redis应用场景之缓存

2020-07-19  本文已影响0人  我有一只喵喵

一、缓存一些知识

1.1、缓存击穿、缓存穿透、缓存雪崩是什么？

1.2 应对缓存击穿

1.3 应对缓存穿透

1.4 应对缓存雪崩

二、redisLRU缓存机制

2.1 Redis内存淘汰机制

LRU是Least Recently Used的缩写，即最近最少使用，是一种常用的页面置换算法，选择最近最久未使用的页面予以淘汰。该算法赋予每个页面一个访问字段，用来记录一个页面自上次被访问以来所经历的时间 t，当须淘汰一个页面时，选择现有页面中其 t 值最大的，即最近最少使用的页面予以淘汰。 ----- 摘自百度百科

LRU缓存那就是将最近最少访问的缓存剔除。redis针对LRU机制提供了实现支持。redis在redis.conf中提供了配置选项maxmemory 来配置执行大小的内存数据集。或者在服务器运行时，可在客户端通过CONFIG SET进行设置。

maxmemory 100mb

如果设置未0，那么则表示内存不受限制。当往redis中存放值时，达到我们指定的maxmemory值时，redis提供了多种不同的剔除值策略。可以通过在redis.conf中配置策略

noeviction xxx

其中volatile-lru、volatile-random、volatile-ttl如果没有满足条件的key可以进行删除，那么它们的行为就和noeviction策略一样。剔除策略也可以在运行时进行设置。

2.2 Redis LRU淘汰机制精确度

在redis3.0之后，redis针对之前近似LRU算法进行了性能上的改进提升，以及使得LRU算法更加接近准确。通过配置参数maxmemory-samples可以调整样本的数量来为LRU算法获取精度。注意redis的LRU算法并不是LRU真正具体的实现，因为那很耗费内存。但是其实redis计算出的近似值于真实算法值是很相近的。

maxmemory-samples 5
redis lru算法与真实lru对比.png

从上述Redis官方给的测试数据可以看出，同样样本数未5，redis3.0要比之前好一点，当提高样本数之后，更加的好一点，但是与真实LRU算法实现还是差点火候。

我们可以以额外的CPU使用为代价将样本大小增加到10，以接近真实的LRU，并检查这是否会对缓存漏报率产生影响。

在生产环境中，很容易通过CONFIG SET maxmemory-samples <count>命令来设置不同的样本值进行实验。

三、Redis结合Spring Cache Abstraction实现缓存

spring cache abstraction的更多使用spring知识之Spring Cache Abstraction的使用

实现缓存的思想其实并不复杂，简单点说，就是查询先从缓存服务器中查询，如果查询到则立即返回，否则再去DB中查询返回然后再放至到缓存当中；；在对数据进行更新操作时，操作DB成功以后，在决定缓存的更新策略（更新缓存or删除缓存）。

3.1 配置RedisCacheManager

spring-data-redis提供了spring抽象缓存的实现，为了借助于spring cache实现缓存，我们需要加载一个RedisCacheManager。

@Bean
public RedisCacheManager cacheManager(RedisConnectionFactory connectionFactory) {
    return RedisCacheManager.create(connectionFactory);
}

通过RedisCacheManager.create创建出的是默认配置的RedisCacheManager，如果我们想设置一些事务或者预定义缓存则可通过builder进行构建。

3.1.1 自定义缓存配置RedisCacheConfiguration

RedisCacheConfiguration配置类，可以用来配置比如设置缓存key的过期时间、是否缓存null值、是否启用key前缀、以及key和value缓存过程中二进制数据 的序列化策略。

        // 默认缓存配置
        RedisCacheConfiguration redisCacheConfiguration = RedisCacheConfiguration.defaultCacheConfig();

        // 设置缓存key失效时间为2分钟
        redisCacheConfiguration.entryTtl(Duration.ofMinutes(2));

        // 禁用缓存null值(默认为启用)
        redisCacheConfiguration.disableCachingNullValues();

