瑞_Redis_商户查询缓存_添加Redis缓存缓存更新策略

文章目录

- 项目介绍
- 1 短信登录
- 2 商户查询缓存
- - 2.1 什么是缓存
  - - 2.1.1 缓存的应用场景
    - 2.1.2 为什么要使用缓存
    - 2.1.3 Web应用中缓存的作用
    - 2.1.4 Web应用中缓存的成本
  - 2.2 添加Redis缓存
  - - 2.2.1 背景
    - 2.2.2 缓存模型和思路
    - 2.2.3 代码实现
    - 2.2.4 测试
    - 附：IDEA控制台输出自动换行设置
  - 2.3 缓存更新策略
  - - 2.3.1 常见的缓存更新三大策略
    - - 2.3.1.1 内存淘汰
      - 2.3.1.2 超时剔除
      - 2.3.1.3 主动更新
    - 2.3.2 主动更新策略——数据库缓存不一致的解决方案
    - 2.3.3 双写方案的三个注意事项
    - - 2.3.3.1 删除缓存
      - 2.3.3.2 保证缓存与数据库的操作的同时成功或失败
      - 2.3.3.3 先操作数据库再删除缓存
    - 2.3.4 缓存更新策略的最佳实践方案
    - 2.3.5 案例：添加超时剔除和主动更新策略
    - - 2.3.5.1 需求
      - 2.3.5.2 代码实现
      - 2.3.5.3 测试
    - 2.3.6 代码资源
  - 2.4 缓存穿透
  - 2.5 缓存雪崩
  - 2.6 缓存击穿
  - 2.7 缓存工具封装

🙊 前言：本文章为瑞_系列专栏之《Redis》的实战篇的商户查询缓存章节的添加Redis缓存以及缓存更新策略小节。由于博主是从B站黑马程序员的《Redis》学习其相关知识，所以本系列专栏主要是针对该课程进行笔记总结和拓展，文中的部分原理及图解等也是来源于黑马提供的资料，特此注明。本文仅供大家交流、学习及研究使用，禁止用于商业用途，违者必究！

主机操作系统：Windows10
VMware版本： VMware Workstation 16.2.4
Linux版本：CentOS 7 64位
远程连接工具：MobaXterm_Personal_23.2
Redis版本：redis-6.2.6.tar.gz
Redis客户端：resp-2022.2.0.0
MySQL版本：8.0.29（5.7+均可）
Navicat Premium：15.0.28
JDK：1.8

相关链接：《瑞_Java所有相关环境及软件的安装和卸载_图文超详细（持续更新)》
相关链接：《瑞_Redis_短信登录》

瑞&3l

项目介绍

本文基于B站黑马程序员的《黑马点评》项目进行学习笔记总结和拓展，项目的相关资源和课程视频可以到B站获取。
博主提供的该项目的相关资源的某度网盘链接：https://pan.baidu.com/s/1N-yr86yTRi3LbQdAL7prEQ?pwd=q0ry

本项目具有以下功能点，本文为《商户查询缓存》篇的添加Redis缓存以及缓存更新策略小节

在这里插入图片描述

短信登录
这一块我们会使用redis共享session来实现
商户查询缓存
通过本章节，我们会理解缓存击穿，缓存穿透，缓存雪崩等问题，让小伙伴的对于这些概念的理解不仅仅是停留在概念上，更是能在代码中看到对应的内容
优惠卷秒杀
通过本章节，我们可以学会Redis的计数器功能，结合Lua完成高性能的redis操作，同时学会Redis分布式锁的原理，包括Redis的三种消息队列
附近的商户
我们利用Redis的GEOHash来完成对于地理坐标的操作
UV统计
主要是使用Redis来完成统计功能
用户签到
使用Redis的BitMap数据统计功能
好友关注
基于Set集合的关注、取消关注，共同关注等等功能，这一块知识咱们之前就讲过，这次我们在项目中来使用一下
达人探店
基于List来完成点赞列表的操作，同时基于SortedSet来完成点赞的排行榜功能

由于该项目主要是为了学习Redis，所以不会设计为微服务架构，简化代码复杂度，所以采用前后端分离的单体架构

说明

手机或者app端发起请求，请求我们的nginx服务器，nginx基于七层模型走的事HTTP协议，可以实现基于Lua直接绕开tomcat访问redis，也可以作为静态资源服务器，轻松扛下上万并发，负载均衡到下游tomcat服务器，打散流量，我们都知道一台4核8G的tomcat，在优化和处理简单业务的加持下，大不了就处理1000左右的并发，经过nginx的负载均衡分流后，利用集群支撑起整个项目，同时nginx在部署了前端项目后，更是可以做到动静分离，进一步降低tomcat服务的压力，这些功能都得靠nginx起作用，所以nginx是整个项目中重要的一环。

