redis和本地缓存guava的区别 redis与缓存的区别

文章目录

• 什么是缓存？
• 添加商户缓存
• 缓存更新策略

• 主动更新策略
• 实现商铺查询的缓存与数据库双写一致

• 缓存穿透问题的解决思路

• 布隆过滤器原理
• 编码解决商品查询的缓存穿透问题

• 缓存雪崩问题及解决思路
• 缓存击穿问题及解决思路

• 基于互斥锁的方式解决缓存击穿问题
• 基于逻辑过期的方式解决缓存击穿问题

• 封装redis工具类
• 思维导图总结

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。它是存储数据的临时地方，一般读写性能较高

实际开发中,缓存技术可以防止过高的数据访问猛冲系统,导致其操作线程无法及时处理信息而瘫痪;

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

缓存的作用与成本：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

添加商户缓存

我们可以发现我们的商户信息都是从/shop这个接口得到的，如下图:

后面的1是这个商户的id。

通过项目原先的代码我们可以发现这里的商户查询是直接走的数据库：

那么接下来我们就给这个接口添加缓存，提高查询性能。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。

根据这个缓存作用模型，我们可以大致规划出根据id查询商铺缓存的流程：

我们还是将逻辑放在Service层，然后在Controller直接返回即可。

商铺的信息是一个对象，我们第一反应是使用hash结构去存储，不过使用String也是可以的，这里我们使用后者。

这个地方建议拿到逻辑图直接开写，不要再去看视频跟着老师敲。因为这个地方的逻辑跟前面的业务差不多。心里大致有个数，套路都差不多：

• 可能要用到hutool工具类
• 存到redis的时候key要有前缀

代码如下：

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Autowired
    private StringRedisTemplate stringRedisTemplate;


    @Override
    public Result queryById(Long id) {
        //从redis中查询商铺缓存
        String shop = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);
//        如果缓存命中则将json数据转换成对象返回
        if (StrUtil.isNotBlank(shop)) return Result.ok(JSONUtil.toBean(shop,Shop.class));
//        如果缓存没有命中则根据id查询数据库
        Shop shop1 = getById(id);
        //如果商户在数据库中都查询不到则直接报错404
        if (shop1 == null) return Result.fail("不存在此商户");
//        如果存在此商铺则将数据库中的商铺信息写回到redis中，然后再将信息返回
        stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id,JSONUtil.toJsonStr(shop1));

        return Result.ok(shop1);

    }
}

这段代码我第一次写的时候字符串判空我直接与null比较逻辑不是很严密，我看了一下这个工具类的isNotBlank方法：

其中的判断更加严密除了判断字符串为null的情况，还考虑了空字符、空格等情况。

注意这个地方容易弄混的概念：
我们是把一个对象转成Json形式存储在redis中，把他从redis中拿出来的时候再把它从Json转化成对象，这个转化的动作是我们手动的，没有别人帮我们做。
而我们的Controller层中将接收到的Json转化成对象，将返回的对象转化成Json，这些动作是依靠SpringBoot框架中内置的jackson，不需要我们自己手动的去转化。

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

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？

主动更新策略

为了保持高的一致性我们一般使用主动更新这种方法，此方法大概有如下三种策略：

• Cache Aside Pattern：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（人工编码方式）
• 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(具有不透明性，我们的操纵者不知道操作的是数据库还是缓存)
• 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（缓存写回方式，也就是将缓存作为最新的数据源。异步处理可以提高效率，缓存中的多次操作，经过异步处理之后可能只会有少量的数据库操作。但是其缺点也非常明显，在中途两端的数据是不一致的，并且如果发生宕机的情况，因为缓存是在内存当中，所以会发生数据完全丢失的情况）

方案一可控性更高，所以在企业中一般使用的是第一种人工编码的方案

我们在使用方案一的时候，还要考虑以下三个问题：

• 删除缓存还是更新缓存？
• 如何保证缓存与数据库的操作的同时成功与失败？
• 先操作缓存还是先操作数据库？
• 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

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

• 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

• 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呢？

方案一：

• 正常情况：
• 异常情况：
• 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
• 方案一异常情况发生几率较高，因为线程1中的更新数据库的时间较长，而线程2中的查询缓存和写入缓存时间都非常的短，所以异常情况还是很容易发生的。

方案二：

• 正常情况：



• 异常情况：



• 因为缓存的写入速度极快，而数据库更新的速度较慢，所以方案二的异常情况发生的机率极低

所以从线程安全的方面来讲我们一般选择方案二

总结：

实现商铺查询的缓存与数据库双写一致

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（超时剔除的兜底方案）
• 根据id修改店铺时，先修改数据库，再删除缓存