        // 禁用设置key前缀（默认为启用）
        redisCacheConfiguration.disableKeyPrefix();

        // 设置key前缀
        redisCacheConfiguration.prefixCacheNameWith("miaomiao:");

3.2 代码实操Srping Cache Abstranction

大致贴下各层demo。

entity(注意需要序列化)

@Entity
@Table(name = "user")
public class UserInfo implements Serializable {

    @Id
    @Column(name = "user_id")
    private int userId;

    @Column(name = "user_name")
    private String userName;
    
get set 省略。。。
}

Dao

@Repository
public interface UserInfoRepository extends JpaRepository<UserInfo,Integer> {
}

Service

public interface UserInfoService {
    Optional<UserInfo> getUserInfo(int userId);
}


@Service
public class UserInfoServiceImpl implements UserInfoService {
    @Autowired
    private UserInfoRepository userInfoRepository;

    @Override

    @Cacheable("user")
    public Optional<UserInfo> getUserInfo(int userId) {
        System.out.println("发生了真实调用！！！");
        return userInfoRepository.findById(userId);
    }
}

config（注意@EnableCaching启用缓存）

@Configuration
@EnableCaching
public class RedisCacheConfig {
    @Bean
    public RedisCacheManager cacheManager(RedisConnectionFactory redisConnectionFactory) {
        // 默认缓存配置
        RedisCacheConfiguration redisCacheConfiguration = RedisCacheConfiguration.defaultCacheConfig();

        // 设置缓存key失效时间为2分钟
        redisCacheConfiguration.entryTtl(Duration.ofMinutes(2));

        // 禁用缓存null值(默认为启用)
        redisCacheConfiguration.disableCachingNullValues();

      
        return RedisCacheManager.builder(redisConnectionFactory).cacheDefaults(redisCacheConfiguration).build();
    }
}

Test 以及输入

@SpringBootTest
public class UserInfoServiceImplTest {

    @Autowired
    private UserInfoService userInfoService;

    @Test
    public void getUserInfo() {
        System.out.println("=========start1===========");
        System.out.println(userInfoService.getUserInfo(1));
        System.out.println("==========end1==========");

        System.out.println("=========start2===========");
        System.out.println(userInfoService.getUserInfo(1));
        System.out.println("==========end2==========");

    }
}

=========start1===========
发生了真实调用！！！
Hibernate: select userinfo0_.user_id as user_id1_0_0_, userinfo0_.user_name as user_nam2_0_0_ from user userinfo0_ where userinfo0_.user_id=?
Optional[UserInfo{userId=1, userName='cf'}]
==========end1==========


=========start2===========
Optional[UserInfo{userId=1, userName='cf'}]
==========end2==========

再看redis的keys


redis

3.3 小结

从上述测试输出我们可以看出,在第一次进行调用（缓存中未存放相关值时，发生了真实调用，查库，然后返回结果），而第二次因为在第一次调用的基础上，缓存中已经有了值，所以直接将缓存结果返回，完全未触发真实的方法逻辑，所以这里也是很需要注意的地方，如果不太了解，只是跟着网上demo去使用，则可能发生将其他业务逻辑包杂在上述方法中，造成有缓存清空未调用导致bug等。

四、如何保障缓存DB一致性以及分布式数据一致性？

4.1 缓存和DB数据不一致场景（或者说诱因）

1）缓存和DB的操作不在一个事务中进行，很可能缓存的操作和DB的操作其中一个成功一个失败，导致数据不一致。
2）多线程对缓存进行更新操作时，可能导致旧数据被更新至缓存中。

参考文档

[1].https://docs.spring.io/spring-data/redis/docs/2.3.1.RELEASE/reference/html/#redis:support:cache-abstraction

[2].https://docs.spring.io/spring/docs/5.2.7.RELEASE/spring-framework-reference/integration.html#cache

上一篇下一篇

猜你喜欢

热点阅读