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

java 复制代码

@GetMapping("/{id}")
public Result queryShopById(@PathVariable("id") Long id) {
    //这里是直接查询数据库
    return shopService.queryById(id);
}

1.缓存的模型和思路

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。

2.代码

代码思路：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。

3.缓存更新策略

Redis内存淘汰机制：

复制代码

Redis 内存淘汰策略
│
├─ 被动淘汰策略（noeviction）
│   └─ 机制：内存不足时拒绝写操作，读操作正常
│   └─ 适用：不允许数据丢失的场景
│
└─ 主动淘汰策略
    │
    ├─ 基于过期时间（仅淘汰设置过期时间的键）
    │   │
    │   ├─ volatile-lru
    │   │   └─ 机制：淘汰过期键中最久未使用的数据
    │   │   └─ 适用：热点数据缓存
    │   │
    │   ├─ volatile-ttl
    │   │   └─ 机制：淘汰过期键中剩余时间最短的数据
    │   │   └─ 适用：时效性强的数据（如限时活动）
    │   │
    │   └─ volatile-random
    │       └─ 机制：随机淘汰过期键
    │       └─ 适用：数据访问无规律的场景
    │
    └─ 基于数据热度/大小（淘汰所有键）
        │
        ├─ allkeys-lru
        │   └─ 机制：淘汰所有键中最久未使用的数据
        │   └─ 适用：通用缓存场景（热点数据优先）
        │
        ├─ allkeys-random
        │   └─ 机制：随机淘汰所有键
        │   └─ 适用：性能优先、访问无规律的场景
        │
        ├─ allkeys-lfu
        │   └─ 机制：淘汰所有键中访问频率最低的数据
        │   └─ 适用：长期高频访问数据（如常用功能缓存）
        │
        └─ volatile-lfu
            └─ 机制：淘汰过期键中访问频率最低的数据
            └─ 适用：需保留高频访问的过期数据场景