对于需求1，我们只需要修改ShopServiceImpl的queryById方法即可：

对于需求2：

然后我们再在ShopServiceImpl中去实现updateByIdPlus这个方法即可；

数据库操作和缓存操作同进退，因为是单体系统，所以这里使用Transactional注解。

缓存穿透问题的解决思路

缓存穿透 ：大量请求的 key 是不合理的，根本不存在于缓存中，也不存在于数据库中 。这就导致这些请求直接到了数据库上，根本没有经过缓存这一层，对数据库造成了巨大的压力，可能直接就被这么多请求弄宕机了。如果此漏洞被利用，会给数据库造成巨大的压力，甚至被破坏。

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(可以设置TTL来缓解这一问题)
• 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

左图为缓存空对象的原理，右图为布隆过滤的原理。

布隆过滤器原理

布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难。

布隆过滤器使用场景

• 判断给定数据是否存在：比如判断一个数字是否存在于包含大量数字的数字集中（数字集很大，上亿）、 防止缓存穿透（判断请求的数据是否有效避免直接绕过缓存请求数据库）等等、邮箱的垃圾邮件过滤（判断一个邮件地址是否在垃圾邮件列表中）、黑名单功能（判断一个IP地址或手机号码是否在黑名单中）等等。
• 去重：比如爬给定网址的时候对已经爬取过的 URL 去重、对巨量的 QQ号/订单号去重。去重场景也需要用到判断给定数据是否存在，因此布隆过滤器主要是为了解决海量数据的存在性问题。

布隆过滤器原理

当一个元素加入布隆过滤器中的时候，会进行如下操作：

• 使用布隆过滤器中的哈希函数对元素值进行计算，得到哈希值（有几个哈希函数得到几个哈希值）。
• 根据得到的哈希值，在位数组中把对应下标的值置为 1。

当我们需要判断一个元素是否存在于布隆过滤器的时候，会进行如下操作：

• 对给定元素再次进行相同的哈希计算；
• 得到值之后判断位数组中的每个元素是否都为 1，如果值都为 1，那么说明这个值在布隆过滤器中，如果存在一个值不为 1，说明该元素不在布隆过滤器中。

Bloom Filter 的简单原理图如下：

如图所示，当字符串存储要加入到布隆过滤器中时，该字符串首先由多个哈希函数生成不同的哈希值，然后将对应的位数组的下标设置为 1（当位数组初始化时，所有位置均为 0）。当第二次存储相同字符串时，因为先前的对应位置已设置为 1，所以很容易知道此值已经存在（去重非常方便）。

如果我们需要判断某个字符串是否在布隆过滤器中时，只需要对给定字符串再次进行相同的哈希计算，得到值之后判断位数组中的每个元素是否都为 1，如果值都为 1，那么说明这个值在布隆过滤器中，如果存在一个值不为 1，说明该元素不在布隆过滤器中。

不同的字符串可能哈希出来的位置相同，这种情况我们可以适当增加位数组大小或者调整我们的哈希函数。

综上，我们可以得出：布隆过滤器说某个元素存在，小概率会误判。布隆过滤器说某个元素不在，那么这个元素一定不在。

编码解决商品查询的缓存穿透问题

我们这里使用缓存空对象的思路去解决这一个问题

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""，如果是""，则说说明是之前写入的数据，证明是缓存穿透数据，如果不是，则直接返回数据。

我们这里对ShopServiceImpl中的queryById方法进行修改，代码如下：

@Override
    public Result queryById(Long id) {
        //从redis中查询商铺缓存
        String shop = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);
//        如果缓存命中则将json数据转换成对象返回
        if (StrUtil.isNotBlank(shop)) return Result.ok(JSONUtil.toBean(shop,Shop.class));
        //然后我们要处理缓存穿透的空值情况
        if(shop != null) return Result.fail("店铺信息不存在");
//        如果缓存没有命中则根据id查询数据库
        Shop shop1 = getById(id);
        //如果商户在数据库中都查询不到则直接报错404(废弃)
//        if (shop1 == null) return Result.fail("不存在此商户");
        //如果商户在数据库中查询不到则将空值写入redis，预防缓存击穿的情况
        if (shop1 == null) {
            stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id,"",RedisConstants.CACHE_NULL_TTL,TimeUnit.MINUTES);
            Result.fail("不存在此商户");
        }
//        如果存在此商铺则将数据库中的商铺信息写回到redis中，然后再将信息返回
        stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id,JSONUtil.toJsonStr(shop1),RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);

        return Result.ok(shop1);

