目录
本文中的图片内容部分来源于黑马程序员教程案例
一、什么是缓存
缓存是一种用于临时存储数据的技术或机制，旨在提高数据访问速度和系统性能。 缓存通常位于计算机系统内部或附近，可以是硬件、软件或两者的结合体。例如，Web浏览器可以将最常访问的网页内容缓存在本地，以便下次访问时无需从远程服务器重新下载。
缓存的作用和原理在于利用程序局部性原理，将频繁访问的数据存储在高速存储器中，如SRAM或DRAM，以便快速访问。当硬件需要读取数据时，首先在缓存中查找，如果找到则直接执行，否则从内存中查找。由于缓存的运行速度比内存快得多，因此缓存的作用是帮助硬件更快地运行。
缓存可以根据不同的分类标准进行分类。例如，根据存储位置和用途的不同，可以分为CPU缓存、硬盘缓存、内存缓存等。CPU缓存包括L1、L2和L3缓存，硬盘缓存用于提高数据传输速度。此外，还有HTTP缓存、浏览器缓存等。
虽然缓存可以提高系统性能，但也会引入一定的数据一致性问题。因为缓存中的数据可能会与后端数据源（如数据库）存在不一致的情况，所以在使用缓存时需要考虑数据的更新和缓存的过期策略，以保证数据的一致性。
二、缓存更新策略
2.1. 缓存主动更新策略
指在更新数据库中的数据时，如何同步更新缓存中的数据，以保证数据的一致性。常见的缓存更新策略包括Cache Aside模式、Read/Write Through模式和Write Behind模式。
2.1.1. Cache Aside模式（主流）
Cache Aside模式是最常用的缓存更新策略，其中又分为两种：
1. 先删除缓存，再操作数据库
2. 先操作数据库，再删除缓存（主流），其操作步骤如下：
- 先更新数据库中的数据。
- 然后删除缓存中的数据，或者让缓存失效。
- 当下次查询时，如果缓存失效，则重新从数据库中读取数据并更新缓存。
注：由于操作缓存和数据库的话存在线程安全性问题，相较于先删除缓存再操作数据库而言，先操作数据库再删除缓存对于产生线程安全性的概率较低，因为写缓存的速度比更新数据库要快很多：线程1在查询缓存未命中后继续查询数据库时，线程2进来更新数据库，绝大部分情况下线程2更新数据库期间，线程1已经完成了缓存的写入。
2.1.2. Read/Write Through模式
Read/Write Through模式将缓存和数据库整合为一个服务，由服务来维护一致性。操作步骤如下：
- 查询操作直接从缓存中读取数据。
- 如果缓存中不存在数据，则直接从数据库中读取并返回给用户，同时将数据写入缓存。
2.1.3. Write Behind模式
Write Behind模式由其他线程异步地将缓存数据持久化到数据库，保证最终一致性。操作步骤如下：
- 更新操作只更新缓存。
- 由其他线程异步地将缓存数据写入数据库。
2.1.4. 总结
缓存更新策略的最佳实践方案
1. 低一致性需求：使用Redis自带的内存淘汰机制
2. 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
整个写操作的逻辑，我们要确保事务性，如在单体的Spring的JavaWeb项目业务代码的Service实现层添加@Transactional注解，分布式的项目中可以通过TTC模式来控制，当比如删除Redis缓存出现异常，直接回滚数据库的写操作。
三、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，这些请求都会到数据库。
常见的解决方案有两种：
3.1. 缓存空对象（项目中主流用法）：
- 优点：实现简单，维护方便
- 缺点：额外的内存消耗以及可能造成短期的不一致
2. 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
3. 参数校验过滤不合法请求
通过对用户输入的参数进行校验，例如检查ID的格式是否合法，如果不合法则直接拒绝请求。这种方法可以过滤掉一部分恶意伪造的用户请求，减少对数据库的压力。
4. 使用分布式锁
在缓存未命中时，通过分布式锁控制只有一个请求去查询数据库，其他请求等待锁释放。这样可以防止多个请求同时查询数据库，减轻数据库的压力。
5. 服务降级和限流
在面对大量的恶意请求时，可以通过服务降级或限流的方式来保护后端服务。限流可以限制到达数据库的请求数量，避免数据库压力过大。
四、缓存雪崩
缓存雪崩是指由于缓存中大量数据同时失效或缓存服务器故障，导致大量请求直接打到数据库上，引发数据库压力激增，可能导致整个系统崩溃的现象。 缓存雪崩通常由于缓存的过期策略不当或缓存服务器故障导致。例如，如果大量的缓存数据设置为在同一时间点过期，或者缓存服务器出现问题无法提供服务，所有的请求将直接访问后端存储系统，导致后端系统瞬时承受巨大的负载压力
解决方案：
- 给不同的key的TTL失效时间设置随机值
- 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
五、缓存击穿
缓存击穿是指当一个缓存中的热点数据过期或被删除后，大量并发请求同时到达，导致这些请求直接穿透缓存访问数据库，从而增加数据库的负载。 这种情况通常发生在热点数据过期或删除的瞬间，导致短时间内大量请求无法通过缓存获取数据，直接访问数据库，造成数据库负载急剧增加。
缓存击穿的具体场景包括：
- 热点数据过期：当缓存中的热点数据过期时，大量请求会同时查询后端数据库，导致数据库负载增加。
- 第一次请求：对于一个之前从未被请求过的数据，当它第一次被请求时，缓存中没有该数据，导致请求穿透到后端存储。
解决缓存击穿的方法包括：
- 设置热点数据永不过期：将热点数据的缓存过期时间设置为较长的时间，甚至是永不过期。这种方法可以避免缓存击穿，但可能导致数据不够及时和准确。
- 使用互斥锁：在数据失效时，通过设置互斥锁来保护数据库访问过程。如果某个请求已经获取到了锁，其他请求需要等待，直到获取到锁为止。这种方法可以避免大量并发请求同时访问数据库，但可能导致并发性能下降和请求等待时间增加
