springboot 缓存介绍,缓存注解和常见问题
spring缓存
spring框架对缓存服务进行了抽象，提供了缓存增删查改等功能。但需要实现一个具体的数据存储实体。
缓存与缓冲区
- 缓存是无感知的，提高多次读取相同数据的性能
- 缓冲区是作用于快速和慢速实体之间的数据临时存储。相同数据块一般只会读写一次。
Reids实现spring缓存服务
spring提供了Cache和CacheManger抽象，Cache有自己的名字，存储缓存数据和提供操作。CacheManager则是维护Cache列表和提供服务。
实现缓存抽象的数据实体
环境搭建
<!--spring cache-->
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-cache</artifactId>
</dependency>
cache:
#设置缓存组件类型
type: redis
#设置缓存过期时间
redis:
time-to-live: 3600000
#指定默认前缀，如果此处我们指定了前缀则使用我们指定的前缀，推荐此处不指定前缀
#spring.cache.redis.key-prefix=CACHE_
#是否开始前缀，建议开启
#spring.cache.redis.use-key-prefix=true
#是否缓存空值，防止缓存穿透
#spring.cache.redis.cache-null-values=true
@EnableCaching
@Configuration
public class CacheConfig {
@Bean
public RedisCacheConfiguration redisCacheConfiguration(CacheProperties cacheProperties) {
RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig();
// 设置缓存key的序列化方式
config =
config.serializeKeysWith(
RedisSerializationContext.SerializationPair.fromSerializer(
new StringRedisSerializer()));
// 设置缓存value的序列化方式(JSON格式) 这里用GenericJackson2JsonRedisSerializer（其他json方式会报错哦），从redis获取后可以进行强转。
config =
config.serializeValuesWith(
RedisSerializationContext.SerializationPair.fromSerializer(
new GenericJackson2JsonRedisSerializer()));
CacheProperties.Redis redisProperties = cacheProperties.getRedis();
if (redisProperties.getTimeToLive() != null) {
config = config.entryTtl(redisProperties.getTimeToLive());
}
if (redisProperties.getKeyPrefix() != null) {
config = config.prefixKeysWith(redisProperties.getKeyPrefix());
}
if (!redisProperties.isCacheNullValues()) {
config = config.disableCachingNullValues();
}
if (!redisProperties.isUseKeyPrefix()) {
config = config.disableKeyPrefix();
}
return config;
}
}
缓存注解
spring缓存提供了一组注解:
-
-
@Cacheable：查询缓存,查不到则增加。 -
@CacheEvict：删除缓存。 -
@CachePut：增加缓存。 -
@Caching：组合多个缓存操作。 -
@CacheConfig：在类级别共享一些与缓存相关的常见设置。
-
使用demo
// ps：使用SpEL语法 @CachePut(cacheNames = CACHE_USER, key = "#params.name") public UserInfo register(UserRequestParams params) {} // sync=true 加锁 condition="#name.length() < 32" 条件缓存 @Cacheable(cacheNames = CACHE_USER, key = "#name") public UserInfo getUser(String name){} // allEntries=true 清楚全部缓存 @CacheEvict(cacheNames = CACHE_USER, key = "#name") public void clear(String name){} // 缓存操作集合,可以抽象出来 @Caching(cacheable = @Cacheable(cacheNames = "caching", key = "#age"), evict = @CacheEvict(cacheNames = "t4", key = "#age")) public String caching(int age) {} @CacheConfig("books") public class BookRepositoryImpl{} // 自定义注解，一般用来美化@Caching注解 @Retention(RetentionPolicy.RUNTIME) @Target({ElementType.METHOD}) @Cacheable(cacheNames="books", key="#isbn") public @interface SlowService { } @SlowService public Book findBook(ISBN isbn, boolean checkWarehouse, boolean includeUsed)
缓存常见问题
-
-
缓存穿透
描述：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。
解决方案：
1、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：用户鉴权、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。
2、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。
3、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。
布隆过滤器
布隆过滤器的特点是判断不存在的，则一定不存在；判断存在的，大概率存在，但也有小概率不存在。并且这个概率是可控的，我们可以让这个概率变小或者变高，取决于用户本身的需求。
布隆过滤器由一个 bitSet 和 一组 Hash 函数（算法）组成，是一种空间效率极高的概率型算法和数据结构，主要用来判断一个元素是否在集合中存在。
在初始化时，bitSet 的每一位被初始化为0，同时会定义 Hash 函数，例如有3组 Hash 函数：hash1、hash2、hash3。
假设抖音刷视频，需要推荐给我们没看过的视频，那么就需要缓存我们看过的视频进行排除。假设使用四个字节存储视频id，100个视频id就需要400字节，而且一般为了查询效率，也要达到O（logN）的查询，那就需要引入占用内存更多的map之类的结构。而布隆是3个bit存储，那100个视频id最理想情况下，也只有300bit ≈ 30多字节，并且查询效率达到O（1），在大数据查找领域，不失为一种最佳方案。
-
-
缓存击穿
描述：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。
解决方案：
1、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，直接走缓存。
2、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。
这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，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。
-
缓存雪崩
描述：高级版缓存击穿，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。
解决方案：
1、过期时间打散。既然是大量缓存集中失效，那最容易想到就是让他们不集中生效。可以给缓存的过期时间时加上一个随机值时间，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。
2、热点数据不过期。该方式和缓存击穿一样，也是要着重考虑刷新的时间间隔和数据异常如何处理的情况。
3、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。
