黑马点评-Redis缓存更新/穿透/雪崩/击穿

商户查询缓存

缓存更新

根据商铺id查询商铺信息，

在我们之前的想法就是，根据key查redis,redis里有的话直接返回其中的数据，如果没有，就查数据库的数据返回，并同时将数据库里查到的数据保存在redis里，这样下一次查询的速度就会更快。

但是我们要考虑到一个问题：redis里的数据并不是一直和数据库里的数据同步。当我们修改了数据库数据，但是redis里保存的还是原来的，这是就有错误了。

这里使用缓存更新策略

内存淘汰

不用自己维护，redis内部的淘汰机制会在内存不足时自动淘汰部分数据。

超时剔除

给缓存数据加上TTL时间，到期后自动删除缓存。

主动更新

编写业务逻辑，修改数据库同时更新缓存。

这里我们使用主动更新。

1.根据id查询店铺，如果缓存未命中，则查询数据库，将数据库结果写入缓存，并设置缓存时间。

2.根据id修改店铺，先修改数据库，再删除缓存。

这里先修改数据库，再删缓存的顺序是怎么确定的呢？

我们这里直接看会出现问题的场景。

• 假设先删缓存，再操作数据库（线程A）

A删除了缓存，B这时候来查没有，查到数据库（假设是20），然后写入缓存（20）。然后A继续它的步骤，更新数据库（假设是10），这个时候，缓存（20）和数据库（10）不一致。

• 假设先操作数据库，再删缓存(线程B)

A先查询缓存，恰好失效了没命中，查数据库（10），但此时立刻来了B来更新数据库（改为20），然后删除缓存，最后A将之前查到的数据库（10）写入缓存，最后导致缓存（10）和数据库（20）不一致。

两种情况都会出现问题，但是由于第二种情况出现的概率较低，所以采用第二种方案。

代码：

@Override@Transactionalpublic Result update(Shop shop) {Long id = shop.getId();if (id == 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(CACHE_SHOP_KEY + id);return Result.ok();}

缓存穿透

缓存穿透是指请求的数据在缓存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。

如果恶意请求无数次，会使数据库崩溃，我们的解决方案：

缓存空对象

就是再次来请求时，直接返回null，这样就不会再次访问数据库。

简单粗暴，但造成额外的内存消耗和造成短期的不一致（请求的id加入此时真的插入了一条商铺数据，但我们已经给人家返回null导致不一致,只有当TTL过期后用户才能查到数据）（均可设置TTL尽量解决）

布隆过滤

一种算法思想，由一个二进制向量（或者说位数组）和多个哈希函数组成。

请求时先请求过滤器，发现数据不存在直接拒绝，存在后，则按照寻常步骤进行。

当然，这里过滤器里存的不是那些数据，而是将数据进行哈希处理后得到二进制位（如果所有位置都是1，就认为元素可能存在；如果有任何一个位置是0，则元素肯定不存在）以此判断。

但是仍有问题：不存在则是真不存在，存在的话但数据不一定真的存在（哈希冲突）

缺点：实现复杂，存在误判

所以，我们这里选择缓存空对象方案。

 String key = keyPrefix + id;// 1.从redis查询商铺缓存String json = stringRedisTemplate.opsForValue().get(key);// 2.判断是否存在if (StrUtil.isNotBlank(json)) {// 3.存在，直接返回return JSONUtil.toBean(json, type);}// 判断命中的是否是空值，是也不能去查数据库if (json != null) {// 返回一个错误信息return null;}// 4.不存在，根据id查询数据库R r = dbFallback.apply(id);// 5.不存在，返回错误if (r == null) {// 将空值写入redisstringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);// 返回错误信息return null;}// 6.存在，写入redisthis.set(key, r, time, unit);return r;

这里需要说明：

StrUtil.isNotBlank(json)

从redis里查数据，返回的结果只要不是字符串，其他均为false.

