文章目录

• 0.代码注意事项
• 1.Redis 配置文件
• 2.Redis三大场景问题
• • 2.1.缓存穿透
  • 2.2.缓存击穿
  • 2.3.缓存雪崩
• 3.数据双写一致性问题
• 4.Redis 数据持久化
• 5.Redis 内存解决办法

0.代码注意事项

（1）将Object转化为某一个实体类对象

• 依赖

        <dependency>            <groupId>com.alibaba</groupId>            <artifactId>fastjson</artifactId>            <version>1.2.60</version>        </dependency>

• 转化代码

//   将Object转化为某一个实体类对象    String jsonString = JSONObject.toJSONString(o);    TbShop tbShop=JSONObject.parseObject(jsonString,TbShop.class);

（2）使用redisTemplate操作数据库时，注意存储对象

• 使用opsForValue()(String类型)操作存储对象为List类型的存储对象会报错：redis报错WRONGTYPE Operation against a key holding the wrong kind of value

1.Redis 配置文件

• 直接使用 RedisTemplate 时，如果不进行序列化，当使用redis的图形化页面工具时，会出现键值不可见问题
• 加入该配置文件，可以解决使用RedisTemplate时，redis图形化界面正常显示

import org.springframework.boot.autoconfigure.condition.ConditionalOnClass;import org.springframework.boot.autoconfigure.condition.ConditionalOnMissingBean;import org.springframework.boot.autoconfigure.data.redis.RedisProperties;import org.springframework.boot.context.properties.EnableConfigurationProperties;import org.springframework.context.annotation.Bean;import org.springframework.context.annotation.Configuration;import org.springframework.data.redis.connection.RedisConnectionFactory;import org.springframework.data.redis.core.RedisOperations;import org.springframework.data.redis.core.RedisTemplate;import org.springframework.data.redis.serializer.Jackson2JsonRedisSerializer;import org.springframework.data.redis.serializer.StringRedisSerializer;//该配置文件解决的是 redis的视图工具的乱码问题@Configuration@ConditionalOnClass(RedisOperations.class)@EnableConfigurationProperties(RedisProperties.class)public class RedisConfig {    @Bean    @ConditionalOnMissingBean(name = "redisTemplate")    public RedisTemplate<Object, Object> redisTemplate(            RedisConnectionFactory redisConnectionFactory) {        RedisTemplate<Object, Object> template = new RedisTemplate<>();        //使用fastjson序列化        Jackson2JsonRedisSerializer fastJsonRedisSerializer = new Jackson2JsonRedisSerializer(Object.class);        // value值的序列化采用fastJsonRedisSerializer        template.setValueSerializer(fastJsonRedisSerializer);        template.setHashValueSerializer(fastJsonRedisSerializer);        // key的序列化采用StringRedisSerializer        template.setKeySerializer(new StringRedisSerializer());        template.setHashKeySerializer(new StringRedisSerializer());        template.setConnectionFactory(redisConnectionFactory);        return template;    }}

2.Redis三大场景问题

2.1.缓存穿透

（1）描述（查不到）

• 访问⼀个缓存和数据库都不存在的 key，此时会直接打到数据库上，并且查不到数据，没法写 缓存，所以下⼀次同样会打到数据库上。
• 此时，缓存起不到作⽤，请求每次都会⾛到数据库，流量⼤时数据库可能会被打挂。此时缓存就好像 被“穿透”了⼀样，起不到任何作⽤。

（2）解决方案

• 接⼝校验： 在正常业务流程中可能会存在少量访问不存在 key 的情况，但是⼀般不会出现⼤量的情况，所以这种场景最⼤的可能性是遭受了⾮法攻击。可以在最外层先做⼀层校验：⽤⼾鉴权、数据合法性校验等，例如商品查询中，商品的ID是正整数，则可以直接对⾮正整数直接过滤等等。
• 缓存空值： 当访问缓存和DB都没有查询到值时，可以将空值写进缓存，但是设置较短的过期时间，该时间需要根据产品业务特性来设置。
• 布隆过滤器： 使⽤布隆过滤器存储所有可能访问的 key，不存在的 key 直接被过滤，存在的 key 则再进⼀步查询缓存和数据库。

