Redis緩存實例超詳細(xì)講解
1 前言
1.1 什么是緩存
緩存就是數(shù)據(jù)交換的緩沖區(qū)（稱作Cache [ kæ? ] ），是存貯數(shù)據(jù)的臨時地方，一般讀寫性能較高。
緩存有很多中實現(xiàn)場景：對于web開發(fā)，常見的有如下幾種：
而我們的Redis緩存功能就是屬于在應(yīng)用層緩存 。
1.2 緩存的作用及成本
作用：毫無疑問，就是提高讀寫的效率，有效降低后端服務(wù)器的負(fù)載，有效降低響應(yīng)時間。
成本：任何東西都有兩面性，緩存在帶來高效的讀寫效率的同時，也有著對應(yīng)的從成本。
比如：數(shù)據(jù)一致性成本、代碼維護成本、運維成本等。
1.3 Redis緩存模型
如下圖
原本的模型應(yīng)該是客戶端發(fā)送請求給數(shù)據(jù)庫，數(shù)據(jù)庫返回數(shù)據(jù)給客戶端，而Reids的緩存模型就是在原有的基礎(chǔ)上，在中間加上一層Redis（經(jīng)典的中間件思想~）用戶每次都會先去redis中查找數(shù)據(jù)，如果未命中才會去數(shù)據(jù)庫中查找數(shù)據(jù)，并寫入Reis當(dāng)中，這么一來，用于下次需要相同的數(shù)據(jù)的時候，就可以在Reis當(dāng)中進行獲取，又因為Redis的高讀寫效率，實現(xiàn)了緩存的效果~
2 給商戶信息添加緩存
基于上述的Redis緩存模型，我們可以得出下面的緩存添加邏輯：
代碼實現(xiàn)：（直接看Service層實現(xiàn)）
每次查詢到商品用戶信息后，添加緩存。
package com.hmdp.service.impl;
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 org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.util.concurrent.TimeUnit;
import static com.hmdp.utils.RedisConstants.CACHE_SHOP_KEY;
import static com.hmdp.utils.RedisConstants.CACHE_SHOP_TTL;
/**
* <p>
* 服務(wù)實現(xiàn)類
* </p>
*
*/
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryShopById(Long id) {
//1.去redis中查詢商品是否存在
String key = CACHE_SHOP_KEY+id;
String shopJson = stringRedisTemplate.opsForValue().get(key);
if (StrUtil.isNotBlank(shopJson)){
//2.存在，直接返回給用戶
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
//3.不存在，帶著id去數(shù)據(jù)庫查詢是否存在商品
Shop shop = getById(id);
if (shop == null){
//4.不存在，返回錯誤信息
Result.fail("商品信息不存在！");
}
//5.存在，存入redis
stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop));
//6.返回商品信息
return Result.ok(shop);
}
}3 緩存更新策略
3.1 更新策略介紹
使用Redis做緩存時，緩存還是要及時更新的，不然就會出現(xiàn)數(shù)據(jù)庫和緩存數(shù)據(jù)不一致的情況，也是我們常說的Redis成本——數(shù)據(jù)一致性成本
緩存大致有以下三種更新策略：
1. 內(nèi)存淘汰策略：這種策略沒有維護成本，這是利用Redis的內(nèi)存淘汰機制，當(dāng)內(nèi)存不足的時候自動淘汰，下次請求時再繼續(xù)存入數(shù)據(jù)。
這種策略模型優(yōu)點在于沒有維護成本，但是內(nèi)存不足這種無法預(yù)定的情況就導(dǎo)致了緩存中會有很多舊的數(shù)據(jù)，數(shù)據(jù)一致性差。
2. 超時剔除：這種策略就是比較實用的，就是給緩存添加TTL存活時間，下次查詢是更新緩存。
