Redis缓存更新策略双写一致缓存穿透击穿雪崩解决方案... 一篇文章带你学透

1. 什么是缓存？

缓存是一种存储技术。

一、基本概念
缓存是位于较慢的存储设备和请求数据的客户端之间的一种较快的存储层。它的主要目的是暂存数据，以便下次请求相同数据时，可以更快地提供数据。例如，在计算机系统中，CPU 缓存是位于 CPU 和主内存之间的小容量、高速存储器。当 CPU 需要读取数据时，会先查看缓存中是否有该数据，如果有（命中），就可以直接从缓存快速获取，而不用花费更多时间去主内存中查找，从而提高数据读取速度。
二、应用场景
网页浏览
当你访问一个网页后，浏览器会将该网页的资源（如 HTML 文件、图片、JavaScript 文件等）缓存到本地。这样，当你再次访问同一网页时，浏览器可以直接从本地缓存加载这些资源，而不需要重新从服务器下载，大大缩短了网页加载时间。
数据库查询
数据库系统也会使用缓存。例如，对于频繁查询的数据库记录，数据库管理系统会将这些记录缓存在内存中的缓冲区。当下一次相同的查询请求到来时，就可以直接从缓存的缓冲区中读取数据，而不用每次都去磁盘存储设备上读取数据，提高了数据库查询效率。

1.1 为什么要使用缓存？

一句话:因为速度快,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:

1.2 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。

接下来我们就在项目实战中去体会和理解缓存吧~

2. 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);
}

2.1 缓存模型和思路

标准的操作方式就是岔村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。

2.2 代码如下

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。

java 复制代码

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Autowired
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryById(Long id) {
        //1.从redis当中查询商铺缓存
        String key = RedisConstants.CACHE_SHOP_KEY + id;
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        //2.判断是否存在
        if(StrUtil.isNotBlank(shopJson)){
            //3.存在, 返回信息
            Shop shop = JSONUtil.toBean(shopJson, Shop.class);
            return Result.ok(shop);
        }
        //4.不存在 根据id查询数据库
        Shop shop = getById(id);
        //5.数据库中不存在, 返回错误信息
        if(shop == null) return Result.fail("店铺不存在!");
        //6、存在 写入redis
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop));
        //返回信息
        return Result.ok(shop);
    }
}

3. 给店铺类型查询业务添加缓存

3.1 分析

店铺类型在首页和其它多个页面都会用到，如图：

需求：修改**ShopTypeController** 中的**queryTypeList** 方法，添加查询缓存

以下是**shop-type**表的信息：

所以我们要向前端返回的数据是一个**list** 集合，这里我们可以使用string类型的数据结构、也可以使用list类型的数据结构，这里我们选择StringRedisTemplate的opsForList方法来操作。

3.2 实现代码

这里的给店铺类型查询业务添加缓存的业务逻辑和添加商户缓存的逻辑大差不差，咱们就不多说了，但是很明显list数据结构中json与list对象相互转换比单纯的string存取要复杂一些。

java 复制代码

public class ShopTypeServiceImpl extends ServiceImpl<ShopTypeMapper, ShopType> implements IShopTypeService {
    @Autowired
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryTypeList() {
        //1.在redis当中查询商铺类型列表缓存是否存在
        String key = RedisConstants.CACHE_SHOP_TYPE_KEY;
        List<String> shopTypeListJson = stringRedisTemplate.opsForList().range(key, 0, -1);
        //2.存在直接返回
        if(CollectionUtil.isNotEmpty(shopTypeListJson)){
            //将所有的jsonList转化为对象list,并排序
            List<ShopType> shopTypeList = shopTypeListJson.stream()
                    .map(str->JSONUtil.toBean(str, ShopType.class))
                    .sorted(Comparator.comparingInt(ShopType::getSort))
                    .collect(Collectors.toList());
            return Result.ok(shopTypeList);
        }
        //3. 不存在,查询数据库使用mp提供的接口
        List<ShopType> shopTypeList = query().orderByAsc("sort").list();

        //4.数据库中不存在, 返回错误
        if (CollectionUtil.isEmpty(shopTypeList)){
            return Result.fail("商铺类型列表为空!");
        }
        shopTypeListJson = shopTypeList.stream().sorted(Comparator.comparingInt(ShopType::getSort))
                .map(shopType -> JSONUtil.toJsonStr(shopType))
                .collect(Collectors.toList());

        //5.保存到Redis当中
        stringRedisTemplate.opsForList().rightPushAll(key, shopTypeListJson);
        //6.返回信息
        return Result.ok(shopTypeList);
    }
}

