一、什么是缓存？

1.1 为什么要使用缓存？

1.2 如何使用缓存？

二、添加商户缓存

2.1 缓存模型和思路

2.2 代码实现

三、缓存更新策略

2.1 数据库缓存不一致解决方案

2.2 数据库和缓存不一致采用什么方案

四、实现商铺和缓存与数据库双写一致

五、缓存穿透问题的解决思路

六、编码解决缓存穿透问题

七、缓存雪崩问题及解决思路

八、缓存击穿问题及解决思路

九、利用互斥锁解决缓存击穿问题

十、封装Redis工具类

一、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(例如:

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;

1.1 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:

1.2 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、添加商户缓存

在我们查询商户信息时，我们是直接操作从数据库中去进行查询的，大致逻辑是这样，直接查询数据库那肯定慢咯，所以我们需要增加缓存。

/**
 * 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));
}

2.1 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。

2.2 代码实现

@Override
public Result queryById(Long id) {
	//1、从redis查询商铺缓存
	String shopJson = stringRedisTemplate.opsForValue().get("cache:shop:" + id);
	//2、判断redis中是否存在
	if (StrUtil.isNotBlank(shopJson)){
		//3、存在，直接返回
		Shop shop = JSONUtil.toBean(shopJson,Shop.class);
		return Result.ok(shop);
	}
	//4、redis中不存在，根据id查询数据库
	Shop shop = getById(id);
	if (shop == null){
		//数据库不存在数据，直接返回错误
		return Result.fail("店铺不存在！");
	}
	//5、数据库中存在，将数据写入redis缓存一份
	stringRedisTemplate.opsForValue().set("cache:shop:" + id,JSONUtil.toJsonStr(shop));
	return Result.ok(shop);
}

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：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)。

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。

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。

2.1 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，其后果是：

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，产品口碑等;怎么解决呢？有如下几种方案

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。

Read/Write Through Pattern : 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。

Write Behind Caching Pattern ：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。

2.2 数据库和缓存不一致采用什么方案

综合考虑使用方案一，但是方案一调用者如何处理呢？这里有几个问题

操作缓存和数据库时有三个问题需要考虑：

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，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，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。

第一问：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 √

第二问：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

第三问：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。

正常情况下，这样做是最好的：

线程1（商户）要修改一下店铺地址信息，这时先删除了缓存老数据，然后再将新数据更新到数据库，第二天线程2（买家）想要查看店铺信息，先查Redis缓存，缓存没有，就查了数据库，然后再写入缓存中，这些操作是我们理想的。

但往往事与愿违，如果出现以下的情况，那就不太好了：

我们现在数据库和缓存都是数据为10，这时线程1（商铺）删除缓存，但还没等更新数据库，线程2（买家）先行发力（什么时候来不好，偏偏这时候来），查询缓存发现未命中，直接查询数据库，但这时数据库里的数据还是老的数据10，然后将10写入缓存中，线程2执行完毕，这时线程1再继续执行剩下的更新数据库操作，将数据变为20，但这时数据已经不一致了，数据库20，缓存10。

所以我们选用先操作数据库，再删缓存的方式，虽然这种也会出现线程安全问题，但概率比第一种低太多了。

四、实现商铺和缓存与数据库双写一致

核心思路如下：

修改ShopController中的业务逻辑，满足下面的需求：

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

根据id修改店铺时，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:" + id);
	return null;
}

五、缓存穿透问题的解决思路

缓存穿透：缓存穿透是指缓存和数据库中都没有的数据，而用户不断发起请求，我们数据库的 id 都是1开始自增上去的，如发起为id值为 -1 的数据或 id 为特别大不存在的数据。这时的用户很可能是攻击者，攻击会导致数据库压力过大，严重会击垮数据库。

常见的解决方案有三种：

1、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

解释：缓存空对象是什么意思呢？比如攻击者传了一个根本不存在的id（例如-1）进行查询，那么当缓存和数据库都未命中，返回为null，那他一定用大量并发再次刷新请求，因为他的目的就是把你数据库搞崩，那么我们直接给他放入Redis一个空对象{}，这样就不会将大量请求打到我们的数据库上，当他请求-1时，直接命中缓存里的空对象给他返回。