這種策略數(shù)據(jù)一致性一般，維護成本有但是較低，一般用于兜底方案~
3.主動更新策略：就是我們程序員手動的進行數(shù)據(jù)庫和緩存之間的更新，但數(shù)據(jù)庫更新時，緩存也進行更新。
這種策略數(shù)據(jù)一致性就是最高的（畢竟自己動手，豐衣足食），但同時維護成本也是最高的。
那么，又該如何選擇緩存更新策略呢？
我的覺得應(yīng)該是根據(jù)業(yè)務(wù)場景不同來選擇不同的更新策略：
當(dāng)數(shù)據(jù)一致性要求低時：l使用內(nèi)存淘汰機制。例如店鋪類型的查詢緩存。
當(dāng)有高一致性需求：使用主動更新，并以超時剔除作為兜底方案。例如店鋪詳情查詢的緩存
3.2 主動更新策略
上述提到的主動更新策略，無疑是維護成本最高的，但具體又有哪些維護方式呢？怎么去做主動更新維護呢？
如下圖：主動更新主要分為下面三種：
又因為后兩種實現(xiàn)方式過于復(fù)雜，所以重點說第一種。
第一種：Cache Aside Pattern，由緩存調(diào)用者進行操作，就是在我們數(shù)據(jù)庫進行更新時，對緩存也進行更新。
這又引出了好幾個問題了~
1. 緩存更新？是更新緩存還是直接刪除緩存？
2. 如何保證數(shù)據(jù)庫更新和緩存更新同時成功或失??？
3. 操作時應(yīng)該先操作緩存還是先操作數(shù)據(jù)庫？
第一個問題：
我想說，緩存更新如果是數(shù)據(jù)更新的話，每次更新數(shù)據(jù)庫都要對緩存數(shù)據(jù)進行更新，有太多無效的讀寫操作，所以操作緩存時，選擇刪除緩存~
第二個問題：
要做到兩個操作一致性，第一想到的就應(yīng)該是事務(wù)。
解決方案：當(dāng)我們是單體系統(tǒng)時，將緩存和數(shù)據(jù)庫操作放在同一個事務(wù)里。
當(dāng)我們是分布式系統(tǒng)時，利用TTC等分布式事務(wù)方案
最后一個問題：先操作數(shù)據(jù)庫還是先操作緩存？
就只有下面兩種情況：
1.先刪除緩存，再操作數(shù)據(jù)庫
2.先操作數(shù)據(jù)庫，再刪除緩存
我們可以兩種情況都來看看~
第一種情況，先刪除緩存的情況，我們想的正常的不會出現(xiàn)問題的操作流程（左邊）和操作會出現(xiàn)問題的流程（右邊）
補充一下：這邊兩個線程最初的數(shù)據(jù)庫和緩存數(shù)據(jù)都假定為10~
出現(xiàn)問題的情況為我們線程1先刪除緩存，線程2未命中緩存，直接查到數(shù)據(jù)庫中數(shù)據(jù)為10并寫入緩存中，而線程1在線程2后寫入緩存后，把數(shù)據(jù)庫更新成了20，這樣最后數(shù)據(jù)庫數(shù)據(jù)為20，而緩存中的數(shù)據(jù)為10，這就導(dǎo)致數(shù)據(jù)不一致了。
2.先操作數(shù)據(jù)庫的情況
正確情況（左邊）錯誤情況（右邊），數(shù)據(jù)庫和緩存最初數(shù)據(jù)也都還是10~
第二種先操作數(shù)據(jù)庫的方式，它出現(xiàn)的錯誤情況主要是，線程1線程查詢了緩存，未命中后去查詢數(shù)據(jù)庫的同時，線程2更新了數(shù)據(jù)庫，并且刪除了緩存，然后線程1才把數(shù)據(jù)庫中查出來的10寫入緩存，導(dǎo)致緩存為10，數(shù)據(jù)庫為20。
終上所述，第一種失敗的情況是比第二種失敗的情況多的，因為第一種情況出現(xiàn)錯誤的時間是在刪除緩存并更新數(shù)據(jù)庫后，線程2有著充足的時間在這段時間內(nèi)寫入緩存，而對于第二種情況來說，出現(xiàn)問題發(fā)生在查完數(shù)據(jù)庫到寫入緩存這段時間內(nèi)，這段時間幾乎是毫秒級別的，線程2在這段時間內(nèi)更新數(shù)據(jù)庫并刪除緩存，顯然幾率是很低的（除了高高高并發(fā)的狀況下），所以我們選擇先操作數(shù)據(jù)庫在操作緩存~
總結(jié)：
緩存更新策略的最佳實踐方案：
1.低一致性需求：使用Redis自帶的內(nèi)存淘汰機制
2.高一致性需求：主動更新，并以超時剔除作為兜底方案
主動更新時
進行讀操作：
- 緩存命中則直接返回
- 緩存未命中則查詢數(shù)據(jù)庫，并寫入緩存，設(shè)定超時時間
進行寫操作：
