【Redis】实战篇：商户查询缓存（缓存穿透、缓存雪崩、缓存击穿问题）

2.1 什么是缓存

举个例子：越野车,山地自行车,都拥有"避震器",防止车体加速后因惯性,在酷似"U"字母的地形上飞跃,硬着陆导致的损害,像个弹簧一样;

同样,实际开发中,系统也需要"避震器",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;

这在实际开发中对企业讲,对产品口碑,用户评价都是致命的;所以企业非常重视缓存技术;

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(例如:

例1:Static final ConcurrentHashMap<K,V> map = new ConcurrentHashMap<>(); 本地用于高并发

例2:static final Cache<K,V> USER_CACHE = CacheBuilder.newBuilder().build(); 用于redis等缓存

例3:Static final Map<K,V> map =  new HashMap(); 本地缓存
1
2
3
4
5

由于其被Static修饰,所以随着类的加载而被加载到内存之中,作为本地缓存,由于其又被final修饰,所以其引用(例3:map)和对象(例3:new HashMap())之间的关系是固定的,不能改变,因此不用担心赋值(=)导致缓存失效;

2.1.1 为什么要使用缓存

一句话:因为速度快,好用

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。

实际开发过程中，事业的数据量一般很大，多则几千万。这么大的数据量，如果没有缓存作为“避震器”，系统是几乎撑不住的，所以企业会大量运用到缓存技术。

但是缓存也会增加代码复杂度和运营的成本：

2.1.2 如何使用缓存

实际开发过程中，会构筑多级缓存来使系统运行速度进一步提升，例如：本地缓存和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：在数据库中方有一篇空间是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。

2.2 添加商户缓存

在我们查询商户信息时，我们是直接从数据库中去查询的，大致逻辑是这样，直接查询数据库那肯定慢啊，所以我们需要增加缓存。

/**
     * 根据id查询商铺信息
     * @param id 商铺id
     * @return 商铺详情数据
     */
@GetMapping("/{id}")
public Result queryShopById(@PathVariable("id") Long id) {
    return Result.ok(shopService.getById(id));
}
1
2
3
4
5
6
7
8
9

2.2.1 缓存模型和思路

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，如果缓存不存在则去查询数据库，并将数据存入redis中，在返回。

2.1.2 代码如下

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

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryById(Long id) {
        String key = "cache:shop:" + 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)) {
            // 存在的话，直接返回
            Shop shop = JSONUtil.toBean(shopJson, Shop.class);
            Result.ok(shop);
        }
        // 4.不存在的话，需要查询数据库
        Shop shop = getById(id);
        // 5.如果店铺不存在的话，返回错误信息
        if (shop == null) {
            return Result.fail("店铺不存在");
        }
        // 6.存在的话，需要将其存入redis中
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop));
        // 7.返回
        return Result.ok(shop);
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

2.1.3 练习：给店铺类型查询业务添加缓存

String类型版本

@Service
public class ShopTypeServiceImpl extends ServiceImpl<ShopTypeMapper, ShopType> implements IShopTypeService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryTypeList() {
        // 获取key值
        String key = "shopTypeList:0"; // 第0个记录这个列表总个数
        // 获取列表总个数
        String shopListSum = stringRedisTemplate.opsForValue().get(key);
        // 如果redis中有缓存数据的话
        if (StrUtil.isNotBlank(shopListSum)) {
            List<ShopType> typeList = new ArrayList<>();
            int n = Integer.parseInt(shopListSum);
            for (int i = 1; i <= n; i++) {
                key = "shopTypeList:" + i;
                String shopTypeJson = stringRedisTemplate.opsForValue().get(key);
                if (StrUtil.isNotBlank(shopTypeJson)) {
                    ShopType shopType = JSONUtil.toBean(shopTypeJson, ShopType.class);
//                    System.out.println(shopType);
                    typeList.add(shopType);
                }
            }
            return Result.ok(typeList);
        }
        // 从数据库中查询商铺类型列表
        List<ShopType> typeList = query().orderByAsc("sort").list();
        // 存入redis中
        stringRedisTemplate.opsForValue().set(key, String.valueOf(typeList.size()));
        for (int i = 0; i < typeList.size(); i++) {
            int id = i + 1;
            key = "shopTypeList:" + id;
            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(typeList.get(i)));
        }
        // 返回
        return Result.ok(typeList);
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

