Redis 缓存

不会写程序的未来程序员2025-12-14 8:19

Redis 缓存

缓存的通用模型

缓存与数据库的协同工作有三种经典模式：

  • Cache Aside（旁路缓存） ：由应用层负责维护缓存与数据库的一致性

    • 查询：先查缓存，命中则返回；未命中则查数据库，并将结果写入缓存
    • 更新 ：先更新数据库，再删除缓存（而非更新缓存）
    • ✅ 优点：实现简单、灵活性高
    • ⚠️ 缺点：无法保证强一致性，存在短暂不一致窗口
    • 📌 当前最主流的方案

  • Read/Write Through（读写穿透） ：由缓存层代理数据库读写

    • 查询：缓存命中返回；未命中由缓存自动查 DB 并回填
    • 更新：直接写缓存，缓存同步更新 DB
    • ✅ 优点：对应用透明
    • ⚠️ 缺点：缓存需实现复杂逻辑，Redis 本身不支持，需自研中间件

  • Write Behind Caching（写回缓存） ：写操作只更新缓存，由后台异步线程批量将变更写入数据库

    • 读操作：优先读缓存
    • ✅ 优点：极大提升写性能（适用于日志、计数器等场景）
    • ⚠️ 缺点：一致性最弱，系统崩溃可能丢数据；实现复杂（需处理顺序、重试）
    • 📌 注意 ：不是"先写 DB 再同步缓存"，而是先写缓存，异步刷 DB

💡 目前绝大多数系统采用 Cache Aside 模型，因其简单、可控、易于调试。

缓存一致性

在 Cache Aside 模型中，更新操作通常有两种顺序，但都存在并发风险：

方案一：先删除缓存，再更新数据库 ❌（不推荐）

  • 线程1 删除缓存 → 正在更新 DB
  • 线程2 查询：缓存空 → 查 DB（此时 DB 还是旧值）→ 将旧值写入缓存
  • 后续请求全部读到脏数据，且长期不一致

方案二：先更新数据库，再删除缓存 ✅（推荐）

  • 线程1 更新 DB → 删除缓存
  • 线程2 查询：若在删缓存前，会读到旧缓存（短暂不一致，但数据最终正确）
  • 若在删缓存后，会查 DB 获取最新值并重建缓存

✅ 为什么选方案二？

虽然仍存在"短暂旧数据返回"的可能，但不会将脏数据写回缓存，最终一致性可保障。

⚠️ 仍需注意的问题

  1. 删除缓存失败

    • 若 DB 更新成功，但删缓存失败 → 长期不一致
    • 解决方案 ：
      • 异步重试（如通过消息队列）
      • 监控告警 + 人工介入

  2. 极端场景下的不一致

    • 可采用 "延迟双删" ：

      text 复制代码 
      删除缓存 → 更新数据库 → sleep(100ms) → 再次删除缓存

    • 目的：防止在更新 DB 期间有旧请求重建缓存

✅ Java 示例：先更新 DB，再删除缓存

java 复制代码 
@Service
public class UserService {

    @Autowired
    private UserMapper userMapper;

    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    private static final String USER_CACHE_KEY = "user:";

    // 查询用户
    public User getUserById(Long id) {
        String key = USER_CACHE_KEY + id;
        User user = (User) redisTemplate.opsForValue().get(key);
        if (user != null) {
            return user;
        }

        // 缓存未命中，查数据库
        user = userMapper.selectById(id);
        if (user != null) {
            // 设置随机 TTL（防雪崩）
            long ttl = 3600 + new Random().nextInt(300); // 1h ~ 1h5min
            redisTemplate.opsForValue().set(key, user, ttl, TimeUnit.SECONDS);
        } else {
            // 防穿透：缓存空值
            redisTemplate.opsForValue().set(key, "", 60, TimeUnit.SECONDS);
        }
        return user;
    }

    // 更新用户（先更新 DB，再删缓存）
    @Transactional
    public void updateUser(User user) {
        userMapper.updateById(user); // 1. 更新数据库
        String key = USER_CACHE_KEY + user.getId();
        redisTemplate.delete(key);   // 2. 删除缓存
        // ✅ 生产建议：若删除失败，可发消息到 MQ 重试
    }
}