- 先寫數(shù)據(jù)庫，然后再刪除緩存
- 要確保數(shù)據(jù)庫與緩存操作的原子性
3.3 主動更新策略練習(xí)
修改商品緩存
1. 根據(jù)id查詢店鋪時，如果緩存未命中，則查詢數(shù)據(jù)庫，將數(shù)據(jù)庫結(jié)果寫入緩存，并設(shè)置超時時間
2. 根據(jù)id修改店鋪時，先修改數(shù)據(jù)庫，再刪除緩存
實現(xiàn)代碼如下（Service層實現(xiàn)）：
package com.hmdp.service.impl;
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 org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.util.concurrent.TimeUnit;
import static com.hmdp.utils.RedisConstants.CACHE_SHOP_KEY;
import static com.hmdp.utils.RedisConstants.CACHE_SHOP_TTL;
/**
* <p>
* 服務(wù)實現(xiàn)類
* </p>
*
* @author 虎哥
* @since 2021-12-22
*/
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryShopById(Long id) {
//1.去redis中查詢商品是否存在
String key = CACHE_SHOP_KEY+id;
String shopJson = stringRedisTemplate.opsForValue().get(key);
if (StrUtil.isNotBlank(shopJson)){
//2.存在，直接返回給用戶
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
//3.不存在，帶著id去數(shù)據(jù)庫查詢是否存在商品
Shop shop = getById(id);
if (shop == null){
//4.不存在，返回錯誤信息
Result.fail("商品信息不存在！");
}
//5.存在，存入redis(并設(shè)置超時時間)
stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);
//6.返回商品信息
return Result.ok(shop);
}
@Override
@Transactional
public Result updateShop(Shop shop) {
//1.先更新數(shù)據(jù)庫
updateById(shop);
//2.刪除redis緩存
String key = CACHE_SHOP_KEY+shop.getId();
stringRedisTemplate.delete(key);
return null;
}
}這樣就能達到基本的主動緩存更新啦~
4 緩存穿透及其解決方案
4.1 緩存穿透的概念
緩存穿透是指客戶端請求的數(shù)據(jù)在緩存中和數(shù)據(jù)庫中都不存在，這樣緩存永遠(yuǎn)不會生效，這些請求都會打到數(shù)據(jù)庫。
通俗的說，就是請求的數(shù)據(jù)在數(shù)據(jù)庫和緩存中都沒有，最后請求都到了數(shù)據(jù)庫。這個時候，如果有一個惡意的程序員，通過某種方式不斷請求一個不存在的數(shù)據(jù)，這樣就會給數(shù)據(jù)庫帶來巨大的壓力。（就怕用戶懂代碼）
4.2 解決方案及實現(xiàn)
常見的緩存穿透的解決方案有兩種：
1.就是給redis緩存一個空對象并設(shè)置TTL存活時間
這種方式優(yōu)點在于實現(xiàn)簡單，維護方便，但也帶來了額外的內(nèi)存消耗和可能的短期的數(shù)據(jù)不一致。
小知識：這里的數(shù)據(jù)不一致發(fā)生在用戶剛從redis中拿到null值恰好數(shù)據(jù)插入了這個請求需要的值而導(dǎo)致的數(shù)據(jù)庫Redis數(shù)據(jù)不一致。
2. 就是利用布隆過濾
通俗的說，就是中間件~
這種方式 優(yōu)點在于內(nèi)存消耗較小，沒有多余的key，缺點就在于實現(xiàn)復(fù)雜，而且布隆過濾器有誤判的可能...