Redis 提供了 8 种内存淘汰策略，可分为被动淘汰 和主动淘汰两类：

3.1 被动淘汰策略（不主动淘汰，仅在查询时触发）

noeviction（默认策略）

机制：当内存不足时，拒绝执行所有会导致内存增加的命令（如 set、lpush 等），但读命令（如 get）仍可正常执行。

应用场景：适用于不允许丢失数据的场景（如缓存与数据库强一致的场景），但需确保业务能处理写失败的情况。

3.2 主动淘汰策略（主动扫描内存，按规则淘汰数据）

主动淘汰策略又分为基于过期时间和基于数据热度 / 大小两类：

①基于过期时间的淘汰策略

此类策略仅淘汰设置了过期时间的键，适合缓存场景：

volatile-lru（Least Recently Used）

机制：在过期键中，淘汰最长时间未被访问的键。

原理：通过维护 "最近使用" 顺序，淘汰不活跃数据，适合热点数据场景（如用户行为缓存）。

示例：电商首页商品缓存，频繁访问的商品保留，冷门商品被淘汰。

volatile-ttl

机制：在过期键中，优先淘汰剩余过期时间最短的键。

原理：根据 TTL（Time To Live）值判断，适合对时效性要求高的数据（如限时活动缓存）。

示例：秒杀活动倒计时缓存，剩余时间短的先淘汰。

volatile-random

机制：在过期键中随机淘汰数据。

特点：实现简单但缺乏针对性，适用于数据访问无明显规律的场景。

②基于数据热度 / 大小的淘汰策略

此类策略对所有键（无论是否设置过期时间）生效：

allkeys-lru

机制：在所有键中，淘汰最长时间未被访问的键。

应用场景：最常用的策略之一，适合缓存场景（如热点文章、用户会话缓存），能有效保留活跃数据。

优化：Redis 通过 "近似 LRU" 算法（采样少量数据而非全量扫描）平衡性能与准确性。

allkeys-random

机制：在所有键中随机淘汰数据。

特点：性能开销小，但可能淘汰活跃数据，适用于数据访问无规律且对缓存命中率要求不高的场景。

volatile-lfu（Least Frequently Used）

机制：在过期键中，淘汰访问频率最低的键。

原理：通过记录访问次数区分 "偶然访问" 和 "高频访问" 数据，避免 LRU 淘汰高频但近期未访问的键。

示例：新闻类应用中，高频访问的热点新闻即使近期未被访问也会被保留。

allkeys-lfu

机制：在所有键中，淘汰访问频率最低的键。

应用场景：适合长期保留高频访问数据，例如用户高频使用的功能缓存。

策略	淘汰范围	淘汰依据	适用场景	命中率	性能开销
noeviction	所有键	不淘汰，拒绝写操作	不允许数据丢失的场景	无	低
allkeys-lru	所有键	最近最少使用	通用缓存场景（热点数据明显）	高	中
volatile-lru	过期键	最近最少使用	仅缓存过期数据的场景	高	中
allkeys-lfu	所有键	访问频率最低	长期高频访问数据的场景	最高	高
volatile-ttl	过期键	剩余过期时间最短	时效性强的数据（如限时活动）	中	低
random 策略	对应范围键	随机	数据访问无规律或性能优先的场景	低	低

Redis 过期删除策略

Redis 作为内存型数据库，需要高效处理过期键的删除，避免无效数据占用内存。其过期删除策略采用被动删除 + 主动删除的混合模式，平衡内存占用与 CPU 开销：

3.3三大过期删除策略详解

1. 被动删除（惰性删除）

机制：当客户端访问某个键时，Redis 会检查该键是否过期，若过期则删除并返回 nil（空）。

优点：不主动消耗 CPU 资源，仅在访问时触发，对性能影响最小。

缺点：可能导致过期键长时间滞留内存，尤其当键未被访问时。
示例：
复制代码
# 设定期限为 10 秒的键
redis.setex("key1", 10, "value")  
# 10 秒后未访问，key1 仍存在于内存中  
# 当执行 redis.get("key1") 时，才会触发删除并返回 nil

图片来源于小林Coding

2. 主动删除（定期删除）

机制：**Redis 周期性地随机抽取一部分键检查是否过期，并删除过期键。**具体规则：

每个 Redis 服务器每秒执行 hz 次（默认 hz=10，即每秒 10 次）过期扫描。

每次扫描随机选取 ACTIVE_EXPIRE_CYCLE_LOOKUPS_PER_LOOP 个键（默认 20 个），若过期键比例超过 25%，则继续扫描，直到过期键比例降至 25% 以下或扫描次数达到上限。

优点：主动清理过期键，减少内存浪费。

缺点：扫描频率和范围需平衡，频率过高会占用 CPU，过低则清理不及时。

图片来源于小林Coding

3. 内存淘汰策略的补充作用

当 Redis 内存达到 maxmemory 阈值时，会触发内存淘汰策略（如 lru/lfu 等），此时即使键未过期，也可能被淘汰，作为过期删除的补充机制。

三、数据库缓存不一致解决方案：

1.发生原因及相关解决方案

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;怎么解决呢？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

对比维度	Cache Aside Pattern (双写方案)	Read/Write Through Pattern	Write Behind Caching Pattern
数据一致性	最终一致性（可能存在短暂不一致窗口）	强一致性（系统保证缓存与数据库同步）	最终一致性（异步同步延迟更大）
性能表现	写操作需两次IO（数据库+缓存）	写操作由系统优化处理	最佳写性能（仅操作缓存）
实现复杂性	需应用层维护双写逻辑	需实现底层存储系统抽象层	需处理异步队列和失败重试机制
适用场景	读多写少场景（如商品详情页）	对一致性要求高的场景（如金融账户）	写密集场景（如日志记录）
主要风险	并发写可能引发脏数据<br>（需配合失效机制）	系统设计缺陷会导致全局故障	数据丢失风险（异步未完成时宕机）
典型应用	电商系统商品信息缓存	分布式文件系统元数据管理	社交平台点赞数统计
维护成本	中（需处理双写异常场景）	高（需维护存储抽象层）	高（需维护可靠消息队列）
数据流动方向	应用层双向控制<br>（DB↔缓存）	单向流动<br>（DB→缓存）	单向流动<br>（缓存→DB）

综合考虑使用方案一，但是方案一调用者如何处理呢？这里有几个问题

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

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
2.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

