Redis In Action —— Redis Cache Client 工具类封装 —— 封装了针对于缓存穿透、缓存击穿等问题的优化 —— 缓存空值数据|缓存击穿互斥锁优化|缓存击穿逻辑过期优化

📖 Redis 缓存实战操作解决实际问题

🔖 缓存更新策略

缓存更新策略

1️⃣、noeviction:添加数据时，如果redis判断该操作会导致占用内存大小超过内存限制，就返回error，然后啥也不干

2️⃣、allkeys-lru:添加数据时，如果redis判断该操作会导致占用内存大小超过内存限制，就会扫描所有的key，淘汰一些最近未使用的key

3️⃣、volatile-lru:添加数据时，如果redis判断该操作会导致占用内存大小超过内存限制，扫描那些设置里过期时间的key，淘汰一些最近未使用的key

4️⃣、allkeys-random:添加数据时，如果redis判断该操作会导致占用内存大小超过内存限制，就会扫描所有的key，随机淘汰一些key

5️⃣、volatile-random:添加数据时，如果redis判断该操作会导致占用内存大小超过内存限制，扫描那些设置里过期时间的key，随机淘汰一些key

6️⃣、volatile-ttl:添加数据时，如果redis判断该操作会导致占用内存大小超过内存限制，扫描那些设置里过期时间的key，淘汰一些即将过期的key

7️⃣、volatile-lfu:添加数据时，如果redis判断该操作会导致占用内存大小超过内存限制，就会淘汰一些设置了过期时间的，并且最近最少使用的key

8️⃣、allkeys-lfu:添加数据时，如果redis判断该操作会导致占用内存大小超过内存限制，就会扫描所有的key，淘汰一些最近最少使用的key

操作缓存和数据库时有三个问题需要考虑：

1️⃣ 删除缓存还是更新缓存？

• 更新操作：每次更新数据库都会更新缓存，无效写操作较多。
• 删除缓存：更新数据库时会让缓存失效，查询时再更新缓存。

2️⃣ 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

3️⃣ 先操作缓存还是先操作数据库

📚 总结：

缓存更新策略的最佳实践方案：

1、对于低一致性要求：使用 Redis 自带的内存淘汰机制。

2、对于高一致性要求：使用主动更新缓存策略，并且以超时剔除作为兜底方案：

• 读操作：
  • 缓存命中则直接将数据返回
  • 缓存未命中则查询数据库，并写入缓存，设定超时时间
• 写操作：
  • 先写数据库，然后再删除缓存
  • 要保证数据库与缓存操作的原子性

🔖 缓存穿透

缓存穿透

缓存穿透代表的是 —— 既要穿透 Redis 又 穿透了 MySQL 即 不存在该值。

具体实现

/**
 * 功能描述
 * 商户查询缓存 —— 使用 hash 来进行数据缓存
 * @date 2022/8/1
 * @author Alascanfu
 */
@Override
public Result queryById(Long id) {
   
   
    //  1. 根据商铺 id 到 Redis 中查询商铺缓存
    String shopKey = RedisConstants.CACHE_SHOP_KEY + id ;
    Map<Object, Object> shopMap = stringRedisTemplate.opsForHash().entries(shopKey);
    //  2. 缓存命中 => 返回商铺信息
    if (shopMap.isEmpty()){
   
   
        //  3. 缓存未命中 => 根据 id 查询数据库
        Shop shop = getById(id);
        //  3.1 判断商铺缓存是否存在 => 不存在 返回404状态码 提示错误信息
        if (shop == null){
   
   
            stringRedisTemplate.opsForHash().put(shopKey,RedisConstants.CACHE_NULL,RedisConstants.CACHE_NULL_VALUE);
            stringRedisTemplate.expire(shopKey,RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
            return Result.fail("404 您访问的商户不存在!");
        }
        //  3.2 判断商铺缓存是否存在 => 存在 将商铺数据写入到 Redis 中 => 返回 商铺信息
        Map<String, Object> redisCache = BeanUtil.beanToMap(shop,new HashMap<>()
        ,CopyOptions.create()
                .setIgnoreNullValue(true)
                .setFieldValueEditor((k,v)->{
   
   
                    if (k == null){
   
   
                        v = "0";
                    }else {
   
   
                        v = v + "";
                    }
                    return v;
                }));
        stringRedisTemplate.opsForHash().putAll(shopKey , redisCache);
        // todo 更新数据到缓存中 并且设置超时时间
        stringRedisTemplate.expire(shopKey,RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
        return Result.ok(redisCache);
    }
    if (stringRedisTemplate.opsForHash().get(shopKey,RedisConstants.CACHE_NULL) != null ){
   
   
        return Result.fail("404 您访问的商户不存在!");
    }
    //  4 结束
    return Result.ok(shopMap);
    
}

🔖 缓存雪崩

缓存雪崩概念

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，从而导致的大量请求到达数据库，带来巨大压力。

解决方案

缓存雪崩的主要解决方案如下：

• 针对于批量数据加载到缓存时，添加过期时间时额外添加一个随机时间TTL
• Redis 集群提高服务高可用
• 给缓存业务 添加降级限流策略
• 给业务添加多级缓存

🔖 缓存击穿

缓存击穿的概念：

缓存击穿又被称之为热点 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

• 互斥锁 ——
• 逻辑过期 ——

缓存击穿的 互斥锁 与 逻辑过期优缺点对比

解决方案	优点	缺点
互斥锁	- 没有额外的内存消耗 - 保证一致性 - 实现简单	可能造成死锁风险 线程需要等待，效率受到影响
逻辑过期	- 线程无需等待，性能较好	不保证一致性 有额外的内存消耗 实现较为复杂

🌰 案例：基于互斥锁方式解决缓存击穿问题