代碼實現(xiàn)：這里實現(xiàn)第一種
就拿上述的寫入商品信息為例：
我們只需要在數(shù)據(jù)庫獲取數(shù)據(jù)時，如果取到空值，不直接返回404，而是將空值也存入redis中，并且在判斷緩存是否命中時，判斷命中的值是不是我們傳入的空值。如果是，直接結(jié)束，不是就返回商鋪信息
package com.hmdp.service.impl;
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 org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.util.concurrent.TimeUnit;
import static com.hmdp.utils.RedisConstants.*;
/**
* <p>
* 服務(wù)實現(xiàn)類
* </p>
*
* @author 虎哥
* @since 2021-12-22
*/
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryShopById(Long id) {
//1.去redis中查詢商品是否存在
String key = CACHE_SHOP_KEY+id;
String shopJson = stringRedisTemplate.opsForValue().get(key);
if (StrUtil.isNotBlank(shopJson)){
//2.存在，直接返回給用戶
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
//判斷命中的是否為空字符串
/**
* (這里重點講一下為什么是不等于：因為我們獲取到的shopJson為null是，上面的isNotBlank方法會返回false，導(dǎo)致成為了不命中的效果)
*/
if (shopJson != null){
return Result.fail("商品信息不存在！");
}
//3.不存在，帶著id去數(shù)據(jù)庫查詢是否存在商品
Shop shop = getById(id);
if (shop == null){
// 4.將空值存入redis
stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL,TimeUnit.MINUTES);
//5.不存在，返回錯誤信息
Result.fail("商品信息不存在！");
}
//6.存在，存入redis(并設(shè)置超時時間)
stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);
//7.返回商品信息
return Result.ok(shop);
}
}總結(jié)：
緩存穿透產(chǎn)生的原因是什么？
用戶請求的數(shù)據(jù)在緩存中和數(shù)據(jù)庫中都不存在，不斷發(fā)起這樣的請求，給數(shù)據(jù)庫帶來巨大壓力。
緩存穿透的解決方案有哪些？（3-6點為擴展~）
1.緩存null值
2.布隆過濾
3.增強id的復(fù)雜度，避免被猜測id規(guī)律
4.做好數(shù)據(jù)的基礎(chǔ)格式校驗
5.加強用戶權(quán)限校驗
6.做好熱點參數(shù)的限流
5 緩存雪崩的概念及其解決方案
緩存雪崩是指在同一時段大量的緩存key同時失效或者Redis服務(wù)宕機，導(dǎo)致大量請求到達數(shù)據(jù)庫，帶來巨大壓力。
就是說，一群設(shè)置了有效期的key同時消失了，或者說redis罷工了，導(dǎo)致所有的或者說大量的請求會給數(shù)據(jù)庫帶來巨大壓力叫做緩存雪崩~
解決方式也比較的簡單~
1. 給不同的key添加隨機的TTL存活時間（這種就是最簡單的，設(shè)置存貨時間隨機各不相同）
2. 利用Redis集群（這種針對與Redis出現(xiàn)宕機的情況）
3. 給緩存業(yè)務(wù)添加降級限流策略（SpringCloud知識點）
4. 給業(yè)務(wù)添加多級緩存
6 緩存擊穿及解決方案
6.1 什么是緩存擊穿
緩存擊穿問題也叫熱點Key問題，就是一個被高并發(fā)訪問并且緩存重建業(yè)務(wù)較復(fù)雜的key突然失效了，無數(shù)的請求訪問會在瞬間給數(shù)據(jù)庫帶來巨大的沖擊。
大概的奔潰流程是這樣子的：
第一個線程，查詢redis發(fā)現(xiàn)未命中，然后去數(shù)據(jù)庫查詢并重建緩存，這個時候因為在緩存重建業(yè)務(wù)較為復(fù)雜的情況下，重建時間較久，又因為高并發(fā)的環(huán)境下，在線程1重建緩存的時間內(nèi)，會有其他的大量的其他線程進來，發(fā)現(xiàn)查找緩存仍未命中，導(dǎo)致繼續(xù)重建，如此死循環(huán)。
6.2 緩存擊穿解決方法
常見的解決方案有兩種：
6.2.1 互斥鎖
互斥鎖的解決方案如下：
就是當(dāng)線程查詢緩存未命中時，嘗試去獲取互斥鎖，然后在重建緩存數(shù)據(jù)，在這段時間里，其他線程也會去嘗試獲取互斥鎖，如果失敗就休眠一段時間，并繼續(xù)，不斷重試，等到數(shù)據(jù)重建成功，其他線程就可以命中數(shù)據(jù)了。這樣就不會導(dǎo)致緩存擊穿。這個方案數(shù)據(jù)一致性是絕對的，但是相對來說會犧牲性能。
