缓存更新策略

---

缓存穿透

---

缓存穿透是指客户端请求的数据在缓存中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.

• 常见的解决方案:
  • 缓存空对象
    • 优点: 实现简单, 维护方便
    • 缺点: 额外的内存消耗, 可能造成短期的不一致
  • 布隆过滤
    • 优点: 内存占用较少(保存的是数据的二进制位)
    • 缺点: 实现复杂, 存在误判可能

• 缓存空对象业务逻辑
  
• 写入空值

redisTemplate.opsForValue().set("item:1001", "", 30L, TimeUnit.SECONDS);

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:

• 给不同的key的TTL添加随机值
• 利用Redis集群提高服务的可用性
• 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

---

缓存击穿问题也叫热点Key问题, 就是一个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

互斥锁

• 定义获取锁和释放锁的方法

	private boolean tryLock(String key){
        Boolean flag = redisTemplate.opsForValue().setIfAbsent(key, "1", 10L, TimeUnit.SECONDS);
        return BooleanUtils.isTrue(flag); 
    }
    private void unlock(String key){
        redisTemplate.delete(key);
    }

逻辑过期

• 逻辑过期业务逻辑

• 缓存预热

• RedisData.java

@Data
public class RedisData {

    private LocalDateTime expireTime;

    private Object data;

}

• 判断是否逻辑过期

• 开启独立线程重建缓存

封装Redis工具类

---

import cn.hutool.core.util.BooleanUtil;
import cn.hutool.json.JSONUtil;
import lombok.Data;
import org.apache.commons.lang3.StringUtils;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

import java.time.LocalDateTime;
import java.util.concurrent.TimeUnit;
import java.util.function.Function;

@Component
public class CacheClient {

    private final StringRedisTemplate stringRedisTemplate;

    public CacheClient(StringRedisTemplate stringRedisTemplate) {
        this.stringRedisTemplate = stringRedisTemplate;
    }

    public void set(String key, Object value, Long time, TimeUnit unit){
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, unit);
    }

    public String get(String key){
        return stringRedisTemplate.opsForValue().get(key);
    }

    public void delete(String key){
        stringRedisTemplate.delete(key);
    }

    public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit unit){
        // 设置逻辑过期
        RedisData redisData = new RedisData();
        redisData.setData(value);
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));
        // 写入redis
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));
    }

    /**
     * 获取锁
     */
    public boolean tryLock(String key){
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "lock", 3L, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }

    /**
     * 释放锁
     */
    public void unlock(String key){
        stringRedisTemplate.delete(key);
    }

    /**
     * 查询--缓存穿透处理
     */
    public <R, ID> R queryWithPassThrough(String keyPrefix, ID id, Class<R> type, Long time, TimeUnit unit, Function<ID, R> dbFallBack){
        String key = keyPrefix + id;
        String json = stringRedisTemplate.opsForValue().get(key);
        if(StringUtils.isNotBlank(json)){
            // 存在,直接返回
            return JSONUtil.toBean(json, type);
        }
        // 判断命中的是否为空值,缓存穿透处理会存""
        if(json != null){
            // 返回一个错误信息
            return null;
        }
        R r = dbFallBack.apply(id);
        if(r == null){
            // 将空值写入redis, 缓存穿透处理
            stringRedisTemplate.opsForValue().set(key, "", 2L, TimeUnit.SECONDS);
            return null;
        }
        // 存在, 写入redis
        this.set(key, JSONUtil.toJsonStr(r), time, unit);
        return r;
    }

}

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