虽然还是会有线程安全问题 比如 假设此时缓存刚好失效了 线程1 查询缓存失败 从数据库读取了旧数据 还没写入缓存的时候 被调度到 线程2执行
线程2 执行更新操作将数据库的数据进行更新 同时删除缓存 由于此时缓存本身就不存在等于说提前执行了删除操作
线程2操作完了以后执行线程1 线程1将读到的旧数据写入到缓存 此时就出现了缓存不一致
这种情况是很少出现的 所以说可以忽略不记
但是为了处理这种情况 我们将缓存设置超时时间,超时以后自动删除然后重写缓存数据
public Result update(Shop shop) {
Long id = shop.getId();
//1.更新数据库
if (id == null){
return Result.fail("店名不能为空");
}
//2.删除缓存
updateById(shop);
stringRedisTemplate.delete("cache:shop"+id);
return Result.ok();
}
缓存穿透是指客户端大量请求数据库和缓存中不存在值,导致数据库的压力飙升
缓存空对象
public Shop queryWithPassThrough(Long id){
String shopCache = stringRedisTemplate.opsForValue().get("cache:shop" + id);
//查询到了shopCache但是里面不是空值
if(StrUtil.isNotBlank(shopCache)){
return JSONUtil.toBean(shopCache,Shop.class);
}
//查询到了shopCache但是里面是空值
if(shopCache != null){
return null;
}
//从数据库中查询
Shop shop = getById(id);
//没有查询到那么就将空值设置到缓存中 防止缓存穿透
if(shop == null){
stringRedisTemplate.opsForValue().set("cache:shop"+id,"",30L, TimeUnit.MINUTES);
return null;
}
//从数据库中查询数据 查询到了数据就将他设置到缓存中 并且返回
stringRedisTemplate.opsForValue().set("cache:shop"+id,JSONUtil.toJsonStr(shop),30L, TimeUnit.MINUTES);
return shop;
}
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:
加互斥锁或分布式锁:在访问热点数据时,可以引入互斥锁或分布式锁,保证只有一个线程去访问后端服务或数据库,其他线程等待结果。当第一个线 程获取到数据后,其他线程可以直接从缓存获取,避免多个线程同时访问后端服务,减轻压力。
public boolean tryLock(String key){
//加上超时时间避免等待过久
boolean flg = stringRedisTemplate.opsForValue().setIfAbsent(key,"1",10,TimeUnit.SECONDS);
return flg;
}
public void unLock(String key){
stringRedisTemplate.delete(key);
}
public Shop queryWithPassThrough(Long id){
String shopCache = stringRedisTemplate.opsForValue().get("cache:shop" + id);
//查询到了shopCache但是里面不是空值
if(StrUtil.isNotBlank(shopCache)){
return JSONUtil.toBean(shopCache,Shop.class);
}
//查询到了shopCache但是里面是空值
if(shopCache != null){
return null;
}
String key = "lock:shop:" + id;
//从数据库中查询
Shop shop = getById(id);
try{
if(tryLock(key)){
//没有查询到那么就将空值设置到缓存中 防止缓存穿透
if(shop == null){
stringRedisTemplate.opsForValue().set("cache:shop"+id,"",30L, TimeUnit.MINUTES);
return null;
}
//从数据库中查询数据 查询到了数据就将他设置到缓存中 并且返回
stringRedisTemplate.opsForValue().set("cache:shop"+id,JSONUtil.toJsonStr(shop),30L, TimeUnit.MINUTES);
}else{
Thread.sleep(50);
//递归调用
return queryWithPassThrough(id);
}
}catch(InterruptedException e){
throw new RuntimeException(e);
}finally{
unlock(key);
}
return shop;
}
这里说明一下加锁的逻辑 我们调用了
boolean flg = stringRedisTemplate.opsForValue().setIfAbsent(key,"1",10,TimeUnit.SECONDS);
这一段代码来进行加锁操作 本质上是调用了 Redis 的 SETNX 这条命令 当这个键值对不存在时就创建这个键值对 返回TRUE 反之返回 FALSE
下面是另一种解决方案
对于一些热点数据,可以将其设置为永不过期,或者设置一个较长的过期时间,确保热点数据在缓存中可用,减少因为过期而触发的缓存击穿。
具体做法参考下面这张图
我们设置逻辑过期时间既可以保证热点数据永不过期,同时又可以避免数据库缓存数据不一致的情况
//加上超时时间避免等待过久
boolean flg = stringRedisTemplate.opsForValue().setIfAbsent(key,"1",10,TimeUnit.SECONDS);
return flg;
}
public void unLock(String key){
stringRedisTemplate.delete(key);
}
public void reMakeCache(Long id,Long expireSeconds){
//数据库查询操作
Shop shop = selectById(id);
RedisData redisData = new RedisData();
redisData.setData(shop);
redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
}
//使用线程池
private static final ExecutorService CACHE_REBUILD_EXCUTOR = Executors.newFixedThreadPool(10);
public Shop queryWithPassThrough(Long id){
String shopCache = stringRedisTemplate.opsForValue().get("cache:shop" + id);
//查询到了shopCache但是里面不是空值
if(StrUtil.isNotBlank(shopCache)){
return JSONUtil.toBean(shopCache,Shop.class);
}
//查询到了shopCache但是里面是空值
if(shopCache != null){
return null;
}
//将redis数据反序列化
RedisData redisData = JSONUtil.toBean(shopCache,RedisData.class);
//获取数据
Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(),Shop.class);
//获取过期时间
LocalDataTime expireTime = redisData.getExpireTime();
//没有过期直接返回
if(expireTime.isAfter(LocalDateTime.now())){
return shop;
}
String key = "lock:shop:" + id;
if(tryLock(key)){
try{
//开启独立线程完成
CACHE_REBUILD_EXCUTOR.submit(() -> {
reMakeCache(id,20L);
});
}catch(InterruptedException e){
throw new RuntimeException(e);
}finally{
unlock(key);
}
}
return shop;
}