Redis的缓存更新策略


在这里插入图片描述

缓存的更新是redis为了节约内存而设计出来的东西,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,或者把它成为淘汰更合适。

1.redis的缓存更新的三种策略

1.1 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,淘汰调一些不重要的数据(自己可以设置策略方式)

1.2 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。

1.3 主动更新

我们可以手动条用方法把缓存删掉,通常用于解决缓存和数据库不一致问题。

主动更新有分三种方式:

  1. 由缓存的调用者,在更新数据库的同时更新缓存。

  2. 缓存和数据库整合为一个服务,由服务来维护一致性。调用者调用该服务(对外提供一个透明的服务),无需关系缓存一致性问题。

  3. 调用者只操作缓存,有其他线程异步的将缓存持久化到数据库,保证最终一致。(类似于数据库的索引,一个索引更新在没有提交事务时,修改了100次只有最后一次有效,但这会使效率降低。)

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

  • 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
  • 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
  • 先操作缓存还是先操作数据库?

    • 先删除缓存,再操作数据库 (第一种方案)
    • 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,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。

image-20221206204151058

  • redis的读写是微秒级别的,但是数据库的更新时远远比redis的读写慢的。

三者之间比较

image-20221206195626851

2. 缓存更新策略的最佳实践方案:

  1. 低一致性需求:使用Redis自带的内存淘汰机制

  2. 高一致性需求:主动更新,并以超时剔除作为兜底方案

  • 读操作:

    • 缓存命中则直接返回
    • 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
    • 要确保数据库与缓存操作的原子性

💖💖💖 完结撒花

💖💖💖 如果命运是世上最烂的编剧。 那么你就要争取,做你人生最好的演员。

💖💖💖 写作不易,如果您觉得写的不错,欢迎给博主点赞、收藏、评论来一波~让博主更有动力吧

### Redis 缓存分层策略及其实现方案 #### 1. 分层缓存的概念 分层缓存是一种常见的缓存设计方案,旨在通过多级存储机制提高系统的性能和可靠性。通常情况下,分层缓存分为两级或多级,每一级都有特定的功能定位。例如,在分布式系统中,第一级缓存通常是本地内存缓存(如 Guava Cache 或 Caffeine),而第二级则是集中式的共享缓存(如 Redis)。这种设计可以减少远程调用次数并降低延迟。 #### 2. Redis 分层缓存的实现方式 以下是两种主要的 Redis 分层缓存实现方法: #### 方法一:使用多个 Redis 实例 在这种模式下,可以根据业务需求划分不同类型的缓存到独立的 Redis 实例上运行。这样做的好处是可以针对每种数据的特点进行定制化配置,比如调整最大内存大小、淘汰策略等参数[^1]。 - **优点**: 不同实例之间的资源隔离性强,便于管理;某些热点数据可以通过专用实例获得高的 QPS 和低的延迟。 - **缺点**: 增加运维复杂度,需要多的硬件成本以及监控手段覆盖各个节点状态变化情况。 #### 方法二:利用不同的 Redis 数据结构 在同一台 Redis 上合理选用合适的数据类型作为各级子集容器也是一种有效的做法。例如字符串适合简单键值对形式的小型对象存储;哈希表则非常适合用来表示关联数组或者记录集合等等。这种方式不需要额外部署新的服务器就能完成基本功能扩展,并且因为操作都在同一个进程内部执行所以效率非常高。 #### 3. 高并发下的最佳实践建议 当面对极高请求流量时,除了上述提到的方法外还需要注意以下几个方面来进一步提升整个体系的表现效果: ##### (a) 设计合理的缓存加载逻辑 为了避免因大量客户端同时发起查询而导致雪崩效应发生, 可以引入预热机制提前填充好即将被频繁使用的项目列表; 同样也可以设置熔断器防止异常状况扩散影响全局稳定性. ##### (b) 考虑分区与集群技术的应用 随着规模扩大单机版Redis很快就会达到瓶颈因此适时迁移到Cluster版本成为必然选择之一它允许我们将整体划分为若干片(Partition), 并由一组工作成员共同承担计算任务从而突破单一机器物理限制的同时还提供了自动故障转移的能力保障持续在线时间最长可能性.[^2] ##### (c) 定义清晰的生命週期规则 对于那些不经常访问却占用空间较大的冷门条目应当尽早清除出去以便腾出多位置给重要的新加入者们享受优先权待遇. 此处可参考LRU(Least Recently Used), LFU(Least Frequently Used) 等多种算法组合运用形成动态适应环境变化的需求特性解决方案.[^3][^4] ```python import redis # 创建连接池 pool = redis.ConnectionPool(host='localhost', port=6379, decode_responses=True) # 获取Redis实例 r = redis.Redis(connection_pool=pool) def set_cache(key, value, ex=None): """ 设置缓存 """ r.set(name=key, value=value, ex=ex) def get_cache(key): """ 获取缓存 """ return r.get(key) ``` 以上代码片段展示了如何创建一个简单的 Python 函数用于交互式地向 Redis 中写入/读取信息。 --- ###
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序员阿红

你的鼓励是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值