在 tomcat 支撑起并发流量后，我们如果让 tomcat 直接去访问 Mysql ，根据经验 Mysql 企业级服务器只要上点并发，一般是16或32 核心cpu，32 或64G内存，像企业级mysql加上固态硬盘能够支撑的并发，大概就是4000起~7000左右，上万并发，瞬间就会让Mysql服务器的cpu，硬盘全部打满，容易崩溃，所以我们在高并发场景下，会选择使用mysql集群，同时为了进一步降低Mysql的压力，同时增加访问的性能，我们也会加入Redis，同时使用Redis集群使得Redis对外提供更好的服务。

在这里插入图片描述

1 短信登录

瑞：见《瑞_Redis_短信登录》

2 商户查询缓存

本章节基于hm-dianping【1.3Redis代替session的业务流程】的代码，需要请自取

链接：https://pan.baidu.com/s/1DomlH_sXyAkrciXk8-bWww?pwd=z6lu 
提取码：z6lu

2.1 什么是缓存

缓存就是数据交换的缓冲区（称作Cache [ kæʃ ] ），是存贮数据的临时地方，一般读写性能较高。

2.1.1 缓存的应用场景

缓存的应用场景：浏览器缓存、应用层缓存（如Redis）、数据库缓存（如：索引）、CPU多级缓存、磁盘缓存

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

在这里插入图片描述

CPU多级缓存的诞生：在计算机中，主要的构造为CPU、内存、磁盘。由于CPU的运算能力随着科技的发展，其计算能力已经远远的超过内存和磁盘的读写数据的能力，但是CPU所做的任何运算都需要从内存或者磁盘中读到数据，再放到自己的寄存器里，才可以进行运算。正是由于这种数据读写的能力远远低于CPU的运算能力，导致计算机性能受到瓶颈。所以人们在CPU的内部添加了缓存，即CPU会把经常需要读写的数据放入CPU缓存中，当进行高速运算的时候，就不需要每次都去内存或磁盘中读取数据再运算，而是直接从缓存中获取数据直接运算，这样就可以充分释放CPU的运算能力。

缓存的常见使用示例：

例1:Static final ConcurrentHashMap<K,V> map = new ConcurrentHashMap<>(); 本地用于高并发

例2:static final Cache<K,V> USER_CACHE = CacheBuilder.newBuilder().build(); 用于redis等缓存

例3:Static final Map<K,V> map =  new HashMap(); 本地缓存

由于其被Static修饰，所以随着类的加载而被加载到内存之中，作为本地缓存，由于其又被 final 修饰，所以其引用 (例3:map) 和对象 (例3:new HashMap()) 之间的关系是固定的，不能改变，因此不用担心赋值(=)导致缓存失效。

2.1.2 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，这么大的数据量，如果没有缓存来作为"避震器"，系统是几乎是撑不住的，所以企业会大量运用到缓存技术。

2.1.3 Web应用中缓存的作用

缓存的作用：

1️⃣ 降低后端负载：请求先进入缓存中查找数据，若缓存中不存在再将请求向数据库发送，大大降低后端数据库压力。

2️⃣ 提高读写效率，降低响应时间。

2.1.4 Web应用中缓存的成本

缓存的成本：

1️⃣ 数据一致性成本：数据本身只保存在数据库，现在将数据缓存了一份放到了内存中（如Redis），如果数据库中的数据发生了变化而缓存中的数据仍然是旧数据，由于请求先进入缓存中查找数据，就会造成数据的不一致性。

2️⃣ 代码维护成本：由于要保证数据一致性，自然会增加业务编码，且会出现缓存穿透、雪崩、击穿等问题，会大幅度提高代码复杂度。

3️⃣ 运维成本：为了避免缓存雪崩或缓存的高可用，需要搭建成缓存集群模式，提高了运维成本。

2.2 添加Redis缓存

2.2.1 背景

给访问MySQL数据库的接口添加缓存，提高查询性能。

在我们查询商户信息时，资料中ShopController类的 queryShopById 方法，是调用 MyBatisPlus 的 getById 方法，从对应数据表通过主键 id 查询数据的方法。由于该方法是直接操作从数据库中去进行查询的，现在我们对其增加一层缓存，提高该接口的查询效率。