實現(xiàn)方法：
1.獲取互斥鎖和釋放鎖的實現(xiàn)：
這里我們獲取互斥鎖可以使用redis中string類型中的setnx方法 ，因為setnx方法是在key不存在的情況下才可以創(chuàng)建成功的，所以我們重建緩存時，使用setnx來將鎖的數(shù)據(jù)加入到redis中，并且通過判斷這個鎖的key是否存在，如果存在就是獲取鎖成功，失敗就是獲取失敗，這樣剛好可以實現(xiàn)互斥鎖的效果。
而釋放鎖就更簡單了，直接刪除我們存入的鎖的key來釋放鎖。
//獲取鎖
public Boolean tryLock(String key){
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
//釋放鎖方法
public void unlock(String key){
stringRedisTemplate.delete(key);
}2.實現(xiàn)代碼：
具體操作流程如下圖：
實現(xiàn)代碼如下：
package com.hmdp.service.impl;
import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONObject;
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.RedisData;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.time.LocalDateTime;
import java.util.concurrent.Executor;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;
import static com.hmdp.utils.RedisConstants.*;
/**
* <p>
* 服務(wù)實現(xiàn)類
* </p>
*/
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryShopById(Long id) {
//互斥鎖緩存擊穿
Shop shop = queryWithMutex(id);
if (shop == null){
Result.fail("商品信息不存在!");
}
//8.返回商品信息
return Result.ok(shop);
}
// 緩存穿透解決——互斥鎖
public Shop queryWithMutex(Long id){
//1.去redis中查詢商品是否存在
String key = CACHE_SHOP_KEY+id;
String shopJson = stringRedisTemplate.opsForValue().get(key);
if (StrUtil.isNotBlank(shopJson)){
//2.存在，直接返回給用戶
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return shop;
}
//判斷命中的是否為空字符串
if (shopJson != null){
return null;
}
Shop shop = null;
String lockKey = LOCK_SHOP_KEY+id;
try {
//3.緩存重建
//3.1嘗試獲取鎖
Boolean isLock = tryLock(lockKey);
//3.2判斷獲取鎖是否成功，如果休眠重試
if (!isLock){
//休眠
Thread.sleep(50);
//重試用遞歸
queryWithMutex(id);
}
//3.3如果成功，去數(shù)據(jù)庫查找數(shù)據(jù)
shop = getById(id);
if (shop == null){
// 4.將空值存入redis
stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL,TimeUnit.MINUTES);
//5.不存在，返回錯誤信息
Result.fail("商品信息不存在！");
}
//6.存在，存入redis(并設(shè)置超時時間)
stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);
} catch (InterruptedException e) {
throw new RuntimeException(e);
} finally {
//7.釋放鎖
unlock(lockKey);
}
//8.返回商品信息
return shop;
}
//獲取鎖
public Boolean tryLock(String key){
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
//釋放鎖方法
public void unlock(String key){
stringRedisTemplate.delete(key);
}
}6.2.2 邏輯過期
邏輯過期的處理方法主要為：
