Redis缓存简介以及缓存的更新策略

Posted 2023-01-02 爱上口袋的天空

目录

一、什么是缓存

二、为什么要使用缓存

三、如何使用缓存

四、添加商户缓存

1、缓存模型和思路

 2、代码如下

五、缓存更新策略

 1、数据库缓存不一致解决方案：

 2、数据库和缓存不一致采用什么方案

3、Cache Aside Pattern实现

4、先操作数据库还是先操作缓存？

六、实现商铺和缓存与数据库双写一致

 1、加入超时时间 queryById()

2、修改更新的逻辑

---

一、什么是缓存

就像自行车，越野车的避震器

举个例子：越野车，山地自行车，都拥有” 避震器”, 防止车体加速后因惯性，在酷似”U” 字母的地形上飞跃，硬着陆导致的损害 , 像个弹簧一样；

同样，实际开发中，系统也需要” 避震器”, 防止过高的数据访问猛冲系统，导致其操作线程无法及时处理信息而瘫痪；

这在实际开发中对企业讲，对产品口碑，用户评价都是致命的；所以企业非常重视缓存技术；

缓存 (Cache), 就是数据交换的缓冲区 , 俗称的缓存就是缓冲区内的数据 , 一般从数据库中获取，存储于本地代码 。

二、为什么要使用缓存

一句话：因为速度快，好用

缓存数据存储于代码中，而代码运行在内存中，内存的读写性能远高于磁盘，缓存可以大大降低用户访问并发量带来的服务器读写压力

实际开发过程中，企业的数据量，少则几十万，多则几千万，这么大数据量，如果没有缓存来作为” 避震器”, 系统是几乎撑不住的，所以企业会大量运用到缓存技术；

但是缓存也会增加代码复杂度和运营的成本:

---

三、如何使用缓存

实际开发中，会构筑多级缓存来使系统运行速度进一步提升，例如：本地缓存与 redis 中的缓存并发使用

浏览器缓存：主要是存在于浏览器端的缓存

应用层缓存：可以分为 tomcat 本地缓存，比如之前提到的 map，或者是使用 redis 作为缓存

数据库缓存：在数据库中有一片空间是 buffer pool，增改查数据都会先加载到 mysql 的缓存中

CPU 缓存：当代计算机最大的问题是 cpu 性能提升了，但内存读写速度没有跟上，所以为了适应当下的情况，增加了 cpu 的 L1，L2，L3 级的缓存

 

---

四、添加商户缓存

在我们查询商户信息时，我们是直接操作从数据库中去进行查询的，大致逻辑是这样，直接查询数据库那肯定慢咯，所以我们需要增加缓存

@GetMapping("/id")
public Result queryShopById(@PathVariable("id") Long id) 
    //这里是直接查询数据库
    return shopService.queryById(id);

1、缓存模型和思路

        标准的操作方式就是查询数据库之前先查询缓存，如果缓存数据存在，则直接从缓存中返回，如果缓存数据不存在，再查询数据库，然后将数据存入 redis。

 2、代码如下

代码思路：如果缓存有，则直接返回，如果缓存不存在，则查询数据库，然后存入 redis。

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService 
 
    @Resource
    private StringRedisTemplate stringRedisTemplate;
 
    @Override
    public Result queryById(Long id) 
 
        // 1.从redis查询商铺缓存
        String key = CACHE_SHOP_KEY + id;
        String shopJson = stringRedisTemplate.opsForValue().get(key);
 
        // 2.判断是否存在
        if (StrUtil.isNotBlank(shopJson)) 
            // 3.存在，直接返回
            Shop shop = JSONUtil.toBean(shopJson, Shop.class);
            System.out.println("Redis");
            return Result.ok(shop);
        
 
        // 4.不存在，根据id查询数据库
        Shop shop = getById(id);
 
        // 5.不存在，返回错误
        if (shop == null) 
            return Result.fail("店铺不存在！");
        
 
        // 6.存在，写入Redis
        // 把shop转换成为JSON形式写入Redis
        System.out.println("MySQL");
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop));
 
        return Result.ok(shop);
    

---

五、缓存更新策略

         缓存更新是 redis 为了节约内存而设计出来的一个东西，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，或者把他叫为淘汰更合适。

• 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，淘汰掉一些不重要的数据 (可以自己设置策略方式)
• 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
• 主动更新：我们可以手动调用方法把缓存删掉，通常用于解决缓存和数据库不一致问题

• 内存淘汰：redis本身的事情，当redis内存快满了，它自身会部分数据剔除，但是该操作不可控。
• 超时剔除：设置一个TTL过期时间（expire命令），到期就删除，但是一致性的强弱取决于TTL时间设置的长短。
• 主动更新（重）：一改数据库，就更新缓存。
• 低一致性需求：使用内存淘汰机制。例如店铺类型的查询缓存
• 高一致性需求：主动更新，并以超时剔除作为兜底方案。例如店铺详情查询的缓存

