Redis学习之缓存实现及缓存更新
什么是缓存？
缓存就是数据交换的缓冲区（称作Cache [ kæʃ ] ），是存贮数据的临时地方，一般读写性能较高。
为什么需要缓存？
提前准备好数据，便于更快地读写。
缓存是把双刃剑，要权衡利弊。
优点:降低后端负载
提高读写效率，降低响应时间
缺点:数据一致性成本 代码维护成本 运维成本
实现
关键流程
1.暂无缓存，从数据库读，然后设置（更新）缓存
2.已有缓存，直接读缓存
代码示例
/**
* 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 shopService.queryById(id);
}ShopServiceImpl
@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)) {
// 3.存在，直接返回
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
// 判断命中的是否是空值
if (shopJson != null) {
// 返回一个错误信息
return Result.fail("店铺不存在！");
}
// 4.不存在，根据id查询数据库
Shop shop = getById(id);
if (shop == null){
// 将空值写入redis
stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL, TimeUnit.MINUTES);
// 5.不存在返回错误
return Result.fail("店铺不存在！");
}
// 6.存在，写入redis
stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_SHOP_TTL, TimeUnit.MINUTES);
// 7.返回
return Result.ok(shop);
}
缓存更新
几种常用策略，一般会选择主动更新+超时提出兜底。
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
主动更新缓存的几种方式
1.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。(以数据库的数据为准，业务层自己来控制缓存的写入)
2.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.（使用现成的数据写入服务，让服务来维护数据库和缓存的一致性，我门只用写数据即可）
3.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。（先更新缓存，通过异步线程定期将缓存的数据持久化（同步道数据库中））
操作缓存和数据库时有三个问题需要考虑： 1.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
2.多线程情况下，如何保证缓存与数据库的操作的同时成功或失败？ 1.单体系统：将缓存与数据库操作放在一个事务 2.分布式系统：利用TCC等分布式事务方案
3.先操作缓存还是先操作数据库？
下图为两种方式在多线程下可能出现的问题
两种方式都不能百分百保证一致性，但【先操作数据库，再删除缓存】，出现问题的几率低，可以配合延时双删保证缓存一定被删除。
实现
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
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
@Transactional
@Override
public Result update(Shop shop) {
Long id = shop.getId();
if (id == null) {
return Result.fail("店铺id不能为空");
}
// 1.更新数据库
updateById(shop);
// 2.输出缓存
stringRedisTemplate.delete(CACHE_SHOP_KEY + id);
return Result.ok();
}