注意：这两种方案没有孰优孰劣，在实际项目中，我们要针对业务场景和需求，权衡自身是更注重可用性还是一致性来做选择。
5.1. 互斥锁实现
5.1.1. 实现流程图
5.1.2. 主要实现代码
package com.hmdp.service;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.baomidou.mybatisplus.extension.service.IService;
public interface IShopService extends IService<Shop> {
Result queryById(Long id);
Result update(Shop shop);
}
package com.hmdp.service.impl;
import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONUtil;
import com.baomidou.mybatisplus.extension.plugins.pagination.Page;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.hmdp.mapper.ShopMapper;
import com.hmdp.service.IShopService;
import com.hmdp.utils.CacheClient;
import com.hmdp.utils.SystemConstants;
import org.springframework.data.geo.Distance;
import org.springframework.data.geo.GeoResult;
import org.springframework.data.geo.GeoResults;
import org.springframework.data.redis.connection.RedisGeoCommands;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.domain.geo.GeoReference;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.util.*;
import java.util.concurrent.TimeUnit;
import static com.hmdp.utils.RedisConstants.*;
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryById(Long id) {
// 互斥锁解决缓存击穿
Shop shop = queryWithMutex(id);
if (shop == null) {
return Result.fail("店铺不存在");
}
return Result.ok(shop);
}
@Override
@Transactional
public Result update(Shop shop) {
Long id = shop.getId();
if (id == null) {
return Result.fail("id不能为空");
}
// 1.更新数据库
updateById(shop);
// 2.删除缓存
stringRedisTemplate.delete(CACHE_SHOP_KEY + id);
return Result.ok();
}
public Shop queryWithMutex(Long id) {
String key = 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
return JSONUtil.toBean(shopJson, Shop.class);
}
// 判断命中的是否为null空值，如果是除了null以外的""和" \t\n"这类空串，则直接返回错误信息
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;
Shop shop = null;
try {
boolean isLock = trylock(lockKey);
// 4.2. 判断是否获取成功
if (!isLock) {
// 4.3. 失败，则休眠并重试
Thread.sleep(50);
return queryWithMutex(id);
}
// 4.4 获取成功，则根据id查询数据库
shop = getById(id);
// 5. 不存在，则返回错误
if (shop == 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. 存在，写入Redis
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
} catch (InterruptedException e) {
throw new RuntimeException();
} finally {
// 释放互斥锁
unlock(lockKey);
}
// 7. 返回
return shop;
}
private boolean trylock(String key) {
// 不要直接返回flag，因这个值可能会为空，直接拆箱会可能报空指针
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
private void unlock(String key) {
stringRedisTemplate.delete(key);
}
}