（3）code eg:

//    根据教师id查询课程详情信息    @RequestMapping("findOpenCourseById/{id}")    public BaseResp findTeacherById(@PathVariable("id") Integer id){        Boolean aBoolean = redisTemplate.hasKey(RedisKey.OPENCOURSE_LIST+id.toString());        EcoursesOpen course=null;        if (!aBoolean){            course = openCourseService.getById(id);            if (course!=null){                redisTemplate.opsForValue().set(RedisKey.OPENCOURSE_LIST+id.toString(),course);            }else {//                防止缓存穿透                redisTemplate.opsForValue().set(RedisKey.OPENCOURSE_LIST+id.toString(),course);                redisTemplate.expire(RedisKey.OPENCOURSE_LIST+id.toString(),30, TimeUnit.SECONDS);            }        }        Object o = redisTemplate.opsForValue().get(RedisKey.OPENCOURSE_LIST+id.toString());        EcoursesOpen ecoursesOpen = JSONObject.parseObject(JSON.toJSONString(o), EcoursesOpen.class);        return new BaseResp().Ok("课程查询成功",ecoursesOpen,null);    }

2.2.缓存击穿

（1）描述（访问量大的同时，缓存过期）

• 某⼀个热点 key，在缓存过期的⼀瞬间，同时有⼤量的请求打进来，由于此时缓存过期了，所以请求最终都会⾛到数据库，造成瞬时数据库请求量⼤、压⼒骤增，甚⾄可能打垮数据库。

（2）解决方案

• 加互斥锁： 在并发的多个请求中，只有第⼀个请求线程能拿到锁并执⾏数据库查询操作，其他的 线程拿不到锁就阻塞等着，等到第⼀个线程将数据写⼊缓存后，其他线程直接⾛缓存拿数据。
• 热点数据不过期： 直接将缓存设置为不过期，然后由定时任务去异步加载数据，更新缓存。
  • 此种⽅式适⽤于⽐较极端的场景，例如流量特别特别⼤的场景。在使⽤时需要考虑业务能接受数据不⼀ 致的时间，还有就是异常情况的处理，不要到时候缓存刷新不上，⼀直是脏数据，那就凉了。

2.3.缓存雪崩

（1）描述

• ⼤量的热点 key 设置了相同的过期时间，导在缓存在同⼀时刻全部失效，造成瞬时数据库请求量⼤、压⼒骤增，引起雪崩，甚⾄导致数据库被打挂。
• 缓存雪崩其实有点像“升级版的缓存击穿”，缓存击穿是⼀个热点 key，缓存雪崩是⼀组热点 key。

（2）解决方案

• 过期时间打散： 针对不同的数据设置不同的失效时长，使得每个 key 的过期时间分布开来，不会集中在同⼀时刻失效。
• 热点数据不过期： 该⽅式和缓存击穿⼀样，也是要着重考虑异步刷新的时间间隔、数据异常如何处理情况、以及业务所能接收数据不一致的时间间隔。
• 加互斥锁： 该⽅式和缓存击穿⼀样，按 key 维度加锁，对于同⼀个 key，只允许⼀个线程去计算，其他线程原地阻塞等待第⼀个线程的计算结果，然后直接⾛缓存即可。

3.数据双写一致性问题

（1）问题原因：

• 当我们对数据库进行操作后，数据已经放生了变化，但是从redis中获取时，因为该key已经存
  在，则不会从数据库获取到新的数据，就会导致数据库的数据与redis中的数据不一致的产生。
  • 一般情况下：先操作数据库，再操作缓存（redis）
  • 一般情况下：直接使缓存失效（删除redis），而不是更新缓存（更新redis）

（2）解决方案

• 先修改缓存(redis)，再修改数据库

  • 若redis修改成功，但是数据库修改失败，会导致数据不一致的产生，所以需要通过事务进行控制

• 先修改数据库，再修改缓存(redis)