三大缓存异常问题

即使采用正确的一致性策略，仍可能遭遇以下三类高并发场景下的缓存危机：

1. 缓存穿透（Cache Penetration）

  • 定义 ：查询一个根本不存在的数据（缓存无，DB 也无）
  • 特点：key 不存在于任何存储层
  • 危害 ：
    • 数据库承受大量无效查询
    • 可被恶意利用进行 DoS 攻击
✅ 解决方案
  • 空值缓存（Null Cache）
  • 布隆过滤器（Bloom Filter）
✅ Java 示例：布隆过滤器（Guava 单机版）
java 复制代码 
@Component
public class BloomFilterService {

    private BloomFilter<Long> userIdBloomFilter = 
        BloomFilter.create(Funnels.longFunnel(), 1_000_000, 0.01);

    @PostConstruct
    public void init() {
        // 启动时加载所有合法用户 ID
        List<Long> allUserIds = userMapper.selectAllIds();
        allUserIds.forEach(userIdBloomFilter::put);
    }

    public boolean mightExist(Long userId) {
        return userIdBloomFilter.mightContain(userId);
    }

    public void addUserToBloom(Long userId) {
        userIdBloomFilter.put(userId);
    }
}

// 使用示例
@Service
public class SafeUserService {
    @Autowired
    private BloomFilterService bloomFilterService;

    public User safeGetUser(Long id) {
        if (!bloomFilterService.mightExist(id)) {
            return null; // 一定不存在，直接返回
        }
        return userService.getUserById(id); // 走正常缓存流程
    }
}

⚠️ 注意：Guava 是单机内存版。分布式环境建议使用 RedisBloom 模块 或自研分片布隆过滤器。

2. 缓存雪崩（Cache Avalanche）

  • 定义 ：大量缓存 key 在同一时间失效，导致瞬时所有请求打到数据库
  • 特点：多 key 集体失效，缓存层"崩塌"
  • 危害 ：
    • 数据库 QPS 瞬间飙升，可能被打挂
    • 整体服务不可用
✅ 解决方案
  • 设置随机 TTL
  • 热点数据永不过期（逻辑过期）
  • 多级缓存
✅ Java 示例：随机 TTL + 逻辑过期
java 复制代码 
// 随机 TTL（通用）
long baseTTL = 3600;
long randomTTL = baseTTL + new Random().nextInt(300);
redisTemplate.opsForValue().set(key, data, randomTTL, TimeUnit.SECONDS);

// 逻辑过期封装类
public static class LogicalCache<T> {
    private T data;
    private long expireTime; // 毫秒时间戳
    // getter/setter
}

// 写入逻辑过期缓存
LogicalCache<User> cache = new LogicalCache<>();
cache.setData(user);
cache.setExpireTime(System.currentTimeMillis() + 3600_000);
redisTemplate.opsForValue().set("hot:user:" + id, cache);

// 读取（配合后台刷新线程）
public User getUserWithLogicalExpire(Long id) {
    String key = "hot:user:" + id;
    LogicalCache<User> cache = (LogicalCache<User>) redisTemplate.opsForValue().get(key);
    if (cache != null) {
        if (System.currentTimeMillis() > cache.getExpireTime()) {
            refreshUserCacheAsync(id); // 异步刷新
        }
        return cache.getData(); // 即使过期也返回旧值
    }
    return loadFromDBAndSetCache(id);
}

3. 缓存击穿（Cache Breakdown）

  • 定义 ：某个热点 key 在过期瞬间，大量并发请求同时发现缓存失效，全部查 DB
  • 特点：单个 key 失效 + 高并发 → DB 瞬时压力
✅ 解决方案
  • 互斥锁（Mutex Lock）
  • 热点 key 永不过期
✅ Java 示例：分布式互斥锁重建缓存
java 复制代码 
public User getUserWithMutex(Long id) {
    String key = "user:" + id;
    User user = (User) redisTemplate.opsForValue().get(key);
    if (user != null) return user;

    String lockKey = "lock:user:" + id;
    Boolean isLocked = redisTemplate.opsForValue()
        .setIfAbsent(lockKey, "1", Duration.ofMillis(500)); // 原子加锁，500ms超时

    if (Boolean.TRUE.equals(isLocked)) {
        try {
            // 双重检查
            user = (User) redisTemplate.opsForValue().get(key);
            if (user != null) return user;

            user = userMapper.selectById(id);
            if (user != null) {
                redisTemplate.opsForValue().set(key, user, 3600, TimeUnit.SECONDS);
            } else {
                redisTemplate.opsForValue().set(key, "", 60, TimeUnit.SECONDS);
            }
            return user;
        } finally {
            redisTemplate.delete(lockKey); // 释放锁
        }
    } else {
        // 未获取锁，短暂等待后重试
        try {
            Thread.sleep(50);
            return getUserWithMutex(id);
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
            return null;
        }
    }
}

