20 圖｜6 千字｜緩存實戰（上篇）

前言

先說個小事情，今天試了下做動圖，就一張動圖都花了我 1 個小時，還做得很難看。。在線求個做動圖的好軟件～本文主要內容如下：

上一篇講到如何做性能調優的方式：《48 張圖 | 手摸手教你微服務的性能監控、壓測和調優》，比如給表加索引、動靜分離、減少不必要的日誌打印。但有一個很強大的優化方式沒有提到，那就是加緩存，比如查詢小程序的廣告位配置，因爲沒什麼人會去頻繁的改，將廣告位配置丟到緩存裏面再適合不過了。那我們就給開源 Spring Cloud 實戰項目 PassJava 加下緩存來提升下性能。

我把後端、前端、小程序都上傳到同一個倉庫裏面了，大家可以通過 Github 或 碼雲訪問。地址如下：

Github: https://github.com/Jackson0714/PassJava-Platform

碼雲：https://gitee.com/jayh2018/PassJava-Platform

配套教程：www.passjava.cn

在實戰之前，我們先來看下使用緩存的原理和問題。

一、緩存

1.1 爲什麼要用緩存

20 年前常見的系統就是單機的，比如 ERP 系統，對性能要求不高，使用緩存的並不常見，但現如今，已經步入到互聯網時代，高併發、高可用、高性能總是被提起，而緩存在這 “三高” 中立下汗馬功勞。

我們通過會將部分數據放入緩存中，來提高訪問速度，然後數據庫承擔存儲的工作。

那麼哪些數據適合放入緩存中呢？

即時性。例如查詢最新的物流狀態信息。
數據一致性要求不高。例如門店信息，修改後，數據庫中已經改了，5 分鐘後緩存中才是最新的，但不影響功能使用。
訪問量大且更新頻率不高。比如首頁的廣告信息，訪問量，但是不會經常變化。

當我們想要查詢數據時，使用緩存的流程如下：

讀模式緩存使用流程

1.2 本地緩存

比如現在有一個需求：前端小程序需要查詢題目的類型，而題目類型放在小程序的首頁在，訪問量是非常高的，但是又不是經常變化的數據，所以可以將題目類型數據放到緩存中。

最簡單的使用緩存的方式是使用本地緩存，也就是在內存中緩存數據，可以用 HashMap、數組等數據結構來緩存數據。

1.2.1 不使用緩存

我們先來看下不使用緩存的情況：前端的請求先經過網關，然後請求到題目微服務，然後查詢數據庫，返回查詢結果。

再來看下核心代碼是怎麼樣的。

先自定義一個 Rest API 用來查詢題目類型列表，數據是從數據庫查詢出來後直接返回給前端。

@RequestMapping("/list")
public R list(){
    // 從數據庫中查詢數據
    typeEntityList = ITypeService.list(); 
    return R.ok().put("typeEntityList", typeEntityList);
}

1.2.2 使用緩存

來看下使用緩存的情況：前端先經過網關，然後到題目微服務，先判斷緩存中有沒有數據，如果沒有，則查詢數據庫再更新緩存，最後返回查詢到的結果。

那我們現在創建一個 HashMap 來緩存題目的類型列表：

private Map<String, Object> cache = new HashMap<>();

先獲取緩存的類型列表

List<TypeEntity> typeEntityListCache = (List<TypeEntity>) cache.get("typeEntityList");

如果緩存中沒有，則先從數據庫中獲取。當然，第一次查詢緩存時，肯定是沒有這個數據的。

// 如果緩存中沒有數據
if (typeEntityListCache == null) {
  System.out.println("The cache is empty");
  // 從數據庫中查詢數據
  List<TypeEntity> typeEntityList = ITypeService.list();
  // 將數據放入緩存中
  typeEntityListCache = typeEntityList;
  cache.put("typeEntityList", typeEntityList);
}
return R.ok().put("typeEntityList", typeEntityListCache);

我們用 Postman 工具來看下查詢結果：

請求URL：https://github.com/Jackson0714/PassJava-Platform

返回了題目類型列表，共 14 條數據。

以後再次查詢時，因爲緩存中已經有該數據了，所以直接走緩存，不會再從數據庫中查詢數據了。

從上面的例子中我們可以知道本地緩存有哪些優點呢？

減少和數據庫的交互，降低因磁盤 I/O 引起的性能問題。
避免數據庫的死鎖問題。
加速相應速度。

當然，本地緩存也存在一些問題：

佔用本地內存資源。
機器宕機重啓後，緩存丟失。
可能會存在數據庫數據和緩存數據不一致的問題。
同一臺機器中的多個微服務緩存的數據不一致。

集羣環境下存在緩存的數據不一致的問題。

基於本地緩存的問題，我們引入了分佈式緩存 Redis 來解決。

二、緩存 Redis

2.1 Docker 安裝 Redis

首先需要安裝 Redis，我是通過 Docker 來安裝 Redis。另外我在 ubuntu 和 Mac M1 上都裝過 docker 版的 Redis，大家可以參照這兩篇來安裝。

