2023.12.7
redis实现商户查询缓存
在企业开发中，用户的访问量动辄成百上千万，如果没有缓存机制，数据库将承受很大的压力。本章我们使用redis来实现商户查询缓存。
原来的操作是根据商铺id直接从数据库查询商铺信息，为了防止频繁地对数据库访问，我们使用redis进行缓存，大致流程图如下：
需要改变的地方就两个：①之前是直接从数据库中查，现在是先尝试从redis中查，没查到再去查数据库。②如果查数据库查到了的话，需要将查到的商铺数据先存到redis中，再将数据返回。 代码如下：
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryById(Long id) {
String key = CACHE_SHOP_KEY + 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
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
//4、不存在，根据id查询数据库
Shop shop = getById(id);
//5、数据库没查到数据，返回错误信息
if (shop == null){
return Result.fail("商铺不存在！");
}
//6、数据库查到信息了，写入redis并返回商铺信息
stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop));
return Result.ok(shop);
}
}redis实现商户类型数据缓存
解决商户数据缓存之后，我们趁热打铁也完成一下商户类型数据缓存，即下面这张图中数据的缓存：
而且这个页面数据也不会经常变动，很适合做缓存，需要变更的代码如下：
首先修改 ShopTypeController.java文件，原来是直接从数据库中查数据，这里我们在Controller中自定义一个方法，在service实现类中去编写具体业务代码：
@RestController
@RequestMapping("/shop-type")
public class ShopTypeController {
@Resource
private IShopTypeService typeService;
@GetMapping("list")
public Result queryTypeList() {
// List<ShopType> typeList = typeService
// .query().orderByAsc("sort").list();
// return Result.ok(typeList);
return typeService.queryList();
}
}对应的接口需要增加该方法：
public interface IShopTypeService extends IService<ShopType> {
Result queryList();
}在对应的实现类ShopTypeServiceImpl.java中编写具体业务代码：
@Service
public class ShopTypeServiceImpl extends ServiceImpl<ShopTypeMapper, ShopType> implements IShopTypeService {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryList() {
//1.尝试从redis中查询商户类型数据
List<String> shopTypes = stringRedisTemplate.opsForList().range(CACHE_SHOP_TYPE_KEY, 0, -1);
//2.在redis中查到数据了，返回ShopType类型数据
if(!shopTypes.isEmpty()){
List<ShopType> list = new ArrayList<>();
for(String shopType : shopTypes){
ShopType bean = JSONUtil.toBean(shopType, ShopType.class);
list.add(bean);
}
return Result.ok(list);
}
//3.在redis中没查到数据，那就去数据库查
List<ShopType> list = query().orderByAsc("sort").list(); //从数据库中按照sort字段升序查询
//3.1 数据库也没查到，返回错误信息
if(list == null){
return Result.fail("店铺类型不存在！");
}
//3.2 数据库查到数据了，存入redis中并返回给用户
for (ShopType shopType : list){
String jsonStr = JSONUtil.toJsonStr(shopType);
shopTypes.add(jsonStr);
}
stringRedisTemplate.opsForList().leftPushAll(CACHE_SHOP_TYPE_KEY,shopTypes);
return Result.ok(list);
}
}本人新手用的笨方法for-each循环逐个转换，高手可以用stream流来简化代码。
缓存更新策略
由于内存资源比较宝贵，向其插入过多数据的话可能导致内存空间爆满，所以需要某种机制对内存的部分数据进行更新或者移除。下面介绍三种缓存更新数据：
内存淘汰：Redis自动进行，当Redis内存大到某个阈值时，会自动触发淘汰机制，淘汰掉一些不重要的数据（这个机制可以自定义）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。主动更新：我们可以手动调用方法把缓存删除掉，通常用于解决缓存和数据库不一致问题，该方法一致性较好，但是维护成本高。
业务场景：
- 在低一致性场景下：使用内存淘汰机制，因为该场景下的数据很长一段时间都不需要更新。
- 在高一致性场景下：使用主动更新策略，即自己编写代码实现高一致性，但也不能100%的保证一致性，所以还需要使用超时剔除策略兜底。
数据库与缓存不一致的解决方案
由于我们的缓存数据来自数据库，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，而缓存却没有同步更新，此时存在数据的一致性问题。
有三种解决方案：
- Cache Aside Pattern 人工编码方式：缓存调用者在更新完数据库之后再去更新缓存，也称之为双写方案
- Read/Write Through Pattern：缓存与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，无需关心缓存一致性问题。但是维护这样一个服务很复杂，市面上也不容易找到这样的一个现成的服务，开发成本高
- Write Behind Caching Pattern：调用者只操作缓存，其他线程去异步处理数据库，最终实现一致性。但是维护这样的一个异步的任务很复杂，需要实时监控缓存中的数据更新，其他线程去异步更新数据库也可能不太及时，而且缓存服务器如果宕机，那么缓存的数据也就丢失了
实际开发中，一般还是使用方案一，但是如果我们每次操作完数据库之后，都去更新一下缓存，而此期间并没有人查询数据，那么这个更新动作意义就不大了，所以我们可以把缓存直接删除，等到有人再次查询时，再更新缓存。
还有个问题，我们应该先删缓存还是先更新数据库呢？理论上是都可以，如果先删缓存再更新数据库的话，由于删缓存的速度比更新数据库的速度快很多，所以两个操作之间有一段较长的空档期，此期间如果有其他线程进来查询数据库的话查的就是脏数据了。先更新数据库再删缓存当然也存在安全问题，但是几率会比上述小很多，这里不再细说，结论就是采用先更新数据库再删缓存的策略。
实现商铺缓存与数据库的双写一致
主要需要修改两处地方：
- 根据id查询商铺时，将数据库结果写入缓存时，需要设置超时时间。(超时剔除策略)
- 根据id修改店铺时，先修改数据库，再删除缓存。
在ShopServiceImpl.java代码中设置超时时间：
stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);修改店铺操作时，先修改数据库，再删除缓存：
@Override
@Transactional
public 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();
}