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。

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

2.实现商铺和缓存与数据库双写一致

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

修改重点代码1：修改ShopServiceImpl的queryById方法

设置redis缓存时添加过期时间

修改重点代码2

代码分析：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

四、缓存穿透

1.定义

指请求查询一个不存在的数据，缓存和数据库中均无该数据，导致请求每次都穿透到数据库，造成资源浪费。若被恶意攻击（如批量请求不存在的 ID），可能导致数据库崩溃。

典型场景 ：恶意用户通过脚本批量请求user_id=-1等不存在的参数。

例如：请求店铺为0的信息

常见的解决方案有两种：

方案	实现方式	优缺点
布隆过滤器（Bloom Filter）	在请求进入数据库前，先用布隆过滤器判断数据是否存在，不存在则直接拒绝。	- 优点：空间效率高，过滤速度快 - 缺点：存在误判率（误报存在，漏报不存在）
空值缓存	当查询结果为 null 时，仍将 null 存入缓存（设置短过期时间，如 5 分钟），避免重复查询数据库。	- 优点：简单易实现 - 缺点：可能存储无效空值，占用少量内存

2.编码解决商品查询的缓存穿透问题：

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，欧当再次发起查询时，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。

3.小总结：

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

五、缓存雪崩

1.定义

指大量缓存 key 在同一时间段失效，或缓存服务整体不可用，导致海量请求直接访问数据库，造成数据库雪崩甚至宕机。

典型场景：缓存服务器重启、大量 key 设置相同过期时间（如凌晨零点失效）。

2.解决方案

方案	实现方式	优缺点
过期时间分散化	为不同 key 的过期时间添加随机值（如`TTL=3600+random(0,1800)`），避免集体失效。	- 优点：简单有效，成本低 - 缺点：无法应对缓存服务整体故障
多级缓存架构	部署多层缓存（如本地缓存 + Redis 缓存），当 Redis 失效时，本地缓存仍可响应请求。	- 优点：提高可用性，降低数据库压力 - 缺点：维护成本高，需处理缓存一致性
缓存集群与熔断	- 缓存采用集群部署，避免单点故障 - 引入熔断机制（如 Hystrix），当数据库压力过高时暂时拒绝部分请求。	- 优点：高可用性，保护数据库 - 缺点：需要额外组件支持，增加架构复杂度
持久化与热重启	启用 Redis 持久化（RDB/AOF），服务器重启时快速加载缓存，减少全量失效窗口。	- 优点：恢复速度快 - 缺点：依赖持久化文件的完整性

六、缓存击穿

1. 定义

指热点数据的缓存过期瞬间，大量请求同时穿透缓存直达数据库，导致数据库负载激增的现象。

典型场景：秒杀活动中，某商品的缓存 key 过期，瞬间数万请求访问数据库查询库存。

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

2.解决方案

方案	实现方式	优缺点
互斥锁（Mutex）	当缓存失效时，先通过 Redis 的`SETNX`获取锁，成功的线程查询数据库并更新缓存，其他线程等待锁释放。	- 优点：简单有效，避免大量请求击穿 - 缺点：存在锁竞争，可能阻塞请求
热点数据永不过期（逻辑过期）	不设置过期时间，通过后台线程异步更新数据（如定时任务）。	- 优点：完全避免过期击穿 - 缺点：数据一致性略有延迟，需配合版本号或消息队列更新
缓存时间随机打散	给热点 key 的过期时间添加随机偏移（如`expire=3600+random(0,600)`），避免同时过期。	- 优点：轻量级方案，适合非强一致场景 - 缺点：无法完全杜绝击穿，但可大幅降低概率

这里我们重点讲解互斥锁和逻辑过期

2.1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，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。

优点	缺点
1. 强一致性，确保缓存与数据库实时同步； 2. 实现简单，适用于中小并发场景。	1. 高并发下存在锁竞争，可能导致请求延迟； 2. 极端情况下（如数据库慢查询）可能引发线程饥饿。

2.2逻辑过期

物理过期 ：缓存不设置expire，永久存储；

逻辑过期 ：在缓存值中附加过期时间戳，由应用层判断是否需要更新。

异步更新：发现逻辑过期时，启动后台线程异步更新缓存，前台请求返回旧数据，避免阻塞。

流程：

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。

优点	缺点
1. 无锁竞争，响应速度快，适合高并发读场景； 2. 避免缓存击穿的同时保证服务可用性。	1. 存在数据不一致窗口（旧数据可能被读取）； 2. 后台更新失败时需额外容错机制（如重试队列）。

