缓存更新策略
使用 redis 缓存记录的信息，有可能在数据库被信息被修改导致信息不一致，使用缓存更新来解决这个问题
缓存更新策略主要有三种：
1.内存淘汰(redis默认开启)
2.超时剔除(给key添加TTL时间)
3.主动更新(编写业务逻辑)
主动更新策略：在数据库更新时删除缓存，通过事物保证数据库的更新和缓存的删除同时成功或失败。
对于数据库的更新和缓存的删除的执行顺序：
先删后更，在多线程下在数据库完成更新前可能会被另一个线程查询，导致数据不一致；先更后删，可能会在缓存未命中时查询完数据库，在写入缓存之前，另一个线程发生数据库更新操作，导致写入的缓存不是更新后的操作。对于两种情况，第一种发生的概率更高，原因是数据库的读写耗时更长
故我们选择先更新数据库再删缓存，并且给缓存设置超时剔除
给店铺信息查询添加缓存更新策略
第一步，设置缓存时间
//将查询到的数据写入 redis 并且设置有效时间 30 分钟
stringRedisTemplate.opsForValue().set("cache:shop:" + id,JSONUtil.toJsonStr(shop),30, TimeUnit.MINUTES);第二步，完成店铺更新逻辑
请求路径：/shop
我们在测试的时候可以把登录校验的拦截器关闭
public class LoginInterceptor implements HandlerInterceptor {
private boolean isBeenTexting = true;//是否跳过校验登录状态
//前置拦截
@Override
public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
if(isBeenTexting)return true;//如果在测试中则直接放行，不检验登录
//判断线程池中是否有登录用户,若没有则拦截，返回 401 状态码
if(UserHolder.getUser() == null){
// System.out.println(request.getContextPath()+"请求被拦截");
response.setStatus(401);
return false;
}
return true;
}
}controller:
//更新店铺信息
@PutMapping
public Result updateShop(@RequestBody Shop shop){
return shopService.update(shop);
}service:
@PutMapping
public Result updateShop(@RequestBody Shop shop){
return shopService.update(shop);
} @Override
@Transactional//开启事物
public Result update(Shop shop) {
Long id = shop.getId();
if(id == null){
return Result.fail("更新店铺信息失败，未查询到该店铺");
}
//先更新数据库
shopMapper.updateById(shop);
//再删除缓存
stringRedisTemplate.delete("cache:shop:" + id);
return null;
}测试：
缓存穿透
缓存穿透是指缓存和数据库都不存在数据的查询，这样的请求都会打到数据库造成资源浪费
解决方式：
1.缓存空对象,直接将空对象放入 redis (常用)
2.布隆过滤，底层使用二进制保存请求是否含有数据的状态，只放行存在的请求，放行的请求有可能仍然出现穿透
改造店铺信息查询
给该查询功能添加空对象的缓存，并设置两分钟的 TTL
@Override
public Result getById(Long id) {
//先在 redis 中查询
String shopJson = stringRedisTemplate.opsForValue().get("cache:shop:" + id);
if(StrUtil.isNotBlank(shopJson)){
return Result.ok(JSONUtil.toBean(shopJson,Shop.class));
}
//redis 中没有，在 mysql 中查询
//TODO 解决缓存穿透，若 json 为 "" 则直接响应空对象
if(shopJson != null){
return Result.fail("未查询到店铺TOT");
}
Shop shop = shopMapper.selectById(id);
if(shop == null){
//mysql 中也没有，返回未查询到
//TODO 解决缓存穿透，将空对象加入缓存
stringRedisTemplate.opsForValue().set("cache:shop:" + id,"",2, TimeUnit.MINUTES);
return Result.fail("未查询到该店铺ToT");
}
//查到了，将查询到的数据写入 redis
stringRedisTemplate.opsForValue().set("cache:shop:" + id,JSONUtil.toJsonStr(shop),30, TimeUnit.MINUTES);
return Result.ok(shop);
}缓存雪崩
指同一时间大量的缓存 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：
1.给不同的 Key 的 TTL 添加指定区间的随机值
2.部署 redis 集群
3.给缓存业务添加降级限流策略
4.添加多级缓存
采用 TTL 方案改造店铺查询请求
@Override
public Result getById(Long id) {
//先在 redis 中查询
String shopJson = stringRedisTemplate.opsForValue().get("cache:shop:" + id);
if(StrUtil.isNotBlank(shopJson)){
return Result.ok(JSONUtil.toBean(shopJson,Shop.class));
}
//redis 中没有，在 mysql 中查询
//TODO 解决缓存穿透，若 json 为 "" 则直接响应空对象
if(shopJson != null){
return Result.fail("未查询到店铺TOT");
}
Shop shop = shopMapper.selectById(id);
if(shop == null){
//mysql 中也没有，返回未查询到
//TODO 解决缓存穿透，将空对象加入缓存
stringRedisTemplate.opsForValue().set("cache:shop:" + id,"",2, TimeUnit.MINUTES);
return Result.fail("未查询到该店铺ToT");
}
//查到了，将查询到的数据写入 redis
//随机 TTL 0~100
long ttl = (long)(Math.random() * 100);
stringRedisTemplate.opsForValue().set("cache:shop:" + id,JSONUtil.toJsonStr(shop),ttl, TimeUnit.MINUTES);
return Result.ok(shop);
}发送查询请求：
查看 redis kye 的缓存时间：
可以看到随机时间设置成功