Hash类型版本

@Service
public class ShopTypeServiceImpl extends ServiceImpl<ShopTypeMapper, ShopType> implements IShopTypeService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryTypeList() {
        // 获取key值
        String key = "shopTypeListHash"; // 第0个记录这个列表总个数
        Map<Object, Object> map = stringRedisTemplate.opsForHash().entries(key);
        // 如果redis中有缓存数据的话
        if (!map.isEmpty()) {
            List<ShopType> typeList = new ArrayList<>();
            Set<Map.Entry<Object, Object>> entries = map.entrySet();
            for (Map.Entry<Object, Object> entry : entries) {
                String value = (String) entry.getValue();
                typeList.add(JSONUtil.toBean(value, ShopType.class));
            }
            // 给列表中的对象按照sort排序
            typeList.sort(new Comparator<ShopType>() {
                @Override
                public int compare(ShopType o1, ShopType o2) {
                    return o1.getSort() - o2.getSort();
                }
            });
            return Result.ok(typeList);
        }
        // 从数据库中查询商铺类型列表
        List<ShopType> typeList = query().orderByAsc("sort").list();
        // 存入redis中
        for (int i = 0; i < typeList.size(); i++) {
//            System.out.println(typeList.get(i));
            stringRedisTemplate.opsForHash().put(key, "" + i, JSONUtil.toJsonStr(typeList.get(i)));
        }
        // 返回
        return Result.ok(typeList);
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

2.3 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，主要是因为内存空间宝贵，当我们向redis插入太多数据，此时就很可能导致缓存中的数据过多，所以redis会对部分数据进行更新，或者把它淘汰掉。

**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)。假如数据库中某条数据更新了，但是并不去更新缓存，所有用户拿到的都是旧数据。只有当缓存中的该条数据被自动淘汰掉后有用户来访问这条缓存的时候，缓存才会更新。所以一致性很差，但维护成本为零。

**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。这个策略一致性就得到了提高，因为每条数据都会在规定的时间内丢失，所以再次访问的时候就会去更新缓存，但维护成本也增加了，要不断的查询数据库然后更新缓存，给数据库带来了压力。

**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。这种策略一致性就大大提高了，每当数据库中修改的时候就把缓存删掉，那么下次由用户查询的时候就会获取到最新的数据。但维护成本也大大提高了。

总的来说有利就有弊，我们要结合具体需求来选择哪种策略。

2.3.1 、数据库缓存不一致解决方案：

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？有如下几种方案

Cache Aside Pattern 人工编码方式：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

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

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

2.3.2 、数据库和缓存不一致采用什么方案

综合考虑使用方案一，考虑到比较容易控制。

但是方案一调用者如何处理呢？这里有几个问题

操作缓存和数据库时有三个问题需要考虑：

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

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

我们来看看两种情况下并发导致的问题：

补充知识：更新数据库的时间大概率要比查询数据库写入缓存的时间要长。

• 先删除缓存，再操作数据库：线程1是来更新数据库的，搜先它会删除缓存，与此同时，线程2是来查询缓存数据的，发现没有就去查询数据库并写入缓存，之后数据库更新完成，此时就导致了数据库和缓存数据不一致的问题。并且直到下次更新数据库的时候可能才会解决这个问题。那么这个期间拿到的数据都是旧数据。
• 先操作数据库，再删除缓存：假设某时刻缓存突然失效了，线程1去查询缓存数据，未命中然后去查询数据库，此时线程2来更新数据库并删除缓存，之后线程1去写入缓存，这就导致了写入缓存的是旧数据，导致了数据不一致的问题。但是这种情况发生的概率很小，就算发生了，我们可以给缓存设置超时时间，也能解决这个问题，所以选择这种方案。

2.3.3 缓存更新的最佳实践方案

低一致性需求：使用Redis自带的内存淘汰机制

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：
  • 缓存命中后直接返回
  • 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
  • 确保数据库与缓存操作的原子性

2.4 实现商铺和缓存与数据库双写一致

核心思路如下：

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

根据id修改店铺时，先修改数据库，再删除缓存

修改重点代码1：修改ShopServiceImpl的queryById方法

设置redis缓存时添加过期时间

@Override
public Result queryById(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)) {
        // 存在的话，直接返回
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        Result.ok(shop);
    }
    // 4.不存在的话，需要查询数据库
    Shop shop = getById(id);
    // 5.如果店铺不存在的话，返回错误信息
    if (shop == null) {
        return Result.fail("店铺不存在");
    }
    // 6.存在的话，需要将其存入redis中,并设置过期时间
    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
    // 7.返回
    return Result.ok(shop);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