    }

我们处理缓存穿透的空值情况时，使用shop != null可能有人第一时间没有反应过来为什么这么写。

我们要首先要知道我们从缓存中查到的shop有三种值：

• ""
• null
• String

经过StrUtil.isNotBlank(shop)的一层过滤之后，只剩下了null和""的情况，而如果我们直接使用equals方法判断是否为""。会出现空指针的情况，所以我们这里使用shop != null

当然这样也是可以的：

"".equals(shop)

小总结：

缓存穿透产生的原因是什么？

• 用户请求的数据在缓存中和数据库中都不存在，不断发起这样的请求，给数据库带来巨大压力

缓存穿透的解决方案有哪些？

• 缓存null值
• 布隆过滤
• 增强id的复杂度，避免被猜测id规律
• 做好数据的基础格式校验
• 加强用户权限校验
• 做好热点参数的限流

缓存雪崩问题及解决思路

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

• 在做缓存的预热的时候，会提前把数据库中的数据导入到缓存当中，这个时候会出现大量的相同TTL的key，他们会在一个时间点失效导致雪崩。而如果我们给不同的Key的TTL添加随机值就会让这些key在一个时间段内失效，这就大大降低了缓存雪崩的发生。

• 利用Redis集群提高服务的可用性

• 哨兵机制

• 给缓存业务添加降级限流策略

• 也就是牺牲部分服务(拒绝访问)，来保护数据库的健康

• 给业务添加多级缓存

缓存击穿问题及解决思路

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。

缓存穿透和缓存击穿有什么区别？

• 缓存穿透中，请求的 key 既不存在于缓存中，也不存在于数据库中。
• 缓存击穿中，请求的 key 对应的是 热点数据 ，该数据 存在于数据库中，但不存在于缓存中（通常是因为缓存中的那份数据已经过期） 。

常见的解决方案有两种：

• 互斥锁
• 逻辑过期

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

解决方案一：使用锁

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。

进行对比

互斥锁方案： 由于保证了互斥性，所以数据一致，且实现简单，因为仅仅只需要加一把锁而已，也没其他的事情需要操心，所以没有额外的内存消耗，缺点在于有锁就有死锁问题的发生，且只能串行执行性能肯定受到影响

逻辑过期方案： 线程读取过程中不需要等待，性能好，有一个额外的线程持有锁去进行重构数据，但是在重构数据完成前，其他的线程只能返回之前的数据，且实现起来麻烦

基于互斥锁的方式解决缓存击穿问题

需求：修改根据id查询商铺的业务，基于互斥锁的方式来解决缓存击穿问题

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

注意：
这里的锁不是我们平常使用的synchronized或者lock，拿到锁了可以执行，没拿到锁就等待。而我们这里拿到锁和没拿到锁的执行逻辑需要我们自己去自定义，所以说我们不能使用原来那些方式。那么我们用什么方式来自定义这种互斥锁呢(也就是说多个线程并行只能有一个线程成功，其他线程失败)？
在redis的string类型中我们接触过一个命令setnx：

也就是相当于：

• 获取锁就是用setnx赋值
• 释放锁就是删除key

我们在使用setnx添加key的时候，一般会设置一个有限期，防止因为一些意外故障导致这个锁一直没有被释放

首先我们先写两个方法代表锁的获得和释放，方便后面业务中的使用：

//获取锁
    private boolean tryLock(String key){
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }
    //释放锁
    private void unLock(String key){
        stringRedisTemplate.delete(key);
    }

注意这里使用BooleanUtil.isTrue是因为我们的flag是Boolean而方法返回的是boolean，所以这里会自动拆箱，而自动拆箱的本质就是执行包装类对应的valueOf方法，如果flag是null那么就会出现空指针的情况。

整体代码如下：

/**
     * 缓存击穿使用互斥锁解决
     * @param id
     * @return
     */
    public Shop queryWithMutex(Long id){
        // 1、从redis中查询商铺缓存
        String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);
        // 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 = RedisConstants.LOCK_SHOP_KEY + 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
                stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id,"",CACHE_NULL_TTL,TimeUnit.MINUTES);
                //返回错误信息
                return null;
            }
            //6.写入redis
            stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id,JSONUtil.toJsonStr(shop),CACHE_NULL_TTL,TimeUnit.MINUTES);

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

基于逻辑过期的方式解决缓存击穿问题

需求：修改根据id查询商铺的业务，基于逻辑过期方式来解决缓存击穿问题

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，则尝试获取锁，如果没有获取到锁说明现在有人正在重建缓存，所以直接返回脏数据，如果获取到了锁，则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。