    /**
     * 根据id查询商铺信息
     * @param id 商铺id
     * @return 商铺详情数据
     */
    @GetMapping("/{id}")
    public Result queryShopById(@PathVariable("id") Long id) {
        return Result.ok(shopService.getById(id)); // 目前是直接查询数据库
    }

2.2.2 缓存模型和思路

瑞：遇事不决，加一层

未添加缓存前的逻辑：客户端向服务器发起的请求，会直接发送到数据库，通过数据库查询后，将结果返回给客户端，如下图

在这里插入图片描述

添加缓存就相当于，在客户端和数据库之间添加了中间层（如Redis缓存），这样客户端的请求就有限到达缓存（Redis），如果Redis中有该查询结果，则直接返回，就不会到达数据库，这样数据库压力就大幅度减轻了。若Redis中无该查询结果（未命中），再将该请求发送至数据库，数据库将查询结果返回给客户端并写入缓存中

在这里插入图片描述

相对应的业务流程也要修改，如下图

在这里插入图片描述

2.2.3 代码实现

主要是改进ShopController类的 queryShopById 方法，当前代码如下：

    /**
     * 根据id查询商铺信息
     * @param id 商铺id
     * @return 商铺详情数据
     */
    @GetMapping("/{id}")
    public Result queryShopById(@PathVariable("id") Long id) {
        return Result.ok(shopService.getById(id));
    }

1️⃣ 将ShopController类的 queryShopById 方法的业务搬至 Service 层中的自定义 queryByI d方法

    @GetMapping("/{id}")
    public Result queryShopById(@PathVariable("id") Long id) {
        return shopService.queryById(id);
    }

2️⃣ IShopService 接口创建 queryById 方法

public interface IShopService extends IService<Shop> {

    Result queryById(Long id);
}

3️⃣ 在ShopServiceImpl实现类中实现 queryById 方法

queryById 实现思路：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

3️⃣➖1️⃣ 先注入StringRedisTemplate。

    @Resource
    private StringRedisTemplate stringRedisTemplate;

3️⃣➖2️⃣ RedisConstants中加入常量

    public static final String CACHE_SHOP_KEY = "cache:shop:";

3️⃣➖3️⃣ 实现 queryById


import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONUtil;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.hmdp.mapper.ShopMapper;
import com.hmdp.service.IShopService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisConstants;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

import javax.annotation.Resource;

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryById(Long id) {
        String key = RedisConstants.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.不存在，返回错误
        if (shop == null){
            return Result.fail("商铺不存在！");
        }
        // 6.存在，写入Redis
        stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop));
        // 7.返回
        return Result.ok(shop);
    }
}

2.2.4 测试

1️⃣ 重启后端服务，登录账户，进入首页，点击美食，选择103茶餐厅，查看请求状态

在这里插入图片描述

2️⃣ 打开Redis客户端查看数据是否存入缓存中

在这里插入图片描述

3️⃣ 清空后端控制台，重新刷新该页面发送请求，检测该请求是否不再访问数据库（没有输出商品查询SQL日志）

在这里插入图片描述

瑞：控制台此时只输出 VoucherMapper.queryVoucherOfShop查询优惠券的SQL日志，而没有输出ShopMapper.selectById的SQL日志，证明该请求已被缓存拦截

附：IDEA控制台输出自动换行设置

File ➡️Settings… ➡️ Editor ➡️ General ➡️ Console ➡️ Use soft wraps in console ➡️ 勾选 ➡️ Apply

在这里插入图片描述

2.3 缓存更新策略

瑞：缓存是一个双刃剑，带来好处的同时也导致了数据一致性等问题，缓存的更新策略就是为了解决这个问题

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

2.3.1 常见的缓存更新三大策略

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。

常见的缓存更新策略见下表⬇️

	内存淘汰	超时剔除	主动更新
说明	不用自己维护，利用Redis的内存淘汰机制，当内存不足时自动淘汰部分数据。下次查询时更新缓存	给缓存数据添加TTL时间，到期后自动删除缓存。下次查询时更新缓存	编写业务逻辑，在修改数据库的同时，更新缓存
一致性	差	一般	好
维护成本	无	低	高

业务场景：

低一致性需求：使用内存淘汰机制、超时剔除。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，两者结合。例如店铺详情查询的缓存。

2.3.1.1 内存淘汰

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)

2.3.1.2 超时剔除

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

2.3.1.3 主动更新

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

2.3.2 主动更新策略——数据库缓存不一致的解决方案

主动更新策略的三种模式

1️⃣ 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

瑞：该模式在大多数场景中被采用，所以可以认为：数据库和缓存不一致采用的是双写方案。但双写方案需要注意下一节提到的三个问题。

2️⃣ 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。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