修改重点代码2

代码分析：通过之前的淘汰，我们确定了采用删除策略，来解决双写问题，当我们修改了数据之后，然后把缓存中的数据进行删除，查询时发现缓存中没有数据，则会从mysql中加载最新的数据，从而避免数据库和缓存不一致的问题

/**
     * 开启事务，实现原子性
     * @param shop
     * @return
     */
@Override
@Transactional
public Result update(Shop shop) {
    // 先查询这个店铺是否存在
    Long id = shop.getId();
    if (id == null) {
        return Result.fail("商铺信息不存在");
    }
    // 1.更新数据库
    updateById(shop);
    // 2.删除缓存
    stringRedisTemplate.delete(CACHE_SHOP_KEY + id);
    return Result.ok();
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

接下来我们测试一下查询方法

首先点进去一个店铺

此时缓存中没有数据，就会去数据库中查询，之后写入缓存

结果正确表示我们的代码成功了。

接下来我们测试下更新方法：

2.5 缓存穿透问题的解决思路

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，这些请求都会打到数据库。如果有人恶意大批量的请求不存在的数据，会导致数据库访问量过大影响性能。

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

关于布隆过滤的详细解释：布隆过滤器–你可以永远相信布隆

2.6 编码解决商品查询的缓存穿透问题

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

修改查询接口代码

public Result queryById(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)) {
        // 存在的话，直接返回
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        Result.ok(shop);
    }
    // 判断命中的是否是""值
    if ("".equals(shopJson)) {
        return null;
    }
    // 4.不存在的话，需要查询数据库
    Shop shop = getById(id);
    // 5.如果店铺不存在的话，返回错误信息
    if (shop == null) {
        stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
        return Result.fail("店铺不存在");
    }
    // 6.存在的话，需要将其存入redis中,并设置过期时间
    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
    // 7.返回
    return Result.ok(shop);
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

测试

1. 我们先访问一个不存在的店铺

2. 然后去redis中查询是否存在这个店铺的空对象

有了，成功！

3. 我们再去访问这个不存在的店铺

控制台没有在查询数据库，说明在缓存中找到了空对象

这样我们就很好的解决了缓存穿透的问题。

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

2.7 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
• 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

2.8 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。

这里有两个关键点：

1. 缓存失效了（TTL时间到了）
2. 大量请求访问数据库

只要解决其中一个就能解决缓存击穿问题

所以常见的解决方案也有对应的两种

• 互斥锁(解决大量请求访问数据库的问题)
• 逻辑过期（解决缓存失效问题）

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、使用锁来解决：

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。

**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

2.9 利用互斥锁解决缓存击穿问题

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

如何实现互斥锁

核心思路就是利用redis的setnx方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true， 如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。

private boolean tryLocak(String key) {
    Boolean ok = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
    return BooleanUtil.isTrue(ok);
}

private void unLock(String key) {
    stringRedisTemplate.delete(key);
}
1
2
3
4
5
6
7
8

操作代码

/**
     * 缓存击穿问题：互斥锁
     *
     * @param id
     * @return
     */
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)) {
        // 存在的话，直接返回
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        return shop;
    }
    // 判断命中的是否是""值
    if ("".equals(shopJson)) {
        return null;
    }
    // 4.实现缓存重构
    // 4.1 获取互斥锁
    String lockKey = "lock:shop:" + id;
    Shop shop = null;
    try {
        boolean isLock = tryLocak(lockKey);
        // 是否获取到锁
        if (!isLock) {
            Thread.sleep(50);
            // 注意这里用的是递归，不是循环，因为没有获取到锁说明有其他线程获取到锁了
            // 等那个线程处理完以后，我这个线程就能从缓存中获取到数据了
            return queryWithMutex(id);
        }
        // 注意，这里获取锁成功后还需要再次检测redis缓存中是否存在数据，做DoubleCheck，如果存在则无需构建缓存
        // 因为这里刚好那个获取到锁的线程处理完并释放了锁然后我这个线程就拿到了锁，此时缓存已经更新，无需再次处理
        //1. 从redis查询商铺缓存
        shopJson = stringRedisTemplate.opsForValue().get(key);
        //2. 判断是否存在
        if (StrUtil.isNotBlank(shopJson)) {
            // 存在的话，直接返回
            shop = JSONUtil.toBean(shopJson, Shop.class);
            return shop;
        }
        // 判断命中的是否是""值
        if ("".equals(shopJson)) {
            return null;
        }
        // 4.不存在的话，需要查询数据库
        shop = getById(id);
        // 5.如果店铺不存在的话，返回错误信息
        if (shop == null) {
            stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
            return null;
        }
        // 6.存在的话，需要将其存入redis中,并设置过期时间
        stringRedisTemplate.opsForValue().
            set(key, JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
    } catch (Exception e) {
        throw new RuntimeException(e);
    } finally {
        // 7.释放互斥锁
        unLock(lockKey);
    }
    // 7.返回
    return shop;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66