給redis緩存字段中添加一個過期時間，然后當(dāng)線程查詢數(shù)據(jù)庫的時候，先判斷是否已經(jīng)過期，如果過期，就獲取獲取互斥鎖，并開啟一個子線程進行緩存重建任務(wù)，直到子線程完成任務(wù)后，釋放鎖。在這段時間內(nèi)，其他線程獲取互斥鎖失敗后，并不是繼續(xù)等待重試，而是直接返回舊數(shù)據(jù)。這個方法雖然性能較好，但也犧牲了數(shù)據(jù)一致性。
實現(xiàn)方法：
1.獲取互斥鎖和釋放鎖如上
2.給redis數(shù)據(jù)添加一個過期時間（創(chuàng)建一個RedisData類，并封裝數(shù)據(jù)）
RedisData類：
package com.hmdp.utils;
import lombok.Data;
import java.time.LocalDateTime;
@Data
public class RedisData {
private LocalDateTime expireTime;
private Object data;
}//給商品信息添加一個過期時間字段，并存入redis當(dāng)中
public void saveShop2Redis(Long id,Long expireSeconds){
Shop shop = getById(id);
RedisData redisData = new RedisData();
redisData.setData(shop);
redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY+id,JSONUtil.toJsonStr(redisData));
}然后就是業(yè)務(wù)實現(xiàn)了：
具體代碼如下：
package com.hmdp.service.impl;
import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONObject;
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.RedisData;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.time.LocalDateTime;
import java.util.concurrent.Executor;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;
import static com.hmdp.utils.RedisConstants.*;
/**
* <p>
* 服務(wù)實現(xiàn)類
* </p>
*/
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryShopById(Long id) {
//邏輯過期解決緩存擊穿問題
// Shop shop = queryWithLogicalExpire(id);
if (shop == null){
Result.fail("商品信息不存在!");
}
//8.返回商品信息
return Result.ok(shop);
}
private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
public Shop queryWithLogicalExpire(Long id){
//1.去redis中查詢商品是否存在
String key = CACHE_SHOP_KEY+id;
String shopJson = stringRedisTemplate.opsForValue().get(key);
//2.判斷是否命中
//3.未命中
if (StrUtil.isBlank(shopJson)){
return null;
}
//4.命中,先把redis中的數(shù)據(jù)反序列化成java對象
RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
//4.1獲取過期時間
LocalDateTime expireTime = redisData.getExpireTime();
//4.2獲取商品對象
JSONObject data = (JSONObject) redisData.getData();
Shop shop = JSONUtil.toBean(data, Shop.class);
//5.判斷是否過期
if (expireTime.isAfter(LocalDateTime.now())){
//未過期,直接返回shop
return shop;
}
//6.過期，重建緩存
//6.1嘗試獲取鎖，并判斷
String lockKey = LOCK_SHOP_KEY + id;
Boolean isLock = tryLock(lockKey);
if (isLock){
//5.2 如果成功，開啟一個獨立的線程,重建緩存
CACHE_REBUILD_EXECUTOR.submit(()->{
try {
//重建緩存
this.saveShop2Redis(id,20L);
} catch (Exception e) {