4. 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

4.1 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 ,此时就会有数据一致性问题存在 ,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 ：旁路缓存模式 是人工编码方式，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 ：异步缓存写入 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

4.2 、数据库和缓存不一致采用什么方案

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：

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 ✅

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，所以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。

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

③ 考虑线程安全问题，先操作缓存还是先操作数据库 ❓
- 第一种方案：先删除缓存，再操作数据库 ❌
- 第二种方案：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，假设缓存和数据库里的数据都是10，我们目的是想把数据改为20，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，此时他访问数据库写入缓存的数据是10，当他写入缓存后，线程1再执行更新数据库的动作后，数据库的数据变成了20，此时数据库的数据是20，缓存的数据还是10，最后导致了数据不一致的情况。那么发生这种情况概率高不高呢，发生这种情况概率还是很高的，线程1删除缓存速度很快，但是更新数据库此时的动作就很慢了，线程2突然在这之间穿插进来，查询数据库写入缓存速度都要比线程1的更新数据库动作快很多，所以是大概率会发生的。

但是对于第二种方案呢，我们依然假设缓存和数据库里的数据都是10，假设线程1查询缓存时，缓存数据失效了，此时未命中，再去查询数据库的数据，而恰好此时，线程2来了，先去更新数据库，把数据库数据修改为20，再删除缓存，最后线程1再把10的数据写入缓存，但是最后还是导致数据不一致问题，但是我们想线程2的更新数据库操作是不是比写入缓存要慢很多呢，你很难说当查询写入缓存这么快的操作与更新这个耗时比较长的操作同步完成 ，所以说这种情况发生概率小很多或者几乎不太可能发生。

所以我们综合考虑选择第二种方案。

5. 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。

java 复制代码

@Override
public Result queryById(Long id) {
      //1.从redis当中查询商铺缓存
      String key = RedisConstants.CACHE_SHOP_KEY + id;
      String shopJson = stringRedisTemplate.opsForValue().get(key);
      //2.判断是否存在
      if(StrUtil.isNotBlank(shopJson)){
          //3.存在, 返回信息
          Shop shop = JSONUtil.toBean(shopJson, Shop.class);
          return Result.ok(shop);
      }
      //4.不存在 根据id查询数据库
      Shop shop = getById(id);
      //5.数据库中不存在, 返回错误信息
      if(shop == null) return Result.fail("店铺不存在!");
      //6、存在 写入redis，设置redis缓存时添加过期时间
      stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
      //返回信息
      return Result.ok(shop);
}

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。

java 复制代码

@Override
@Transactional
public Result update(Shop shop) {
     if(shop.getId() == 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( RedisConstants.CACHE_SHOP_KEY + shop.getId());
     return Result.ok();
}

6. 缓存穿透问题的解决思路

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

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，其实并不是真的把数据存储到布隆过滤器，而是把这些数据基于某一种哈希算法，计算出哈希值，将其转换成二进制位，保存到布隆过滤器里面，如果布隆过滤器判断存在（判断对应的位置是否是0），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，只要有哈希思想，就可能存在哈希冲突，这样有需要再去请求数据库访问了，又形成了穿透。

7. 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，我们如果发现商铺这个数据在数据库中不存在，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 ，同时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。

以下是对代码作出的修改：

java 复制代码

@Override
public Result queryById(Long id) {
    //1.从redis当中查询商铺缓存
    String key = RedisConstants.CACHE_SHOP_KEY + id;
    String shopJson = stringRedisTemplate.opsForValue().get(key);
    //2.判断是否存在
    if(StrUtil.isNotBlank(shopJson)){
        //3.存在, 返回信息
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        return Result.ok(shop);
    }
    //判断命中的是否是空字符串, 如果是则返回空信息
    //命中了空值缓存（""空字符串）
    if(shopJson != null){
        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.数据库中不存在, 为了解决缓存穿透, 将空值写入redis, 并返回错误信息
    if(shop == null) {
        stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
        //返回错误信息
        return Result.fail("店铺不存在!");
    }
    //6、存在 写入redis
    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
    //返回信息
    return Result.ok(shop);
}

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？

被动解决：
- 缓存null值
- 布隆过滤
主动出击：
- 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

8. 缓存雪崩问题及解决思路

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：

针对缓存key同时失效
- 给不同的Key的TTL添加随机值
针对Redis服务宕机
- 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

对于key的同时失效问题，大家可以在缓存预热时为key的TTL后面再加一个随机值就好了，至于解决Redis服务宕机的问题，后续再和大家细说。

9. 缓存击穿问题及解决思路

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。

常见的解决方案有两种：

互斥锁
逻辑过期

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。

解决方案一：使用锁来解决：

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，我们可以采用自己实现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。