接下来我们用postman这个工具来模拟一下高并发的场景

可以发现访问了100次都成功了

我们再去查看日志

日志只发现数据库只查询了一次，表明我们的代码逻辑是没有问题的，很好的解决了缓存击穿问题。

2.10 利用逻辑过期解决缓存击穿问题

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，则在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。

这里由于缓存的数据都是预热的，所以不存在查询时缓存为空然后去查数据库的情况。

如何封装数据：因为现在redis中存储的数据的value需要带上过期时间，此时要么你去修改原来的实体类，要么你新建一个实体类

我们选择新建一个实体类，这样对原来的代码没有倾入性。

实体类

@Data
public class RedisData {
    private LocalDateTime expireTime;
    private Object data;
}
1
2
3
4
5

预热

public void saveShop2Redis(Long id, Long expireSeconds) {
    // 1 查询店铺数据
    Shop shop = getById(id);
    // 2. 封装逻辑过期时间
    RedisData redisData = new RedisData();
    redisData.setData(shop);
    redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
    // 3.写入Redis
    stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));
}
1
2
3
4
5
6
7
8
9
10

@SpringBootTest
class HmDianPingApplicationTests {
    @Resource
    private ShopServiceImpl shopService;

    @Test
    void testSaveShop() {
        shopService.saveShop2Redis(1L, 10L);
    }

}
1
2
3
4
5
6
7
8
9
10
11

操作代码

private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
/**
     * 解决缓存击穿问题：逻辑删除
     *
     * @param id
     * @return
     */
private Shop queryWithLogicalExpire(Long id) {
    String key = CACHE_SHOP_KEY + 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 不存在的话，直接返回
        // null 和 "" 都会进来
        // 这里不在设置空值，只针对缓存击穿问题
        return null;
    }
    // 4 缓存命中，需要先把json反序列化为对象
    RedisData redisData = BeanUtil.toBean(json, RedisData.class);
    JSONObject data = (JSONObject) redisData.getData();
    Shop shop = BeanUtil.toBean(data, Shop.class);
    LocalDateTime expireTime = redisData.getExpireTime();
    //        JSONUtil.toBean(redisData,Shop.class);
    // 5.判断是否过期
    if (expireTime.isAfter(LocalDateTime.now())) {
        // 缓存中的时间是否超过当前时间
        // 超过代表过期
        // 所以这里没过期
        return shop;
    }
    // 已过期
    // 6 缓存重建
    // 6.1 获取互斥锁
    String lockKey = LOCK_SHOP_KEY + id;
    boolean ok = tryLocak(lockKey);
    // 如果获取到锁
    if (ok) {
        // DoubleCheck
        json = stringRedisTemplate.opsForValue().get(key);
        redisData = BeanUtil.toBean(json, RedisData.class);
        data = (JSONObject) redisData.getData();
        shop = BeanUtil.toBean(data, Shop.class);
        expireTime = redisData.getExpireTime();
        if (expireTime.isAfter(LocalDateTime.now())) {
            return shop;
        }
        // 开启一个新的线程去完成缓存构建
        CACHE_REBUILD_EXECUTOR.submit(() -> {
            // 这里使用try catch目的是为了释放锁
            try {
                // 重建缓存
                this.saveShop2Redis(id, 20L);
            } catch (Exception e) {
                throw new RuntimeException(e);
            } finally {
                unLock(lockKey);
            }
        });
    }
    // 7.返回
    return shop;
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63

我们来测试一下

我们先修改数据库中的数据，讲101茶餐厅改为102茶餐厅

而数据库此时为101茶餐厅，这样就实现了缓存和数据库不一致的情况

我们测试一下在高并发的情况下，是不是会不会所有的用户都来重建缓存（并发的安全问题），还有看一下缓存重建之前是旧数据还是新数据（一致性问题）。

这里预热没问题

在postman测试一下

第一条数据

最后一条数据

我们发现存在数据不一致的问题。

日志中显示数据库只查询了一次，说明在高并发的情况下是可以实现安全的。