throw new RuntimeException(e);
} finally {
//釋放鎖
unlock(lockKey);
}
});
}
//6.2返回舊的商品信息
return shop;
}
//獲取鎖
public Boolean tryLock(String key){
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
//釋放鎖方法
public void unlock(String key){
stringRedisTemplate.delete(key);
}
//給商品信息添加一個過期時間字段，并存入redis當(dāng)中
public void saveShop2Redis(Long id,Long expireSeconds){
Shop shop = getById(id);
RedisData redisData = new RedisData();
redisData.setData(shop);
redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY+id,JSONUtil.toJsonStr(redisData));
}
}緩存知識結(jié)束。
到此這篇關(guān)于Redis緩存實例超詳細(xì)講解的文章就介紹到這了,更多相關(guān)Redis緩存策略內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
redis中opsForList().range()的使用方法詳解
這篇文章主要給大家介紹了關(guān)于redis中opsForList().range()的使用方法,文中通過實例代碼以及圖文介紹的非常詳細(xì),對大家學(xué)習(xí)或者使用redis具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2023-03-03
Redis雖不支持傳統(tǒng)SQL數(shù)據(jù)庫ACID特性的事務(wù),但提供了事務(wù)特性,允許多命令捆綁執(zhí)行,通過命令MULTI、EXEC、DISCARD、WATCH實現(xiàn),感興趣的可以了解一下2024-10-10
文章主要介紹了Redis熱點Key的概念、危害、產(chǎn)生原因以及如何檢測和解決熱點Key問題,熱點Key會導(dǎo)致Redis節(jié)點負(fù)載過高、集群負(fù)載不均、性能下降、數(shù)據(jù)不一致和緩存擊穿等問題,解決熱點Key問題的方法包括數(shù)據(jù)分片、讀寫分離、緩存預(yù)熱、限流和熔斷降級2025-01-01
無法連接redis服務(wù)器問題的解決辦法(非常詳細(xì)!)
這篇文章主要介紹了如何解決Spring?Boot項目連接Redis失敗的問題,通過修改Redis配置文件、添加防火墻白名單或關(guān)閉防火墻,并使用RESP工具進行測試,需要的朋友可以參考下2025-02-02
redis主從切換導(dǎo)致的數(shù)據(jù)丟失與陷入只讀狀態(tài)故障解決方案
這篇文章主要介紹了redis主從切換導(dǎo)致的數(shù)據(jù)丟失與陷入只讀狀態(tài)故障解決方案的相關(guān)資料,需要的朋友可以參考下2023-05-05
Redis覆寫已存在的鍵會導(dǎo)致其舊的失效時間被新的鍵值對所取代,本文詳細(xì)解析了在鍵被覆寫時,其失效時間的變化,具有一定的參考價值,感興趣的可以了解一下2024-09-09
關(guān)于在Redis中使用Pipelining加速查詢的問題
這篇文章主要介紹了在Redis中使用Pipelining加速查詢,Redis是一個client-server模式的TCP服務(wù)，也被稱為Request/Response協(xié)議的實現(xiàn)，本文通過一個例子給大家詳細(xì)介紹，感興趣的朋友一起看看吧2022-05-05
Redis是一款高性能的開源內(nèi)存數(shù)據(jù)庫,廣泛應(yīng)用于緩存、消息隊列、實時分析等場景,在Redis中,我們經(jīng)常需要刪除過期的key,以釋放內(nèi)存空間并保持?jǐn)?shù)據(jù)的有效性,本文將為您詳細(xì)介紹Redis的過期key刪除策略,幫助您更好地管理和優(yōu)化Redis數(shù)據(jù)庫2023-10-10
Redis的數(shù)據(jù)類型和內(nèi)部編碼詳解
Redis是通過Key-Value的形式來組織數(shù)據(jù)的,而Key的類型都是String,而Value的類型可以有很多,在Redis中最通用的數(shù)據(jù)類型大致有這幾種：String、List、Set、Hash、Sorted Set,下面通過本文介紹Redis數(shù)據(jù)類型和內(nèi)部編碼,感興趣的朋友一起看看吧2024-04-04
華為歐拉openEuler編譯安裝Redis的實現(xiàn)步驟
本文主要介紹了華為歐拉openEuler編譯安裝Redis的實現(xiàn)步驟，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-01-01