《Ubuntu 上到 Docker 安裝 redis》

《M1 和 Docker 談了個戀愛...》

2.2 引入 Redis 組件

我用的是 passjava-question 微服務，所以是在 passjava-question 模塊下的配置文件 pom.xml 中引入 redis 組件。

文件路徑：/passjava-question/pom.xml

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

2.3 測試 Redis

我們可以寫一個測試方法來測試引入的 redis 是否能存數據，以及能否查出存的數據。

我們都是使用 StringRedisTemplate 庫來操作 Redis，所以可以自動裝載下 StringRedisTemplate。

@Autowired
StringRedisTemplate stringRedisTemplate;

然後在測試方法中，測試存儲方法：ops.set()，以及查詢方法：ops.get()

@Test
public void TestStringRedisTemplate() {
    // 初始化 redis 組件
    ValueOperations<String, String> ops = stringRedisTemplate.opsForValue();
    // 存儲數據
    ops.set("悟空", "悟空聊架構_" + UUID.randomUUID().toString());
    // 查詢數據
    String wukong = ops.get("悟空");
    System.out.println(wukong);
}

set 方法的第一個參數是 key，比如示例中的 “悟空”。

get 方法的參數也是 key。

最後打印出了 redis 中 key = “悟空” 的緩存的值：

另外也可以通過客戶端工具來查看，如下圖所示：

我下載的是這個軟件：Redis Desktop Manager windows，Mac M1 上正常使用。下載地址：

http://www.pc6.com/softview/SoftView_450180.html

2.4 用 Redis 改造業務邏輯

用 redis 替換 hashmap 也不難，把用到 hashmap 的地方都用 redis 改下。另外需要注意的是：

從數據庫中查詢到的數據先要序列化成 JSON 字符串後再存入到 Redis 中，從 Redis 中查詢數據時，也需要將 JSON 字符串反序列化爲對象實例。

public List<TypeEntity> getTypeEntityList() {
  // 1.初始化 redis 組件
  ValueOperations<String, String> ops = stringRedisTemplate.opsForValue();
  // 2.從緩存中查詢數據
  String typeEntityListCache = ops.get("typeEntityList");
  // 3.如果緩存中沒有數據
  if (StringUtils.isEmpty(typeEntityListCache)) {
    System.out.println("The cache is empty");
    // 4.從數據庫中查詢數據
    List<TypeEntity> typeEntityListFromDb = this.list();
    // 5.將從數據庫中查詢出的數據序列化 JSON 字符串
    typeEntityListCache = JSON.toJSONString(typeEntityListFromDb);
    // 6.將序列化後的數據存入緩存中
    ops.set("typeEntityList", typeEntityListCache);
    return typeEntityListFromDb;
  }
  // 7.如果緩存中有數據，則從緩存中拿出來，並反序列化爲實例對象
  List<TypeEntity> typeEntityList = JSON.parseObject(typeEntityListCache, new TypeReference<List<TypeEntity>>(){});
  return typeEntityList;
}

整個流程如下：

1. 初始化 redis 組件。
1. 從緩存中查詢數據。
1. 如果緩存中沒有數據，執行步驟 4、5、6。
1. 從數據庫中查詢數據。
1. 將從數據庫中查詢出的數據轉化爲 JSON 字符串。
1. 將序列化後的數據存入緩存中，並返回數據庫中查詢到的數據。
1. 如果緩存中有數據，則從緩存中拿出來，並反序列化爲實例對象。

2.5 測試業務邏輯

我們還是用 postman 工具進行測試：

通過多次測試，第一次請求會稍微慢點，後面幾次速度非常快。說明使用緩存後性能有提升。

另外我們用 Redis 客戶端看下結果：

Redis key = typeEntityList，Redis value 是一個 JSON 字符串，裏面的內容是題目分類列表。

三、緩存穿透、雪崩、擊穿

高併發下使用緩存會帶來的幾個問題：緩存穿透、雪崩、擊穿。

3.1 緩存穿透

3.1.1 緩存穿透的概念

緩存穿透指一個一定不存在的數據，由於緩存未命中這條數據，就會去查詢數據庫，數據庫也沒有這條數據，所以返回結果是 null。如果每次查詢都走數據庫，則緩存就失去了意義，就像穿透了緩存一樣。