瑞：该模式开发成本高

3️⃣ Write Behind Caching Pattern 写回：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

瑞：该模式的好处在于，频繁的读写操作在缓存中进行，将多次的读写转化为1次，有效降低了数据库压力，相当于数据库的缓冲区。但问题比较多：该异步任务的开发困难；以及数据一致性难以保证，任务间隔中缓存和数据库的数据不一致；并且可靠性也存在问题，如果任务期间缓存服务器宕机，则可能会导致数据丢失

2.3.3 双写方案的三个注意事项

综合考虑使用方案1️⃣Cache Aside Pattern，但是方案1️⃣的调用者需要思考操作缓存和数据库的以下三个问题

2.3.3.1 删除缓存

1️⃣ 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（写多读少），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，所以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

2.3.3.2 保证缓存与数据库的操作的同时成功或失败

2️⃣ 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 ✅

瑞：分布式系统中也可以使用消息队列等方案处理

2.3.3.3 先操作数据库再删除缓存

3️⃣ 先操作缓存还是先操作数据库？
- ❌ 先删除缓存，再操作数据库 ❌
- ✅ 先操作数据库，再删除缓存 ✅

瑞：为尽量保证数据一致性，我们应当先操作数据库，再删除缓存。虽然两种方案都有可能会造成数据不一致性的问题，但方案二发生的概率远远小于方案一，且方案二的数据不一致问题容易得到解决。

下图为：先删除缓存，再操作数据库的正常情况

在这里插入图片描述

先删除缓存，再操作数据库。在正常情况下好像没问题，但在多线程环境下不安全，由于删缓存、查缓存、查数据库的操作较快（相对），而更新数据库即写操作较慢（相对），所以很容易在过程中被其它线程重新写入缓存，造成数据不一致的问题

下图为：先删除缓存，再操作数据库的异常情况

在这里插入图片描述

假设此时数据库是存储10，需要更新为20，在两个线程并发来访问时，线程1先来，线程1会先把缓存删了，此时线程2过来，他查询缓存数据并不存在（因为线程1并未更新数据库的值，线程1此刻只删除了缓存值10），由于线程2未命中，则会查询数据库（旧值10），此时他写入缓存（旧值10），当线程2写入缓存后，线程1再执行更新动作，把数据库的值改为了20，导致此时数据库的值为20，而缓存的值为10，数据不一致❗️ ❗️ ❗️

下图为：先操作数据库，再删除缓存的正常情况

在这里插入图片描述

先操作数据库，再删除缓存。在正常情况下也没问题，但在多线程环境下仍然可能不安全，但相对情况一要好很多。因为：首先线程1来时恰好缓存失效的概率低、其次在线程1查询缓存恰好失效的情况下，线程1查询到数据库的值之后，在更新缓存这微妙级别的时间范围内，突然来一个线程2，先更新数据库（较慢）然后线程2删除缓存，这么多操作要在微妙的时间内完成，才会造成数据不一致的问题，同时满足这三个巧合的概率相对低。且如果发生这种情况，只要加上超时时间即可有效解决

下图为：先操作数据库，再删除缓存的异常情况

在这里插入图片描述

假设此时数据库是10，由于某些原因，恰好缓存失效，线程1来查，则一定未命中，需要查询数据库，得到10，由于线程1未命中，要把10写入缓存，此时，线程2来更新数据库（将数据库修改为20），线程2在更新完数据库后再删除缓存，但此时缓存中其实已经失效，所以删除操作等于没删，然后线程1（得到的数据库是旧值10）将10写入数据库，导致了数据不一致❗️但这种概率极低，且如果万一发生了，只要加上超时时间，由于数据库的数据是正确的，过一段时间缓存便会同步，容易解决

2.3.4 缓存更新策略的最佳实践方案

1️⃣ 低一致性需求：使用Redis自带的内存淘汰机制

2️⃣ 高一致性需求：主动更新，并以超时剔除作为兜底方案
2️⃣➖1️⃣ 读操作：
2️⃣➖1️⃣➖1️⃣ 缓存命中则直接返回
2️⃣➖1️⃣➖2️⃣ 缓存未命中则查询数据库，并写入缓存，设定超时时间
2️⃣➖2️⃣ 写操作：
2️⃣➖2️⃣➖1️⃣ 先写数据库，然后再删除缓存
2️⃣➖2️⃣➖2️⃣ 要确保数据库与缓存操作的原子性

