当前位置: 首页 > article >正文

【Redis】缓存

什么是缓存

https://tech.meituan.com/2017/03/17/cache-about.html

Spring Data Redis

Spring Data Redis提供了从Spring应用程序轻松配置和访问Redis的功能。

引入依赖

<dependency>
     <groupId>org.springframework.boot</groupId>
     <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

配置

# 数据源
spring.datasource.driver-class-name=com.mysql.cj.jdbc.Driver
spring.datasource.url=jdbc:mysql://localhost:3306/db01
spring.datasource.username=root
spring.datasource.password=root1234
# redis
spring.redis.host=database.coding-future.com
spring.redis.port=6379
spring.redis.password=codingfuture21
spring.redis.database=4
#日志
logging.level.com.codingfuture=debug

代码实现

Spring缓存管理

https://www.cnblogs.com/songjilong/p/12901397.html?spm=a2c6h.12873639.0.0.559a86a6S9mJIU

依赖

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-cache</artifactId>
</dependency>

@EnableCaching

开启缓存,在启动类添加注解

@Cacheable(“person_list”)

触发缓存写入的操作,将查询出来的数据存储到缓存中,查询时候使用

@CacheEvict(“person_list”,allEntries=true)

触发缓存删除的操作,只要增删改操作成功,就去缓存中把对应键的数据全部删除,增删改时候使用

缓存问题

缓存穿透

缓存穿透是指查询一个一定不存在的数据,由于缓存是不命中时被动写的,并且出于容错考虑,如果从存储层查不到数据则不写入缓存,这将导致这个不存在的数据每次请求都要到存储层去查询,失去了缓存的意义。在流量大时,可能DB就挂掉了,要是有人利用不存在的key频繁攻击我们的应用,这就是漏洞。

  • 解决方案

    • 布隆过滤器

      有很多种方法可以有效地解决缓存穿透问题,最常见的则是采用布隆过滤器,将所有可能存在的数据哈希到一个足够大的bitmap中,一个一定不存在的数据会被这个bitmap拦截掉,从而避免了对底层存储系统的查询压力。

    • 空结果进行缓存

      另外也有一个更为简单粗暴的方法(我们采用的就是这种),如果一个查询返回的数据为空(不管是数据不存在,还是系统故障),我们仍然把这个空结果进行缓存,但它的过期时间会很短,最长不超过五分钟。

缓存雪崩

  1. 缓存雪崩是指在我们设置缓存时采用了相同的过期时间,导致缓存在某一时刻同时失效,请求全部转发到DB,DB瞬时压力过重雪崩。
  2. 系统 A,假设每天高峰期每秒 5000 个请求,本来缓存在高峰期可以扛住每秒 4000 个请求,但是缓存机器意外发生了全盘宕机。 缓存挂了,此时 1 秒 5000 个请求全部落数据库,数据库必然扛不住,然后就挂了。如果重启数据库,数据库也会立马被新的流量给打死了。
  • 解决方案

    缓存失效时的雪崩效应对底层系统的冲击非常可怕。大多数系统设计者考虑用加锁或者队列的方式保证缓存的单线程(进程)写,从而避免失效时大量的并发请求落到底层存储系统上。这里分享一个简单方案就时讲缓存失效时间分散开,比如我们可以在原有的失效时间基础上增加一个随机值,比如1-5分钟随机,这样每一个缓存的过期时间的重复率就会降低,就很难引发集体失效的事件。

缓存击穿

对于一些设置了过 这些key可能会在某些时间点被超高并发地访问,是一种非常“热点”的数据。这个时候,需要考虑一个问题:缓存被“击穿”的问题,缓存击穿针对某一key缓存,缓存雪崩则是很多key。

缓存在某个时间点过期的时候,恰好在这个时间点对这个Key有大量的并发请求过来,这些请求发现缓存过期一般都会从后端DB加载数据并回设到缓存,这个时候大并发的请求可能会瞬间把后端DB压垮。

  • 解决方案

    热点数据“永不过期”。

Redis数据一致性问题

为什么会选Redis

  1. 基于内存存储,可以降低对关系型数据库的访问频次,从而缓解数据库压力
  2. 数据IO操作能支持更高级别的QPS,官方发布的指标是10W;
  3. 提供了比较多的数据存储结构,比如string、list、hash、set、zset等等
  4. 采用单线程实现IO操作,避免了并发情况下的线程安全问题。所以也快。

应用场景

  1. 缓存,作为Key-Value形态的内存数据库,Redis 最先会被想到的应用场景便是作为数据缓存
  2. 分布式锁,分布式环境下对资源加锁
  3. 分布式共享数据,在多个服务之间数据共享,存储token
  4. 消息队列,pub/sub功能也可以用作发布者 / 订阅者模型的消息
  5. 排行榜,自带排序的数据结构(zset)

数据一致性问题

作为缓存使用流程

image-20240408144224132

数据性一致性问题

使用Redis来作为缓存时,让请求先访问到Redis,而不是直接访问数据库。

而在这种业务场景下,可能会出现缓存和数据库数据不一致性的问题

  • 删除缓存,再更新数据库
  • 更新数据库,再删除缓存

先删除缓存,再更新数据库

A用户:先删除缓存, 在更新。zs->ls

B用户:先查询没有,查数据库zs,放到缓存zs。

先更新数据库,再删除缓存

A用户:先更新数据库zs->ls, 在删除缓存zs

B用户:先查询缓存zs,返回,

数据库更新成功,而删除缓存失败了,那么数据库中就会是新数据,而缓存中是旧数据,数据就出现了不一致情况。

延迟双删

先进行删除缓存,再执行update,最后(延迟N秒)再执行缓存清除。进行两次删除,且中间需要延迟一段时间

延迟删除的时间需要大于 A用户执行流程的总时间。


http://www.kler.cn/a/447664.html

相关文章:

  • 车载网关性能 --- 缓存buffer划分要求
  • 中国量子计算机领域的发展现状与展望
  • Redis常见阻塞原因总结
  • 【AI学习】Huggingface复刻Test-time Compute Scaling技术
  • 【C++11】可变模板参数
  • 《探秘 Qt Creator Manual 4.11.1》
  • unity 最小后监听键盘输入
  • java中的方法的重载和重写、构造器
  • MySQL基础笔记(三)
  • 鸿蒙开发(16)使用DevEco Studio上的Git工具进行多远程仓管理
  • Redis分片集群学习总结
  • ROS2学习配套C++知识
  • Pika Labs技术浅析(五):商业智能技术
  • 【Linux】ubuntu通过远程命令行启动桌面应用
  • 前端监控之sourcemap精准定位和还原错误源码
  • 队列+宽搜
  • 力扣-图论-70【算法学习day.70】
  • 【LeetCode热题100】BFS解决拓扑排序
  • 基于K8S的微服务:一、服务发现,负载均衡测试(附calico网络问题解决)
  • 中研博硕英才网举办中国北京千名博士项目对接暨人才引进签约洽谈会
  • 37.1 prometheus管理接口源码讲解
  • 使用FakeSMTP创建本地SMTP服务器接收邮件具体实现。
  • 【学习总结|DAY022】Java网络编程
  • 学习笔记:Verilog过程结构及在线仿真
  • MFC 实现动态控件调整和主题切换
  • 驾驶证识别API-JavaScript驾驶证ocr接口集成-场景解析