解决方案二：逻辑过期方案（用于热点数据）：

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，所以常用于热点数据。

两种方案的对比

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。

9.1 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(对应stringRedisTemplate中setIfAbsent()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

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);
}

🔐利用互斥锁解决缓存击穿问题👇

java 复制代码

/**
     * 缓存重建需要做 双重检测锁定（Double Check Lock）:
     * 第一次检测: 在获取锁之前，检查缓存是否存在。如果缓存存在，直接返回结果。
     * 第二次检测: 在获取锁之后，再次检查缓存是否存在。如果缓存已经存在，直接返回结果。
     * 这一步是为了防止在等待锁的过程中，其他线程已经重建了缓存。
     * @param id
     * @return
     */
    private Shop queryWithMutex(Long id) {
        //1.从redis当中查询商铺缓存
        String key = RedisConstants.CACHE_SHOP_KEY + id;
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        //2.判断是否存在
        if(StrUtil.isNotBlank(shopJson)){
            //3.存在, 返回信息
            return JSONUtil.toBean(shopJson, Shop.class);
        }
        //判断命中的是否是空字符串, 如果是则返回空信息
        if(shopJson != null){
            return null;
        }
        //4.1 获取互斥锁
        String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
        Shop shop = null;
        try {
            //4.2 判断是否获取成功
            boolean isLock = tryLock(lockKey);
            if(!isLock){
                //4.3 失败, 休眠并重试
                Thread.sleep(50);
                return queryWithMutex(id);
            }

            // 第二次检测：再次检查缓存是否存在（防止多个线程同时重建缓存）
            shopJson = stringRedisTemplate.opsForValue().get(key);
            if (StrUtil.isNotBlank(shopJson)) {
                return JSONUtil.toBean(shopJson, Shop.class);
            }

            //4.4 成功,缓存重建  根据id查询数据库
            shop = getById(id);
            //模拟缓存重建的延时
            Thread.sleep(200);

            //5. 为了解决缓存穿透, 将空值写入redis, 并返回错误信息
            if(shop == null) {
                stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
                //返回错误信息
                return null;
            }
            //6. 存在 将shop对象写入redis
            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);

        } catch (InterruptedException e){
            throw new RuntimeException(e);
        } finally {
            //7.释放互斥锁
            unLock(lockKey);
        }
        //8. 返回信息
        return shop;
    }

9.2 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。

1. 新建RedisData实体类

🔖由于我们需要存放一个逻辑过期的字段，而且我们最好不修改封装好的Shop类，所以我们就需要重新创建一个redisData类，利用组合的形式，一个字段存放数据，另一个字段存放expireTime

java 复制代码

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

2. 缓存预热

🔖在ShopServiceImpl 新增saveShopToRedis方法，利用单元测试进行缓存预热

java 复制代码

//在利用逻辑过期解决缓存击穿问题之前, 进行缓存预热
    /**
     *
     * @param id 表的主键id
     * @param expireSeconds 加上逻辑过期时间, 10秒
     */
    public void saveShopToRedis(Long id, Long expireSeconds) throws InterruptedException {
        //1.查询商铺数据
        Shop shop = getById(id);
        //模拟重建缓存的延迟
        Thread.sleep(200);
        //2.封装逻辑过期时间
        RedisData redisData = new RedisData();
        redisData.setData(shop);
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
        stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));
    }

🔖在测试类中进行测试，然后在客户端查看缓存的数据。

👇RESP客户端中的数据:

3. 正式代码

我们在ShopServiceImpl 中封装一个queryWithLogicalExpire方法，如下👇：

需要注意的是：在提交独立线程进行缓存重建之前，有必要进行**double check lock**，可以防止多个线程重复重建缓存了。

java 复制代码

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

    /**
     * 基于逻辑过期方案解决缓存击穿问题
     * @param id
     * @return
     */
    private Shop queryWithLogicalExpire(Long id){
        //1.从redis当中查询商铺缓存
        String key = RedisConstants.CACHE_SHOP_KEY + id;
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        //2.判断是否存在
        if(StrUtil.isBlank(shopJson)) {
            //3.未命中返回空
            return null;
        }

        //4.判断缓存是否过期
        //反序列化 将Json数据转换为redisData对象
        RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
        //将data Json字符串也反序列化为shop对象
        JSONObject JsonObject = (JSONObject) redisData.getData();
        Shop shop = JSONUtil.toBean(JsonObject, Shop.class);
        LocalDateTime expireTime = redisData.getExpireTime();
        //5. 判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())){
            //5.1 未过期返回商铺信息
            return shop;
        }