3.1.2 帶來的風險

利用不存在的數據進行攻擊，數據庫壓力增大，最終導致系統崩潰。

3.1.3 解決方案

對結果 null 進行緩存，並加入短暫的過期時間。

3.2 緩存雪崩

3.2.1 緩存雪崩的概念

緩存雪崩是指我們緩存多條數據時，採用了相同的過期時間，比如 00:00:00 過期，如果這個時刻緩存同時失效，而有大量請求進來了，因未緩存數據，所以都去查詢數據庫了，數據庫壓力增大，最終就會導致雪崩。

3.2.2 帶來的風險

嘗試找到大量 key 同時過期的時間，在某時刻進行大量攻擊，數據庫壓力增大，最終導致系統崩潰。

3.2.3 解決方案

在原有的實效時間基礎上增加一個碎擠汁，比如 1-5 分鐘隨機，降低緩存的過期時間的重複率，避免發生緩存集體實效。

3.3 緩存擊穿

3.3.1 緩存擊穿的概念

某個 key 設置了過期時間，但在正好失效的時候，有大量請求進來了，導致請求都到數據庫查詢了。

3.3.2 解決方案

大量併發時，只讓一個請求可以獲取到查詢數據庫的鎖，其他請求需要等待，查到以後釋放鎖，其他請求獲取到鎖後，先查緩存，緩存中有數據，就不用查數據庫。

四、加鎖解決緩存擊穿

怎麼處理緩存穿透、雪崩、擊穿的問題呢？

對空結果進行緩存，用來解決緩存穿透問題。
設置過期時間，且加上隨機值進行過期偏移，用來解決緩存雪崩問題。
加鎖，解決緩存擊穿問題。另外需要注意，加鎖對性能會帶來影響。

這裏我們來看下用代碼演示如何解決緩存擊穿問題。

我們需要用 synchronized 來進行加鎖。當然這是本地鎖的方式，分佈式鎖我們會在下篇講到。

public List<TypeEntity> getTypeEntityListByLock() {
  synchronized (this) {
    // 1.從緩存中查詢數據
    String typeEntityListCache = stringRedisTemplate.opsForValue().get("typeEntityList");
    if (!StringUtils.isEmpty(typeEntityListCache)) {
      // 2.如果緩存中有數據，則從緩存中拿出來，並反序列化爲實例對象，並返回結果
      List<TypeEntity> typeEntityList = JSON.parseObject(typeEntityListCache, new TypeReference<List<TypeEntity>>(){});
      return typeEntityList;
    }
    // 3.如果緩存中沒有數據，從數據庫中查詢數據
    System.out.println("The cache is empty");
    List<TypeEntity> typeEntityListFromDb = this.list();
    // 4.將從數據庫中查詢出的數據序列化 JSON 字符串
    typeEntityListCache = JSON.toJSONString(typeEntityListFromDb);
    // 5.將序列化後的數據存入緩存中，並返回數據庫查詢結果
    stringRedisTemplate.opsForValue().set("typeEntityList", typeEntityListCache, 1, TimeUnit.DAYS);
    return typeEntityListFromDb;
  }
}

1. 從緩存中查詢數據。
1. 如果緩存中有數據，則從緩存中拿出來，並反序列化爲實例對象，並返回結果。
1. 如果緩存中沒有數據，從數據庫中查詢數據。
1. 將從數據庫中查詢出的數據序列化 JSON 字符串。
1. 將序列化後的數據存入緩存中，並返回數據庫查詢結果。

五、本地鎖的問題

本地鎖只能鎖定當前服務的線程，如下圖所示，部署了多個題目微服務，每個微服務用本地鎖進行加鎖。

本地鎖在一般情況下沒什麼問題，但是在某些情況下就會出問題：

比如在高併發情況下用來鎖庫存就有問題了：

1. 比如當前總庫存爲 100，被緩存在 Redis 中。
1. 庫存微服務 A 用本地鎖釦減庫存 1 之後，總庫存爲 99。
1. 庫存微服務 B 用本地鎖釦減庫存 1 之後，總庫存爲 99。
1. 那庫存扣減了 2 次後，還是 99，就超賣了 1 個。

那如何解決本地加鎖的問題呢？

緩存實戰（中篇）：實戰分佈式鎖。我們下篇見！

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/qtp4SVGdIamLdcO_Z7Em8Q

前言