由于我们在redis中存储的数据要多一项过期时间，所以这里我们有两种处理方法：

• 新建一个类，赋予过期时间属性，然后让shop类去继承他
• 新建一个类，赋予过期时间属性以及Object类的数据属性，直接把它当作新的实体类存储

前面一个方法对源代码造成了改动，不建议使用。而后一种代码对代码的侵入性较弱，并且在后面的开发中，除了shop类其他类也可以使用这个进行数据的存储。

步骤一：创建RedisData

@Data
public class RedisData {
    private LocalDateTime expireTime;
    private Object data;
}

步骤二：模拟缓存预热的场景

在实际情况下，我们在做活动之前肯定是先在后台将这些热点key进行缓存预热。这里我们在ShopServiceImpl 新增方法，再利用单元测试进行缓存预热。

缓存预热分为三步：

• 查询商铺数据
• 封装数据与逻辑过期时间
• 写入redis

代码如下：

ShopServiceImpl中：

public void preSaveShopInRedis(Long id,Long expireSeconds){
        //查询店铺信息
        Shop shop = getById(id);
        //封装数据，并且设置过期时间
        RedisData container = new RedisData();
        container.setData(shop);
        container.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
        //写入到redis中
        stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id,JSONUtil.toJsonStr(container));
    }

测试：

结果：

做完前两步之后，接下来我们正式开始编写业务代码：

这里主要有两个问题：

我们从redisData里面拿出来的对象是Object类型的，而我们想要的是shop类型的。我们知道Json的反序列化依赖的是字节码(.class文件)：

但是我们字节码文件里面，注明了data是Object类型：

我们在使用redisData的getData方法的时候，得到的是一个Object类型，但其本质其实是JSONObject类型，我们可以利用这种类型再使用JSONUtil.toBean方法，提供相应的字节码文件，就可以转化成我们想要的类型了。

还有一个问题就是创建一个新线程，我们知道创建新线程有四种方法：

• 继承Thread类创建线程
• 实现Runnable接口创建线程
• 使用Callable和Future创建线程
• 使用线程池例如用Executor框架

这个地方我们使用线程池这种方法，具体做法就是使用Executors创建一个固定数目线程的线程池(FixedThreadPool)

业务完整代码如下：

public static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
    /**
     * 缓存击穿使用逻辑过期时间解决
     * @param id
     * @return
     */
    public Shop queryWithLogic(Long id){
        //从redis中查询商铺缓存
        String box = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);
//        如果缓存未命中则直接返回空
        if (StrUtil.isBlank(box)) return null;
//        如果缓存命中则先查看缓存是否过期
        RedisData redisData = JSONUtil.toBean(box, RedisData.class);
        Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);
        LocalDateTime expireTime = redisData.getExpireTime();
        if (expireTime.isAfter(LocalDateTime.now())){
            //说明没有过期。这个时候直接返回脏数据
            return shop;
        }
        //如果过期了，尝试获取互斥锁
        boolean lock = tryLock(RedisConstants.LOCK_SHOP_KEY + id);
        if (lock){
            //如果锁获取成功了，开启新的线程
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    this.preSaveShopInRedis(id,20L);
                } catch (Exception e) {
                    e.printStackTrace();
                } finally {
                    unLock(RedisConstants.LOCK_SHOP_KEY + id);
                }
            });
        }
        return shop;
    }

注意：
①submit方法中需要一个实现了runnable接口的实例，而runnable接口是单方法接口所以我们可以直接使用lambda表达式或者方法引用。
②为了保证不必要的意外引起的锁释放出问题，所以我们一般将锁释放写在finally中
③比较时间的先后我们使用的是isAfter方法。

封装redis工具类

经过前面的内容我们可以发现，无论是解决缓存穿透，还是解决缓存击穿等问题他们的代码逻辑都有些复杂。如果我们每次开发的时候都去写这些逻辑，会让开发的成本变得很高，所以我们一般会将这些解决方案封装成工具方便后续的使用。

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

@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));
    }

    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, "", CACHE_NULL_TTL, 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_KEY + 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_KEY + 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, "", CACHE_NULL_TTL, 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);
    }
}

然后我们到ShopServiceImpl中去使用我们封装好了的redis工具类：

@Resource
private CacheClient cacheClient;

 @Override
    public Result queryById(Long id) {
        // 解决缓存穿透
        Shop shop = cacheClient
                .queryWithPassThrough(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);

        // 互斥锁解决缓存击穿
        // Shop shop = cacheClient
        //         .queryWithMutex(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);

        // 逻辑过期解决缓存击穿
        // Shop shop = cacheClient
        //         .queryWithLogicalExpire(CACHE_SHOP_KEY, id, Shop.class, this::getById, 20L, TimeUnit.SECONDS);

        if (shop == null) {
            return Result.fail("店铺不存在！");
        }
        // 7.返回
        return Result.ok(shop);
    }

思维导图总结