        //5.2 已过期 需要进行缓存重建
        //6. 缓存重建
        //6.1 获取互斥锁
        String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
        boolean isLock = tryLock(lockKey);
        //6.2 获取锁成功 开启独立线程
        if(isLock){
            //双重检验锁机制: 再次检查缓存是否过期（防止多个线程同时重建缓存）
            String currentShopJson = stringRedisTemplate.opsForValue().get(key);
            //反序列化
            RedisData currentRedisData = JSONUtil.toBean(currentShopJson, RedisData.class);
            if (currentRedisData.getExpireTime().isAfter(LocalDateTime.now())) {
                unLock(lockKey);
                return JSONUtil.toBean((JSONObject) currentRedisData.getData(), Shop.class);
            }
            // 提交独立线程进行缓存重建
            CACHE_REBUILD_EXECUTOR.submit(()->{
                try {
                    //重建缓存
                    saveShopToRedis(id, 20L);
                } catch (Exception e) {
                    throw new RuntimeException(e);
                } finally {
                    //释放锁
                    unLock(lockKey);
                }
            });
        }

        //6.3 返回旧的缓存信息
        return shop;
    }

📌可能存在的疑问👇

这里说明一下大家都会存在的疑问，为什么这里我们不用考虑缓存穿透问题了(前面，咱们已经说过缓存穿透是，我们要查询的数据在redis、数据库当中都不存在，这时所有请求压力都打到数据库，给系统造成了崩溃)，而缓存击穿的原因就是在高并发情况访问下，大量并发请求同时访问失效的热点key，导致压力全部到达数据库,压垮数据库。而我们针对的就是热点key问题，需要提前做缓存预热(预先将高频访问数据加载到缓存中)，如果未命中说明不是热点数据，直接返回null，所以根本不会走数据库！

10. 封装Redis工具类

我们可以发现每个类设置缓存消费缓存的逻辑有很多共用的，我们不妨把它写成一个可以减少冗余代码的工具类。

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

package com.easyselection.utils;

import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONObject;
import cn.hutool.json.JSONUtil;
import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

import java.time.LocalDateTime;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;
import java.util.function.Function;

@Slf4j
@Component
public class CacheClient {
    private final StringRedisTemplate stringRedisTemplate;

    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);
    }

    //设置逻辑过期时间
    public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit unit){
        RedisData redisData = new RedisData();
        redisData.setData(value);
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));

        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));
    }

    //缓存空值解决缓存穿透问题

    /**
     *
     * @param cacheKeyPrefix  缓存key的前缀
     * @param id 主键id值
     * @param type 操作的数据类型
     * @param dbFallBack 数据库后备 查询数据库
     * @param time 时间
     * @param unit 时间单位
     * @return 返回结果
     * @param <T> 数据参数和返回值参数
     * @param <ID> id类型
     */
    public  <T, ID> T queryWithPassThrough(String cacheKeyPrefix, ID id, Class<T> type,
                                           Function<ID, T> dbFallBack, Long time, TimeUnit unit){
        //1.从redis当中查询商铺缓存
        String key = cacheKeyPrefix + id;
        String json = stringRedisTemplate.opsForValue().get(key);
        //2.判断是否存在
        if(StrUtil.isNotBlank(json)){
            //3.存在, 返回信息
            return JSONUtil.toBean(json, type);
        }
        //判断命中的是否是空字符串, 如果是则返回空信息
        if(json != null){
            return null;
        }

        //4.不存在 根据id查询数据库
        T result = dbFallBack.apply(id);
        //5.数据库中不存在, 为了解决缓存穿透, 将空值写入redis, 并返回错误信息
        if(result == null) {
            stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
            //返回错误信息
            return null;
        }
        //6、存在 写入redis
        this.set(key, result, time, unit);
        //返回信息
        return result;
    }

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


    /**
     * 基于逻辑过期方案解决缓存击穿问题
     * @param cacheKeyPrefix 缓存key的前缀
     * @param lockKeyPrefix 互斥锁key的前缀
     * @param id 主键id值
     * @param type 操作的数据类型
     * @param dbFallBack 数据库后备 查询数据库
     * @param time 时间
     * @param unit 时间单位
     * @return 返回结果
     * @param <T> 数据参数和返回值参数
     * @param <ID> id类型
     */
    public <T, ID> T queryWithLogicalExpire(String cacheKeyPrefix, String lockKeyPrefix, ID id, Class<T> type,
                                             Function<ID, T> dbFallBack, Long time, TimeUnit unit){
        //1.从redis当中查询商铺缓存
        String key = cacheKeyPrefix + id;
        String json = stringRedisTemplate.opsForValue().get(key);
        //2.判断是否存在
        if(StrUtil.isBlank(json)) {
            //3.未命中返回空
            return null;
        }

