Redis缓存——缓存更新策略和常见的缓存问题

一.什么是缓存？

前言：什么是缓存?

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

前言：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:

1.1. 缓存的作用

降低后端负载
提高读写效率，提高响应时间

1.2. 缓存的成本

数据一致性成本
代码维护成本
运维成本

1.3.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

二.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。

 // 根据id查询信息
    @Override
    public Result queryById(Long id) {
        // 从redis中查询缓存
        String Json = stringRedisTemplate.opsForValue()
                            .get("USER_KEY_"+id);

        // 判断是否存在
        if (StrUtil.isNotBlank(Json)) {
            // 存在，直接返回
            User user = JSONUtil.toBean(Json, User.class);
            return Result.success(user);
        }

        // 不存在，根据id查询数据库
        User user = getById(id);

        // 数据库不存在，返回错误
        if (user == null) {
            return Result.error("用户不存在!");
        }
        // 存在，写入redis并返回
        stringRedisTemplate.opsForValue().set("USER_KEY_" + id, JSONUtil.toJsonStr(user));
        return Result.success(user);
    }

三.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	超时剔除	主动更新
说明	不同自己维护，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，到期后自动剔除缓存。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

3.1 业务场景：

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。
- 读操作：
  - 缓存命中则直接返回。
  - 缓存未命中则查询数据库，并写入缓存，设定超时时间。
- 写操作：
  - 先写数据库，然后再删除缓存。
  - 要确保数据库与缓存操作的原子性。

3.2.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

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。怎么解决呢？有如下几种方案：

3.2.数据库和缓存不一致采用什么方案

由Cache Aside Pattern，我们可以引申出三个问题：

3.2.1.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。（不可取）
删除缓存：更新数据库时让缓存失效，下次查询时再更新缓存。（可取）

3.2.2.如何保证缓存与数据库的操作同时成功或失败？

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

3.2.3.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

应该具体操作缓存还是操作数据库?我们应当是先操作数据库，再删除缓存，原因在于：

如果你选择第一种方案，在两个线程并发来访问时，假设线程1先来，他先把缓存删了，此时线程2过来，他查询缓存数据并不存在，此时他写入缓存，当他写入缓存后，线程1再执行更新动作时，实际上写入的就是旧的数据，新的数据被旧数据覆盖了。

3.3.代码实现缓存与数据库双写一致

核心思路如下：

根据id查询时，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

    @Override
    public Result queryById(Long id) {
        // 从redis中查询缓存
        String Json = stringRedisTemplate.opsForValue()
                            .get("USER_KEY_" + id);

        // 判断是否存在
        if (StrUtil.isNotBlank(Json)) {
            // 存在，直接返回
            User user = JSONUtil.toBean(Json, Uer.class);
            return Result.success(user);
        }

        // 不存在，根据商铺id查询数据库
        User user = getById(id);

        // 数据库不存在，返回错误
        if (user == null) {
            return Result.error("用户不存在!");
        }
        // 存在，写入redis并返回
        stringRedisTemplate.opsForValue().set("USER_KEY_" + id, JSONUtil.toJsonStr(user), 30, TimeUnit.MINUTES);
        return Result.success(user);
    }

根据id修改时，先修改数据库，再删除缓存

    @Override
    @Transactional
    public Result update(User user) {
        Long id = user.getId();
        if (id == null) {
            return Result.error("用户id不能为空");
        }

        // 更新数据库
        updateById(user);
        // 删除缓存
        stringRedisTemplate.delete("USER_KEY_" + id);

        return Result.success();
    }

四.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。

4.1.常见的解决方案有两种：

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，没有多余key
- 缺点：
  - 实现复杂
  - 存在误判可能

缓存空对象思路分析：当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到缓存了

布隆过滤：布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中，

假设布隆过滤器判断这个数据不存在，则直接返回

这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突

4.2.编码解决查询的缓存穿透问题：

 @Override
 public Result queryById(Long id) {

        // 从redis查询缓存
        String Json = stringRedisTemplate.opsForValue().get("USER_KEY_" + id);

        // 判断是否存在
        if (StrUtil.isNotBlank(Json)) {
            // 存在，直接返回
            User user = JSONUtil.toBean(Json, User.class);
            return Result.success(user);
        }

        // 判断命中的是否为空值
        if (Json == null) {
            // 返回一个错误信息
            return Result.erroe("用户信息不存在！");
        }