3.互斥锁 vs 逻辑过期：场景选择与组合方案

维度	互斥锁方案	逻辑过期方案
一致性要求	强一致性（实时同步）	最终一致性（允许短期延迟）
并发场景	中小并发、写操作较频繁	高并发读、写操作较少
典型应用	库存扣减、订单状态查询	商品详情页、首页轮播图
组合优化	互斥锁 + 逻辑过期： 1. 逻辑过期作为主方案，提升读性能； 2. 后台更新时添加互斥锁，避免并发脏写。

**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

4.利用互斥锁解决缓存击穿问题

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

操作锁的代码：

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。

java 复制代码

//获取锁
private boolean tryLock(String key) {
    Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
    return BooleanUtil.isTrue(flag);
}

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

操作代码：

java 复制代码

 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;
    }

5.利用逻辑过期解决缓存击穿问题

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

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。

如果封装数据：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

步骤一、

新建一个实体类，我们采用第二个方案，这个方案，对原来代码没有侵入性。

java 复制代码

package com.hmdp.utils;

import lombok.Builder;
import lombok.Data;

import java.io.Serializable;
import java.time.LocalDateTime;

@Data
@Builder
public class RedisData implements Serializable {
    private LocalDateTime expireTime;
    private Object data;
}

步骤二、

在ShopServiceImpl新增此方法，利用单元测试进行缓存预热

在测试类中

步骤三：正式代码

ShopServiceImpl

java 复制代码

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;
}

七、封装Redis工具类

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

将逻辑进行封装

java 复制代码

@Slf4j
@Component
public class CacheClient {

    private final StringRedisTemplate stringRedisTemplate;

    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

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

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

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

    public <R,ID> R queryWithPassThrough(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit){
        String key = keyPrefix + 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.isNotBlank(json)) {
            // 3.存在，直接返回
            return JSONUtil.toBean(json, type);
        }
        // 判断命中的是否是空值
        if (json != null) {
            // 返回一个错误信息
            return null;
        }

        // 4.不存在，根据id查询数据库
        R r = dbFallback.apply(id);
        // 5.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;
        }
        // 6.存在，写入redis
        this.set(key, r, time, unit);
        return r;
    }

    public <R, ID> R queryWithLogicalExpire(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + 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);
        R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
        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 r;
        }
        // 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){
            // 6.3.成功，开启独立线程，实现缓存重建
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    // 查询数据库
                    R newR = dbFallback.apply(id);
                    // 重建缓存
                    this.setWithLogicalExpire(key, newR, time, unit);
                } catch (Exception e) {
                    throw new RuntimeException(e);
                }finally {
                    // 释放锁
                    unlock(lockKey);
                }
            });
        }
        // 6.4.返回过期的商铺信息
        return r;
    }

    public <R, ID> R queryWithMutex(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        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.isNotBlank(shopJson)) {
            // 3.存在，直接返回
            return JSONUtil.toBean(shopJson, type);
        }
        // 判断命中的是否是空值
        if (shopJson != null) {
            // 返回一个错误信息
            return null;
        }

        // 4.实现缓存重建
        // 4.1.获取互斥锁
        String lockKey = LOCK_SHOP_KEY + id;
        R r = null;
        try {
            boolean isLock = tryLock(lockKey);
            // 4.2.判断是否获取成功
            if (!isLock) {
                // 4.3.获取锁失败，休眠并重试
                Thread.sleep(50);
                return queryWithMutex(keyPrefix, id, type, dbFallback, time, unit);
            }
            // 4.4.获取锁成功，根据id查询数据库
            r = dbFallback.apply(id);
            // 5.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;
            }
            // 6.存在，写入redis
            this.set(key, r, time, unit);
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        }finally {
            // 7.释放锁
            unlock(lockKey);
        }
        // 8.返回
        return r;
    }

    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);
    }
}

看到这如果有用的话记得点赞关注哦，后续会更新更多内容的！！