        //4.判断缓存是否过期
        //反序列化 将Json数据转换为redisData对象
        RedisData redisData = JSONUtil.toBean(json, RedisData.class);
        //将data Json字符串也反序列化为shop对象
        JSONObject JsonObject = (JSONObject) redisData.getData();
        T result = JSONUtil.toBean(JsonObject, type);
        LocalDateTime expireTime = redisData.getExpireTime();
        //5. 判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())){
            //5.1 未过期返回商铺信息
            return result;
        }

        //5.2 已过期 需要进行缓存重建
        //6. 缓存重建
        //6.1 获取互斥锁
        String lockKey = lockKeyPrefix + id;
        boolean isLock = tryLock(lockKey);
        //6.2 获取锁成功 开启独立线程
        if(isLock){

            //双重检验锁机制: 再次检查缓存是否过期（防止多个线程同时重建缓存）
            String currentShopJson = stringRedisTemplate.opsForValue().get(key);
            //反序列化
            RedisData currentRedisData = JSONUtil.toBean(currentShopJson, RedisData.class);
            if (currentRedisData.getExpireTime().isAfter(LocalDateTime.now())) {
                unLock(lockKey);
                return JSONUtil.toBean((JSONObject) currentRedisData.getData(),type);
            }

            // 提交独立线程进行缓存重建
            CACHE_REBUILD_EXECUTOR.submit(()->{
                try {
                    //重建缓存
                    //1.查询数据库
                    T result1 = dbFallBack.apply(id);
                    //2.封装逻辑过期时间
                    this.setWithLogicalExpire(key, result1, time, unit);

                } catch (Exception e) {
                    throw new RuntimeException(e);
                } finally {
                    //释放锁
                    unLock(lockKey);
                }
            });
        }

        //6.3 返回旧的缓存信息
        return result;
    }

    /**
     * 获取锁
     * @param key
     * @return
     */
    private boolean tryLock(String key){
        return Boolean.TRUE.equals(stringRedisTemplate.opsForValue().setIfAbsent(key, "1",
                RedisConstants.LOCK_SHOP_TTL, TimeUnit.MINUTES));
    }

    /**
     * 释放锁
     * @param key
     */
    private void unLock(String key){
        stringRedisTemplate.delete(key);
    }
}

修改ShopServiceImpl中的逻辑，修改为自定义后的redis工具类，自行测试。

java 复制代码

@Resource
private CacheClient cacheClient;

 @Override
    public Result queryById(Long id) {
        // 解决缓存穿透
        Shop shop = cacheClient
                .queryWithPassThrough(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);

        // 互斥锁解决缓存击穿
        // Shop shop = cacheClient
        //         .queryWithMutex(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);

        // 逻辑过期解决缓存击穿
        // Shop shop = cacheClient
        //         .queryWithLogicalExpire(CACHE_SHOP_KEY, id, Shop.class, this::getById, 20L, TimeUnit.SECONDS);

        if (shop == null) {
            return Result.fail("店铺不存在！");
        }
        // 7.返回
        return Result.ok(shop);
    }

关于redis的缓存知识点的篇幅还是挺多的，内容也需要多多理解~

Redis缓存 更新策略 双写一致 缓存穿透 击穿 雪崩 解决方案... 一篇文章带你学透

1. 什么是缓存？

1.1 为什么要使用缓存？

1.2 如何使用缓存？

2. 添加商户缓存

2.1 缓存模型和思路

2.2 代码如下

3. 给店铺类型查询业务添加缓存

3.1 分析

3.2 实现代码

4. 缓存更新策略

4.1 数据库缓存不一致解决方案

4.2 、数据库和缓存不一致采用什么方案

5. 实现商铺和缓存与数据库双写一致

6. 缓存穿透问题的解决思路

7. 编码解决商品查询的缓存穿透问题

8. 缓存雪崩问题及解决思路

9. 缓存击穿问题及解决思路

9.1 利用互斥锁解决缓存击穿问题

9.2 利用逻辑过期解决缓存击穿问题

1. 新建RedisData实体类

2. 缓存预热

3. 正式代码

10. 封装Redis工具类

Redis缓存更新策略双写一致缓存穿透击穿雪崩解决方案... 一篇文章带你学透