2、参数校验

我会在接口层增加校验，比如用户鉴权校验，参数做校验，不合法的参数直接代码Return，比如：id 做基础校验，id <=0的直接拦截等。

举个简单的例子，你这个接口是分页查询的，但是你没对分页参数的大小做限制，调用的人万一一口气查 Integer.MAX_VALUE 一次请求就要你几秒，多几个并发你不就挂了么？是公司同事调用还好大不了发现了改掉，但是如果是黑客或者竞争对手呢？

3、布隆过滤器
- 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

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。

布隆过滤器要是说不存在，那就是真的不存在，当他告诉你存在的时候，可能不一定存在。

简单解释其实就是利用高效的数据结构和算法快速判断出你这个Key是否在数据库中存在，不存在你return就好了，存在你就去查了DB刷新KV再return。

六、编码解决缓存穿透问题

核心思路如下：

在原来的逻辑中，我们如果发现这个数据在mysql中不存在，直接就返回404了，这样是会存在缓存穿透问题的。

现在的逻辑中：如果这个数据不存在，我们不会返回404 ，还是会把这个数据写入到Redis中，并且将value设置为空，当再次发起查询时，我们如果发现命中之后，判断这个value是否是null，如果是null，则是之前写入的数据，证明是缓存穿透数据，如果不是，则直接返回数据。

@Override
public Result queryById(Long id) {
	//1、从redis查询商铺缓存
	String shopJson = stringRedisTemplate.opsForValue().get("cache:shop:" + id);
	//2、判断redis中是否存在
	if (StrUtil.isNotBlank(shopJson)){
		//3、存在，直接返回
		Shop shop = JSONUtil.toBean(shopJson,Shop.class);
		return Result.ok(shop);
	}
	//4、redis中不存在，根据id查询数据库
	Shop shop = getById(id);
	if (shop == null){
		//防止缓存穿透的发生，设置空值进缓存中
		stringRedisTemplate.opsForValue().set("cache:shop:" + id,"",30L, TimeUnit.MINUTES);
		//数据库不存在数据，直接返回错误
		return Result.fail("店铺不存在！");
	}
	//5、数据库中存在，将数据写入redis缓存一份，并设置超时时间
	stringRedisTemplate.opsForValue().set("cache:shop:" + id,JSONUtil.toJsonStr(shop),30L, TimeUnit.MINUTES);
	return Result.ok(shop);
}

七、缓存雪崩问题及解决思路

缓存雪崩：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
给业务添加多级缓存

八、缓存击穿问题及解决思路

缓存击穿：这个跟缓存雪崩有点像，但是又有一点不一样，缓存雪崩是因为大面积的缓存失效，打崩了DB，而缓存击穿不同的是缓存击穿是指一个Key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个Key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个完好无损的桶上凿开了一个洞。

常见的解决方案有两种：

互斥锁
设置热点数据永不过期

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。

这样确实可以解决缓存击穿的问题，但有一点，就是互相等待，比如我有1000个线程来了，只有线程1在构建（如上图），其它999个线程都在等待，那如果说线程1构建的时间比较久，比如说200ms，那其余的999个线程都只能等待。

九、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。

操作锁的代码：

核心思路就是利用redis的setnx方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true，如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。

//上互斥锁setnx
private boolean tryLock(String key) {
	//setIfAbsent方法就是setnx命令
	Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
	return BooleanUtil.isTrue(flag);
}

