Redis 实现分布式缓存
缓存
1. 什么是缓存？
缓存就是数据交换的缓冲区，用于临时存储数据（使用频繁的数据）。当用户请求数据时，首先在缓存中寻找，如果找到了则直接返回。如果找不到，则去数据库中查找
缓存的本质就是用空间换时间，牺牲数据的实时性，从而减轻数据库压力，尽可能提高吞吐量，有效提升响应速度
2. 缓存的分类
缓存的应用范围十分广泛，常见的有文件缓存、浏览器缓存、数据库缓存等等，但我们今天着重关注的是 WEB 应用服务领域，根据缓存与应用的耦合度，可以分为本地缓存和分布式缓存：
-
本地缓存
指在应用中的缓存组件，最大的优点是应用和缓存是在同一个进程内部，请求缓存速度快；同时，它的缺点也是因为缓存跟应用程序耦合，多个应用程序无法直接共享缓存，各应用或集群的各节点都需要维护自己的单独缓存
-
分布式缓存
指的是与应用分离的缓存组件或服务，最大的优点是自身就是一个独立的应用，与本地应用隔离，多个应用可直接共享缓存
3. 缓存的特点
缓存也是一个数据模型对象，那么必然有它的一些特征：
-
命中率
命中率 = 返回正确结果数 / 请求缓存次数，命中率是衡量缓存有效性的重要指标，命中率越高，表明缓存的使用率越高
-
最大元素
缓存中可以存放的最大元素的数量，一旦缓存中元素数量超过这个值，将会触发缓存清空策略。根据不同的场景合理设置最大元素值，可以在一定程度上提高缓存的命中率，从而更有效的利用缓存
4. 缓存清空策略
缓存的存储空间有限制，当缓存空间被用满时，就需要缓存清空策略来处理，常见的一般策略有：
-
先进先出策略：先进入缓存的数据，在缓存空间不足时会被优先被清理掉，在数据实效性要求较高的场景下，可选择该策略
-
最少使用策略：无论是否过期，根据元素被使用的次数判断，清除使用次数较少的元素。最少使用策略主要比较元素的命中次数，在保证高频数据有效性场景下，可选择该策略
-
最近最少使用策略：无论是否过期，根据元素最后一次被使用的时间戳，清除最远使用时间戳的元素。策略算法主要比较元素最近一次被使用的时间，适用于热点数据场景
此外，还有一些简单策略，比如：
- 根据过期时间判断，清理过期时间最长的元素
- 根据过期时间判断，清理最近要过期的元素
- 随机清理
- 根据关键字（或元素内容）清理等等
Redis 实现分布式缓存
可以利用 Mybatis 自带的本地缓存，结合 Redis 实现分布式缓存，主要思路是将 Mybatis 二级缓存的存放地点从本地改为配置了 Redis 的远程服务器
1. 开启 mybatis 二级缓存
创建一个 SpringBoot 工程，整合 MyBatis 和 Redis，在 Mapper 文件中加入 <cache/> 标签开启二级缓存
<cache/> 标签默认采用 PrepetualCache，该类是 Cache 接口的实现类，维护一个 Map 来保存数据
2. 自定义 cache 实现
我们要作改造，就要自定义一个实现类并替换 <cache type="xxxx.RedisCache">
实现自定义 RedisCache
public class RedisCache implements Cache {
// 当前放入缓存的 mapper 的 namespace，也是缓存的唯一标识
private final String id;
public RedisCache(String id) {
System.out.println("id:" + id);
this.id = id;
}
/**
* 返回 cache 的唯一标识
*/
@Override
public String getId() {
return this.id;
}
/**
* 缓存放入值
*/
@Override
public void putObject(Object key, Object value) {
System.out.println("放入缓存");
// 通过工具类获取 redisTemplate
RedisTemplate redisTemplate = getRedisTemplate();
// 使用 redishash 类型作为缓存存储模型
redisTemplate.opsForHash().put(id.toString(), key.toString(), value);
}
/**
* 获取缓存中的值
*/
@Override
public Object getObject(Object key) {
System.out.println("获得缓存");
// 通过工具类获取 redisTemplate
RedisTemplate redisTemplate = getRedisTemplate();
// 根据 key 从 redis 的 hash 类型中获取数据
return redisTemplate.opsForHash().get(id.toString(), key.toString());
}
/**
* 根据指定的 key 删除缓存
* 该方法为 mybatis 保留方法，默认没有实现
*/
@Override
public Object removeObject(Object key) {
System.out.println("根据指定的 key 删除缓存");
return null;
}
@Override
public void clear() {
System.out.println("清空缓存");
// 通过工具类获取 redisTemplate
RedisTemplate redisTemplate = getRedisTemplate();
// 清空 namespace
redisTemplate.delete(id.toString());
}
/**
* 计算缓存数量
*/
@Override
public int getSize() {
RedisTemplate redisTemplate = getRedisTemplate();
return redisTemplate.opsForHash().size(id.toString()).intValue();
}
/**
* 获取 redisTemplate
*/
private RedisTemplate getRedisTemplate() {
RedisTemplate redisTemplate = (RedisTemplate) ApplicationContextUtils.getBean("redisTemplate");
redisTemplate.setKeySerializer(new StringRedisSerializer());
redisTemplate.setHashKeySerializer(new StringRedisSerializer());
return redisTemplate;
}
}
3. 处理表连接查询时的问题
到此为止，使用 Redis 实现分布式缓存的目标就完成了，但还有一点要注意的是，涉及到多表查询时，结果会包含另一个表的对象信息。在这里对缓存进行存储的时候，使用的是 mapper 的 那么 namespace 作为 唯一标识，这样一来当调用 clear 方法时只会清理本身 namespace 的缓存，被包含的另一个表的对象信息不会被清理。如果此时表信息发生改变，将导致数据不一致
解决办法是每个 namespace 都使用同一个缓存，如下所示，表示当前 dao 和 UserDao 共享同一个缓存
<!-- 共享其他 namespace 的缓存 -->
<cache-ref namespace="com.zk.UserDao"/>
Redis 缓存优化
1. 键值优化
key 的长度不能太长，尽可能简短，使用 MD5 进行优化处理：
- 一切文件字符串经过 md5 处理后，都会生成 32 位 16 进制字符串
- 不同内容文件经过 md5 加密，结果一定不一致
- 相同内容文件经过多次 md5 处理，结果始终一致
使用 SpringBoot 提供的 MD5 加密的工具类即可实现
String s = DigestUtils.md5DigestAsHex(key.getBytes());
2. 缓存穿透（击穿）
客户端查询了一个数据库中没有的数据，导致缓存在这种情况下无法利用（数据库都没有则缓存更不可能有了），此情况下可绕过缓存直接攻击数据库
对于这种恶意访问，一种思路是先做校验，对恶意数据直接过滤掉，不要发送至数据库层；第二种思路是缓存空结果，就是对查询不存在的数据也记录在缓存中，这样就可以有效的减少查询数据库的次数
3. 缓存雪崩
在系统运行的某一时刻，缓存全部失效，恰好这一时刻涌来大量客户端请求，导致数据库阻塞或挂起。导致缓存失效的原因有很多，常见的是缓存到了失效时间（所有的缓存设置了同样的过期时间），而没有作合适的处理
要解决这个问题，一种方式是设置缓存永久存储（不推荐），另一种方式是针对不同业务数据设置不同的超时时间，防止集体失效