 1、数据库缓存不一致解决方案：

        由于我们的缓存的数据源来自于数据库 , 而数据库的数据是会发生变化的 , 因此，如果当数据库中数据发生变化，而缓存却没有同步 , 此时就会有一致性问题存在 , 其后果是:

用户使用缓存中的过时数据，就会产生类似多线程数据安全问题，从而影响业务，产品口碑等；怎么解决呢？有如下几种方案

• Cache Aside Pattern 人工编码方式：缓存调用者在更新完数据库后再去更新缓存，也称之为双写方案
• Read/Write Through Pattern : 由系统本身完成，数据库与缓存的问题交由系统本身去处理
• Write Behind Caching Pattern ：调用者只操作缓存，其他线程去异步处理数据库，实现最终一致

 2、数据库和缓存不一致采用什么方案

• 方案一，代码最复杂，但是可靠性高；
• 方案二，将缓存与数据库看作一个整体（服务）来操作，但是这个服务不太好维护，市面上目前也没有这种东西。
• 方案三，最简单，调用者只操作缓存，缓存持久化到数据库的过程交给一个异步的线程，效率高，但是一致性难以保证！如果出现宕机，数据会丢失，所以可靠性也存在问题！

综上所述：首选方案一！

3、Cache Aside Pattern实现

 更新缓存 与 删除缓存 

• 如何使用 “更新缓存” 那么我每修改一次数据库的数据时，Redis就要更新一次值，数据库更新100次，Redis就要更新100次；
• 而如果是“删除缓存” 那么当我修改数据库的数据时，Redis中的值就会被直接删除，数据库更新100次，Redis只要更新1次！！！
• 而且使用“删除缓存”的方案，当没人来查询该数据时，我们也不用将数据库的值写入缓存redis中。

综上所述：必然时选择 “删除缓存” ！相当于延迟加载。

4、先操作数据库还是先操作缓存？

（1）先操作缓存再操作数据库

正常情况下：假设数据库与缓存中的值为10，按下述操作最后缓存与数据库中的值都为20。

异常情况：假设数据库与缓存中的值为10，按下述操作最后缓存的值为10而数据库中的值为20

 

2）先操作数据库再操作缓存

正常情况下：假设数据库与缓存中的值为10，按下述操作最后缓存与数据库中的值都为20。

异常情况：假设数据库与缓存中的值为10，并且恰好此时缓存失效了（TTL到了，故为空！），先查缓存，未命中，就查询数据库得到值为10；并且恰好此时在更新数据库前，线程2抢夺走CPU资源，更新数据库值为20，再删除缓存（本就为空），然后线程切换，写入缓存（这里写入的值是之前查询的，不是在更新数据库后的新值！！！故写入缓存的值为10）。

 

 

综上所述：

        上述两种情况都有可能发生！但是第二种情况发生的可能性非常小，在查询数据库后，我们紧接着是要写缓存，而写缓存一般是微秒级别的，几乎不可能在这一瞬间，数据库更新了，且就算数据库更新，写入数据的速度也比不上redis，所以我们选择第二种方案！选择：先操作数据库再操作缓存 的方式来实现！

---

六、实现商铺和缓存与数据库双写一致

 1、加入超时时间 queryById()

@Override
public Result queryById(Long id) 
 
    // 1.从redis查询商铺缓存
    String key = CACHE_SHOP_KEY + id;
    String shopJson = stringRedisTemplate.opsForValue().get(key);
 
    // 2.判断是否存在
    if (StrUtil.isNotBlank(shopJson)) 
        // 3.存在，直接返回
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        System.out.println("Redis");
        return Result.ok(shop);
    
 
    // 4.不存在，根据id查询数据库
    Shop shop = getById(id);
 
    // 5.不存在，返回错误
    if (shop == null) 
        return Result.fail("店铺不存在！");
    
 
    // 6.存在，写入Redis
    // 把shop转换成为JSON形式写入Redis
    System.out.println("MySQL");
    // 同时添加超时时间
    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
 
    return Result.ok(shop);

2、修改更新的逻辑

代码分析：通过之前的淘汰，我们确定了采用删除策略，来解决双写问题，当我们修改了数据之后，然后把缓存中的数据进行删除，查询时发现缓存中没有数据，则会从 mysql 中加载最新的数据，从而避免数据库和缓存不一致的问题，之后如果在查询该店铺，再会由上面的方法写入 queryById(id)

@Override
@Transactional
public Result update(Shop shop) 
    System.out.println("up");
    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();