//解锁
private void unlock(String key) {
	stringRedisTemplate.delete(key);
}

//解决缓存击穿
public Shop queryWithMutex(Long id)  {
	String key = "cache:shop:" + id;
	// 1、从redis中查询商铺缓存
	String shopJson = stringRedisTemplate.opsForValue().get("key");
	// 2、判断是否存在
	if (StrUtil.isNotBlank(shopJson)) {
		// 存在,直接返回
		return JSONUtil.toBean(shopJson, Shop.class);
	}
	//判断命中的值是否是空值
	if (shopJson != 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:shop:" + id;
	Shop shop = 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
		shop = getById(id);
		// 5.不存在，返回错误
		if(shop == null){
			//将空值写入redis，解决缓存穿透
			stringRedisTemplate.opsForValue().set(key,"",30L,TimeUnit.MINUTES);
			//返回错误信息
			return null;
		}
		//6.写入redis
		stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),30L,TimeUnit.MINUTES);

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

十、封装Redis工具类

基于StringRedisTemplate封装一个缓存工具类，满足下列需求：

方法1：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间
方法2：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题
方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题
方法4：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑过期解决缓存击穿问题

package com.hmdp.utils;

import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONObject;
import cn.hutool.json.JSONUtil;
import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

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

@Slf4j
@Component
public class CacheClient {

    private final StringRedisTemplate stringRedisTemplate;

    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

    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 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));
    }

    //解决缓存穿透
    public <R,ID> R queryWithPassThrough(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit){
        String key = keyPrefix + id;
        // 1.从redis查询商铺缓存
        String json = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isNotBlank(json)) {
            // 3.存在，直接返回
            return JSONUtil.toBean(json, type);
        }
        // 判断命中的是否是空值
        if (json != null) {
            // 返回一个错误信息
            return null;
        }

        // 4.不存在，根据id查询数据库
        R r = dbFallback.apply(id);
        // 5.不存在，返回错误
        if (r == null) {
            // 将空值写入redis
            stringRedisTemplate.opsForValue().set(key, "", 30L, TimeUnit.MINUTES);
            // 返回错误信息
            return null;
        }
        // 6.存在，写入redis
        this.set(key, r, time, unit);
        return r;
    }

    public <R, ID> R queryWithLogicalExpire(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + id;
        // 1.从redis查询商铺缓存
        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);
        R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
        LocalDateTime expireTime = redisData.getExpireTime();
        // 5.判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())) {
            // 5.1.未过期，直接返回店铺信息
            return r;
        }
        // 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:shop:" + id;
        boolean isLock = tryLock(lockKey);
        // 6.2.判断是否获取锁成功
        if (isLock){
            // 6.3.成功，开启独立线程，实现缓存重建
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    // 查询数据库
                    R newR = dbFallback.apply(id);
                    // 重建缓存
                    this.setWithLogicalExpire(key, newR, time, unit);
                } catch (Exception e) {
                    throw new RuntimeException(e);
                }finally {
                    // 释放锁
                    unlock(lockKey);
                }
            });
        }
        // 6.4.返回过期的商铺信息
        return r;
    }

    public <R, ID> R queryWithMutex(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + 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
            return JSONUtil.toBean(shopJson, type);
        }
        // 判断命中的是否是空值
        if (shopJson != null) {
            // 返回一个错误信息
            return null;
        }

        // 4.实现缓存重建
        // 4.1.获取互斥锁
        String lockKey = "lock:shop:" + id;
        R r = null;
        try {
            boolean isLock = tryLock(lockKey);
            // 4.2.判断是否获取成功
            if (!isLock) {
                // 4.3.获取锁失败，休眠并重试
                Thread.sleep(50);
                return queryWithMutex(keyPrefix, id, type, dbFallback, time, unit);
            }
            // 4.4.获取锁成功，根据id查询数据库
            r = dbFallback.apply(id);
            // 5.不存在，返回错误
            if (r == null) {
                // 将空值写入redis
                stringRedisTemplate.opsForValue().set(key, "", 30L, TimeUnit.MINUTES);
                // 返回错误信息
                return null;
            }
            // 6.存在，写入redis
            this.set(key, r, time, unit);
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        }finally {
            // 7.释放锁
            unlock(lockKey);
        }
        // 8.返回
        return r;
    }

    private boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }

    private void unlock(String key) {
        stringRedisTemplate.delete(key);
    }
}