✅ 关键：SET key value NX EX 实现原子锁，必须设超时防死锁。

🛡️ 附加：多级缓存（本地 + Redis）

java 复制代码 
private final Cache<Long, User> localCache = Caffeine.newBuilder()
    .maximumSize(10_000)
    .expireAfterWrite(10, TimeUnit.MINUTES)
    .build();

public User getUserMultiLevel(Long id) {
    // 1. 本地缓存
    User user = localCache.getIfPresent(id);
    if (user != null && !"".equals(user)) return user;

    // 2. Redis
    String redisKey = "user:" + id;
    user = (User) redisTemplate.opsForValue().get(redisKey);
    if (user != null) {
        localCache.put(id, user);
        return user;
    }

    // 3. DB
    user = userMapper.selectById(id);
    if (user != null) {
        redisTemplate.opsForValue().set(redisKey, user, 3600 + new Random().nextInt(300), SECONDS);
        localCache.put(id, user);
    } else {
        redisTemplate.opsForValue().set(redisKey, "", 60, SECONDS);
        localCache.put(id, new User()); // 空对象标记
    }
    return user;
}

✅ 最佳实践总结

问题 推荐方案 Java 实现要点
缓存模型 Cache Aside 先 update DB → delete cache
缓存穿透 空值缓存 + 布隆过滤器 Guava BloomFilter（单机）或 RedisBloom
缓存雪崩 随机 TTL / 逻辑过期 new Random().nextInt() + LogicalCache
缓存击穿 互斥锁 setIfAbsent(..., Duration) + 双重检查
高可用 多级缓存 Caffeine + Redis

💡 核心思想 ：

缓存不是银弹，没有 100% 一致性 。

所有方案都是在 一致性、可用性、性能 之间做权衡。

根据业务容忍度选择合适策略，才是工程之道。

作者：不会写程序的未来程序员

首发于 CSDN

版权声明：本文为原创文章，转载请注明出处。

相关推荐
kkkkkkkkl244 小时前
从「知道死锁」到「真正理解死锁」：一次 MySQL 锁机制的学习记录
数据库·mysql
He BianGu4 小时前
【笔记】在WPF App.cs中结合 IServiceCollection 进行 IOC 依赖注入
数据库·笔记·wpf
柯南二号4 小时前
【后端】【Java】《Spring Boot 统一接口耗时统计实践：基于 HandlerInterceptor 的工程级方案》
java·开发语言·数据库
m0_740043734 小时前
SpringBoot03-Mybatis框架入门
java·数据库·spring boot·sql·spring·mybatis
Logic1014 小时前
《数据库运维》 郭文明 实验2 MySQL数据库对象管理核心操作与思路解析
运维·数据库·mysql·学习笔记·计算机网络技术·形考作业·国家开放大学
脸大是真的好~4 小时前
黑马消息队列-rabbitMQ2-生产者重连机制-生产者确认机制-数据持久化-LazyQueue-消费者确认机制-失败重试机制-重试耗尽告警手动处理-
java·缓存·中间件
一 乐4 小时前
心理健康管理|基于springboot + vue心理健康管理系统(源码+数据库+文档)
java·开发语言·前端·数据库·vue.js·spring boot·后端
yuguo.im4 小时前
SQL 分析函数 `PERCENTILE_CONT` 的兼容性与深度解析
数据库·sql
热门推荐
01GitHub 镜像站点02【超详细教程】手把手教你从微软官网免费下载Windows 10官方原版ISO镜像（2025最新版）03【AutoGLM部署】本地私有化部署AI手机Agent04UV安装并设置国内源05Open-AutoGLM Windows 安装部署教程06Linux下V2Ray安装配置指南07安娜的档案(Anna’s Archive) 镜像网站/国内最新可访问入口（持续更新）08BongoCat - 跨平台键盘猫动画工具09Cursor 又偷偷更新，这个功能太实用：Visual Editor for Cursor Browser10Windows 11 官方系统安装与重装完整教程（2025年最新版）