高并发场景下的Redis缓存架构设计与实战解析

最新推荐文章于 2025-12-29 23:51:00 发布

原创最新推荐文章于 2025-12-29 23:51:00 发布 · 400 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#缓存 #redis #数据库

一、缓存穿透、击穿与雪崩：问题与解决方案

1. 缓存穿透（Cache Penetration）

问题：大量请求查询数据库中不存在的数据，导致请求直接穿透到数据库

解决方案：

// 在CacheClient中的实现
if (r == null) {
    // 缓存空值并设置较短过期时间
    stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL, TimeUnit.MINUTES);
    return null;
}

2. 缓存击穿（Cache Breakdown）

问题：热点key过期瞬间，大量请求直接打到数据库

解决方案：

互斥锁方案：

// 使用Redis分布式锁控制重建过程
boolean isLock = tryLock(lockKey);
if (!isLock) {
    Thread.sleep(50);
    return queryWithMutex(id);
}

逻辑过期方案：

// 使用逻辑过期时间+异步重建
if (expireTime.isAfter(LocalDateTime.now())) {
    return shop; // 未过期直接返回
}
// 过期则异步重建
CACHE_REBUILD_EXECUTOR.submit(() -> {
    // 重建缓存
    this.saveShop2Redis(id,20L);
});

3. 缓存雪崩（Cache Avalanche）

解决方案：

随机设置缓存过期时间
集群部署保证高可用
预热重要数据

二、Redis高级应用技巧

1. 逻辑过期设计

public class RedisData {
    private LocalDateTime expireTime; // 逻辑过期时间
    private Object data;             // 业务数据
}

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

2. 分布式锁实现

private boolean tryLock(String key){
    // 使用SETNX命令实现分布式锁
    return BooleanUtil.isTrue(
        stringRedisTemplate.opsForValue()
            .setIfAbsent(key, "1", 10, TimeUnit.SECONDS)
    );
}

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

3. 双写一致性策略

@Override
@Transactional
public Result update(Shop shop) {
    // 先更新数据库
    updateById(shop);
    // 再删除缓存
    stringRedisTemplate.delete(CACHE_SHOP_KEY + shop.getId());
    return Result.ok();
}

三、通用缓存模板设计

1. 函数式编程解耦

public <R,ID> R queryWithPassThrough(
    String keyPrefix, 
    ID id, 
    Class<R> type, 
    Function<ID,R> dbFallback, // 核心：数据库查询逻辑回调
    Long time, 
    TimeUnit unit) {
    
    // ...缓存逻辑
    R r = dbFallback.apply(id); // 执行数据库查询
    // ...后续处理
}

2. 泛型应用

public <R,ID> R queryWithLogicalExpire(
    String keyPrefix,
    ID id,
    Class<R> type, // 泛型类类型
    Function<ID,R> dbFallback,
    Long time, 
    TimeUnit unit) {
    
    // 泛型反序列化
    R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
    // ...
}

四、高并发优化实践

1. 线程池异步重建

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

CACHE_REBUILD_EXECUTOR.submit(() -> {
    try {
        // 异步重建缓存
        R r1 = dbFallback.apply(id);
        this.setWithLogicalExpire(key, r1, time, unit);
    } finally {
        unLock(lockKey);
    }
});

2. 双重检查锁（Double-Check）

// 在获取锁后再次检查缓存
String latestShopJson = stringRedisTemplate.opsForValue().get(key);
if (StrUtil.isNotBlank(latestShopJson)) {
    // 如果已被其他线程重建，直接返回
    return JSONUtil.toBean(/*...*/);
}

五、Redis使用最佳实践

键名设计：使用业务前缀（如CACHE_SHOP_KEY）避免冲突
序列化：使用JSON格式存储复杂对象
过期策略：
- 正常数据：CACHE_SHOP_TTL（30分钟）
- 空值数据：CACHE_NULL_TTL（2分钟）
连接池：合理配置连接池参数
监控：监控缓存命中率、内存使用等关键指标

六、性能对比

方案	优点	缺点	适用场景
缓存穿透方案	简单有效，防止恶意攻击	可能缓存大量空值	查询不存在数据的场景
互斥锁方案	保证强一致性	线程阻塞，性能中等	对一致性要求高的场景
逻辑过期方案	高并发性能好，非阻塞	短暂数据不一致	高并发读场景

七、总结与展望

本文介绍的高并发缓存架构实现了：

多级缓存策略应对不同场景
泛型+函数式编程实现缓存模板复用
异步线程池提升系统吞吐量
分布式锁保证数据一致性

未来优化方向：

引入本地缓存（Caffeine）作为L1缓存
实现缓存预热机制
添加熔断降级策略
结合布隆过滤器优化缓存穿透防护

通过合理的Redis缓存设计，系统QPS可从数据库直接支撑的2000提升到Redis支撑的10万+，同时保证系统的高可用性和数据一致性。