  • 若修改数据库成功，但是修改redis失败，也需要回滚进行数据一致性的保证，同时并发请求（查询）也会有一定时间的数据不一致情况

• 先失效缓存（删除redis），再修改数据库

  • 删除redis后，如果此时有一个请求访问，会从数据库重新查询数据并建立缓存，导致数据不一致的情况产生

• 先修改数据库，再失效缓存（删除redis）

  • 执行效率慢，但是可以保证数据的最终一致性

（3）保证双写一致性的策略

• 延迟双删策略
  • 实现： 先进行缓存清除，再执行update数据库，最后（延迟N秒）再执行缓存清除。（执行清除两次缓存操作）
  • 为什么要延迟N秒： 我们考虑这样一种情况，在我们两次删除缓存之间更新数据库之前，B事务读到了数据库中的脏数据，但是他的时间片耗尽了，结果更新数据库后，A事务进行了第二次清空缓存，时间片轮转回B时，B就会将旧数据缓存写进缓存当中去。此时我们使用延时双删策略，延后第二次删除缓存的时间，保证第二次删除缓存在所有的旧缓存之后，就可以确保不会有旧数据出现了
  • 改进（不足）： 但是我们思考延时双删策略，此策略只能保证最终一致性，保证了第二次删除缓存之后的数据均为新数据，那第二次删除缓存之前还是能够读到旧数据的，如果对于数据没有强一致性要求的话延时双删已经足够了，但是如果对于数据有强一致性要求延时双删显然就不满足条件了，这个时候我们进一步优化的话可以考虑加锁操作，在写更新时阻塞读操作，带来的影响就是可以保证强一致性，但是吞吐量会下降

4.Redis 数据持久化

• redis的持久化机制，是将内存中的数据写入磁盘中

（1）RDB—快照方式

• 概念： 在某个时间点，将 Redis 在内存中的数据库状态（数据库的键值对等信息）保存 到磁盘⾥⾯。

• 优点：

  • RDB是全量存储，在数据量较小的情况下，执行速度较快
  • RDB ⽂件是以数据块的形式进行保存的，可以通过拷贝RDB文件实现备份

• 缺点：

  • 若redis出现故障，存在数据丢失的风险，丢失上一次redis持久化之后的数据
  • RDB采用快照方式进行存储，不适合实时性存储

（2）AOF持续的日志添加

• 概念： 文件追加方式，当达到触发条件时，将redis执行的写操作指令存储在aof文件中

• 优点：

  • aof是增量更新，适合实时性持久化

• 缺点：

  • 对于相同的数据集，AOF ⽂件的⼤⼩⼀般会⽐ RDB ⽂件⼤。

（3）混合持久化

• 官方建议同时开启两种持久化机制，如果同时存在aof和rdb的情况下，aof优先

5.Redis 内存解决办法

（1）搭建主从集群

• 主从复制架构

  • 搭建一主多从集群，一台主服务器用来写，多台从服务器用来读，主服务器负责将数据同步到从服务器中，保证主从服务器的数据一致性
  • 特点： 主服务器内存有限，出现故障后无法自动切换

• 哨兵

  • 一主多从，由哨兵监控服务器的状态，当主服务器挂掉后，会从从服务器中选举出一个节点作为从服务器替代挂掉的从服务器
  • 特点： 可以实现高可用，自动切换挂掉的主机

• 集群

  • 多主多从，复用了哨兵的逻辑，对其水平扩展，通常不少于6台服务器，每个主节点是对等的，只负责写一部分数据，当超过半数的服务器挂掉之后，集群也会瘫痪
  • 通过集群模式和持久化机制，可以实现redis的高可靠

（2）配置内存淘汰策略

• LRU： 最久最近未使用（存在时间最长，最近没有使用）

• LFU： 最近最少未使用（最近最少使用的）

• 八种替换策略：

  • volatile-lfu: 从设置了过期时间的数据中，淘汰最近最少使用的key

  • allkeys-lfu: 从所有的key中淘汰最少使用的key

  • volatile-lru: 从设置了过期时间的数据中，淘汰最久未使用的key

  • allkeys-lfu: 从所有的key中淘汰最久未使用的key

  • volatile-random: 从设置了过期时间的数据中，随机淘汰一个key

  • allkeys-random: 从所有的key中, 随机淘汰一个key

  • volatile-ttl :淘汰过期时间最短的数据

  • noeviction：默认策略，不淘汰任何 key，直接返回错误