所以可能返回空值‘’‘’和null。

缓存雪崩

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：

• 不同key添加一个随机TTL值

  避免同时失效

• 利用redis集群提高服务可用性

• 添加降级限流策略

• 添加多级缓存

缓存击穿

缓存击穿也叫热点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冲击。

解决方案：

互斥锁

当线程1第一个发现未命中时，获取互斥锁，查询数据库数据写入缓存后释放锁，而在这过程中，其他线程来也发现未命中，但他们获取锁失败，所以它们不能执行接下来的操作，而是一直重试等待，直到命中缓存。

优点：无额外内存消耗，保证数据一致性；实现简单

缺点：线程需要等待，影响性能；可能产生死锁

逻辑过期

因为问题出现在过期时间，所以我们这里就不设置TTL。这样我们可以看作key”永不过期“

物理过期：Redis自带的TTL机制，到了时间自动删除

逻辑过期：业务层面的控制，数据在Redis里不设置过期时间，但是存储的数据结构中包含一个过期时间字段

由于没有TTL，所有线程来都会命中（没命中说明数据是真的不存在）。当线程未命中时，它获取到锁，然后由它产生一个新线程负责去查询写入操作，而线程1和其他线程则在锁释放前直接返回旧数据。

优点：线程无需等待，性能好

缺点：不保证数据一致性；额外内存消耗；实现复杂

基于互斥锁来解决根据ID修改商铺问题：

这里我们的互斥锁采用的是redis里的setnx。

SETNX key value

指定的key不存在时，将key的值设为value，如果设置成功返回1，如果key已经存在，就不做任何操作，返回0。

多个客户端同时尝试设置同一个key，只有一个能成功，从而获得锁

 public <R, ID> R queryWithMutex(String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {String key = keyPrefix + id;// 1.从redis查询商铺缓存String shopJson = stringRedisTemplate.opsForValue().get(key);// 2.判断是否存在if (StrUtil.isNotBlank(shopJson)) {// 3.存在，直接返回return JSONUtil.toBean(shopJson, type);}// 判断命中的是否是空值if (shopJson != null) {// 返回一个错误信息return null;}// 4.实现缓存重建// 4.1.获取互斥锁String lockKey = LOCK_SHOP_KEY + id;R r = null;try {boolean isLock = tryLock(lockKey);// 4.2.判断是否获取成功if (!isLock) {// 4.3.获取锁失败，休眠并重试Thread.sleep(50);return queryWithMutex(keyPrefix, id, type, dbFallback, time, unit);}// 4.4.获取锁成功，根据id查询数据库r = dbFallback.apply(id);// 5.不存在，返回错误if (r == null) {// 将空值写入redisstringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);// 返回错误信息return null;}// 6.存在，写入redisthis.set(key, r, time, unit);} catch (InterruptedException e) {throw new RuntimeException(e);}finally {// 7.释放锁unlock(lockKey);}// 8.返回return r;}

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);}

基于逻辑过期来解决根据ID修改商铺问题：

 public <R, ID> R queryWithLogicalExpire(String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {String key = keyPrefix + id;// 1.从redis查询商铺缓存String json = stringRedisTemplate.opsForValue().get(key);// 2.判断是否存在if (StrUtil.isBlank(json)) {// 3.存在，直接返回return null;}// 4.命中，需要先把json反序列化为对象RedisData redisData = JSONUtil.toBean(json, RedisData.class);R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);LocalDateTime expireTime = redisData.getExpireTime();// 5.判断是否过期if(expireTime.isAfter(LocalDateTime.now())) {// 5.1.未过期，直接返回店铺信息return r;}// 5.2.已过期，需要缓存重建// 6.缓存重建// 6.1.获取互斥锁String lockKey = LOCK_SHOP_KEY + id;boolean isLock = tryLock(lockKey);// 6.2.判断是否获取锁成功if (isLock){// 6.3.成功，开启独立线程，实现缓存重建CACHE_REBUILD_EXECUTOR.submit(() -> {try {// 查询数据库R newR = dbFallback.apply(id);// 重建缓存this.setWithLogicalExpire(key, newR, time, unit);} catch (Exception e) {throw new RuntimeException(e);}finally {// 释放锁unlock(lockKey);}});}// 6.4.返回过期的商铺信息return r;}

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

>W<