        // 不存在，根据商铺id查询数据库
        User user = getById(id);

        // 数据库不存在，返回错误
        if (user == null) {

            // 将空值写入redis，避免缓存穿透
            // 返回错误信息
            stringRedisTemplate.opsForValue().set("USER_KEY_" + id, "", 30 , TimeUnit.MINUTES);
            return Result.error("用户不存在!");
        }
        // 存在，写入redis并返回
        stringRedisTemplate.opsForValue().set("USER_KEY_" + id, JSONUtil.toJsonStr(user), 30 , TimeUnit.MINUTES);
        return Result.success(user);
    }

五.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

六.缓存击穿

缓存击穿问题也叫热点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的冲击。

逻辑分析：假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法，那么这些线程都不能从缓存中查询到数据，那么他们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大

常见的解决方案有两种：

互斥锁
逻辑过期

解决方案一：使用锁来解决

因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。

假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。

解决方案二：逻辑过期方案

方案分析：我们之所以会出现这个缓存击穿问题，主要原因是在于我们对key设置了过期时间，假设我们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们内存了吗，我们可以采用逻辑过期方案。

我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续通过逻辑去处理。假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个线程去进行以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁，而线程1直接进行返回，假设现在线程3过来访问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据。

这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据。

两种方案对比：

6.1.利用互斥锁解决缓存击穿问题

核心思路：相较于原来从缓存中查询不到数据后直接查询数据库而言，现在的方案是进行查询之后，如果从缓存没有查询到数据，则进行互斥锁的获取，获取互斥锁后，判断是否获得到了锁，如果没有获得到，则休眠，过一会再进行尝试，直到获取到锁为止，才能进行查询

如果获取到了锁的线程，再去进行查询，查询后将数据写入redis，再释放锁，返回数据，利用互斥锁就能保证只有一个线程去执行操作数据库的逻辑，防止缓存击穿

public User queryWithMutex(Long id)  {
        String key = CACHE_USER_KEY + id;
        // 1、从redis中查询商铺缓存
        String Json = stringRedisTemplate.opsForValue().get("key");
        // 2、判断是否存在
        if (StrUtil.isNotBlank(Json)) {
            // 存在,直接返回
            return JSONUtil.toBean(Json, User.class);
        }
        //判断命中的值是否是空值
        if (Json != null) {
            //返回一个错误信息
            return null;
        }
        // 4.实现缓存重构
        //4.1 获取互斥锁
        String lockKey = "lock:user:" + id;
        User user = null;
        try {
            boolean isLock = tryLock(lockKey);
            // 4.2 判断否获取成功
            if(!isLock){
                //4.3 失败，则休眠重试
                Thread.sleep(50);
                return queryWithMutex(id);
            }
            //4.4 成功，根据id查询数据库
             user = getById(id);
            // 5.不存在，返回错误
            if(user == null){
                 //将空值写入redis
                stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL,TimeUnit.MINUTES);
                //返回错误信息
                return null;
            }
            //6.写入redis
            stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(user),CACHE_NULL_TTL,TimeUnit.MINUTES);

        }catch (Exception e){
            throw new RuntimeException(e);
        }
        finally {
            //7.释放互斥锁
            unlock(lockKey);
        }
        return user;
    }

6.2.利用逻辑过期解决缓存击穿问题

思路分析：当用户开始查询redis时，判断是否命中，如果没有命中则直接返回空数据，不查询数据库，而一旦命中后，将value取出，判断value中的过期时间是否满足，如果没有过期，则直接返回redis中的数据，如果过期，则在开启独立线程后直接返回之前的数据，独立线程去重构数据，重构完成后释放互斥锁。

private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
public User queryWithLogicalExpire( Long id ) {
    String key = CACHE_USER_KEY + id;
    // 1.从redis查询缓存
    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);
    User user = JSONUtil.toBean((JSONObject) redisData.getData(), User.class);
    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
        return user;
    }
    // 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_USER_KEY + id;
    boolean isLock = tryLock(lockKey);
    // 6.2.判断是否获取锁成功
    if (isLock){
        CACHE_REBUILD_EXECUTOR.submit( ()->{

            try{
                //重建缓存
                this.saveUser2Redis(id,20L);
            }catch (Exception e){
                throw new RuntimeException(e);
            }finally {
                unlock(lockKey);
            }
        });
    }
    // 6.4.返回过期的信息
    return user;
}