2.3.5 案例：添加超时剔除和主动更新策略

ShopController 代码回顾（点我跳转）

2.3.5.1 需求

修改代码中的ShopController中的业务逻辑，满足下面的需求：

1️⃣ 根据id查询店铺时，如果缓存未命中，则查询数据库，将数据库结果写入缓存，并设置超时时间（超时剔除）

2️⃣ 根据id修改店铺时，先修改数据库，再删除缓存（主动更新）

2.3.5.2 代码实现

1️⃣ 实现超时剔除

1️⃣➖1️⃣ 修改ShopServiceImpl的 queryById 方法的业务逻辑，设置超时时间stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);

import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONUtil;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.hmdp.mapper.ShopMapper;
import com.hmdp.service.IShopService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisConstants;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

import javax.annotation.Resource;
import java.util.concurrent.TimeUnit;

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryById(Long id) {
        String key = RedisConstants.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.不存在，返回错误
        if (shop == null) {
            return Result.fail("商铺不存在！");
        }
        // 6.存在，写入Redis，并设置超时时间（超时剔除）
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
        // 7.返回
        return Result.ok(shop);
    }
}

在这里插入图片描述

（此图为未实现超时剔除前的代码）

2️⃣ 实现主动更新

2️⃣➖1️⃣ 修改ShopController的 updateShop 方法的业务逻辑

    /**
     * 更新商铺信息
     * @param shop 商铺数据
     * @return 无
     */
    @PutMapping
    public Result updateShop(@RequestBody Shop shop) {
        // 写入数据库
        return shopService.update(shop);
    }

在这里插入图片描述

（此图为未实现主动更新前的代码）

2️⃣➖2️⃣ IShopService接口中添加 update 方法

public interface IShopService extends IService<Shop> {

    Result queryById(Long id);

    Result update(Shop shop);
}

2️⃣➖3️⃣ ShopServiceImpl实现类中实现 update 方法


    @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(RedisConstants.CACHE_SHOP_KEY + id);
        return Result.ok();
    }

瑞：要注意事务，本例为单体项目中事务的处理，如果是分布式 \ 微服务项目，需要用消息队列通知其它服务等方式保证数据的一致性

2.3.5.3 测试

重启后端服务

测试超时剔除
1️⃣ 删除Redis中cache:shop:1的数据，因为之前的章节中没有设置TTL，所以要将其删除
2️⃣ 前端登录账户，进入首页，点击美食，选择103茶餐厅，查看Redis中cache:shop:1的TTL是否被设置为了1800左右（30分钟）图中显示1794是因为博主操作了6秒钟，导致过期时间不是1800

在这里插入图片描述

测试主动更新
1️⃣ 由于更新商铺信息接口 updateShop 在前端没有对普通用户直接开放，所以使用postman测试（注意请求是PUT）http://localhost:8081/shop

{
    "area": "大关",
    "openHours": "10:00-22:00",
    "sold": 4215,
    "address": "金华路锦昌文华苑29号",
    "comments": 3035,
    "avgPrice": 80,
    "socrs": 37,
    "name": "101茶餐厅",
    "typeId": 1,
    "id": 1
}

在这里插入图片描述

2️⃣ 在使用 postman 发送PUT更新请求后，不对页面进行其它操作，直接查看Redis客户端，刷新数据库，发现cache:shop:1已被删除，说明主动更新代码执行成功

在这里插入图片描述

3️⃣ 对前端餐厅详情页面进行刷新，即访问ShopController的 queryShopById 方法，发现前端信息更新成功，是数据库中更新的名字（103 修改为了 postman发送的请求，即改为了101），且Redis客户端中存储了cache:shop:1的数据，并且半小时后该数据会被自动删除（不对该接口进行访问的前提下），说明超时剔除和主动更新实现成功

在这里插入图片描述

2.3.6 代码资源

hm-dianping【2.3缓存更新策略】后端代码的某度网盘链接如下，需要请自取

链接：https://pan.baidu.com/s/1D06xA2IU6Atfp9fZeygpNA?pwd=dwi9 
提取码：dwi9

2.4 缓存穿透

瑞：请参考《瑞_Redis_商户查询缓存》

2.5 缓存雪崩

瑞：请参考《瑞_Redis_商户查询缓存》

2.6 缓存击穿

瑞：请参考《瑞_Redis_商户查询缓存》

2.7 缓存工具封装

瑞：请参考《瑞_Redis_商户查询缓存》

本文是博主的粗浅理解，可能存在一些错误或不完善之处，如有遗漏或错误欢迎各位补充，谢谢

如果觉得这篇文章对您有所帮助的话，请动动小手点波关注💗，你的点赞👍收藏⭐️转发🔗评论📝都是对博主最好的支持~