曰本毛片va看到爽不卡_亚洲色图欧美激情_九九久久精品视频_亚洲综合色在线

功能02-商鋪查詢緩存02知識補充(1)緩存穿透

https://blog.csdn.net/qq_45637260/article/details/125866738

緩存穿透（cache penetration）是指用戶訪問的數據既不在緩存當中，也不在數據庫中。出于容錯的考慮，如果從底層數據庫查詢不到數據，則不寫入緩存。這就導致每次請求都會到底層數據庫進行查詢，緩存也失去了意義。當高并發或有人利用不存在的Key頻繁攻擊時，數據庫的壓力驟增，甚至崩潰，這就是緩存穿透問題。

簡單地說，緩存穿透是指用戶請求的數據在緩存和數據庫中都不存在，則每次請求都會打到數據庫中，給數據庫帶來巨大壓力。

【資料圖】

常見的兩種解決方案

（1）緩存空對象：是指在持久層沒有命中的情況下，對key進行set （key，null）。

緩存空對象會有兩個問題：

value為null 不代表不占用內存空間，空值做了緩存，意味著緩存層中存了更多的鍵，需要更多的內存空間，比較有效的方法是針對這類數據設置一個較短的過期時間，讓其自動剔除。

緩存層和存儲層的數據會有一段時間窗口的不一致，可能會對業務有一定影響。例如過期時間設置為5分鐘，如果此時存儲層添加了這個數據，那此段時間就會出現緩存層和存儲層數據的不一致，此時可以利用消息系統或者其他方式清除掉緩存層中的空對象。

（2）布隆過濾器：

在訪問緩存層和存儲層之前，將存在的key用布隆過濾器提前保存起來，做第一層攔截，當收到一個對key請求時，先用布隆過濾器驗證是key否存在，如果存在再進入緩存層、存儲層。

可以使用bitmap做布隆過濾器。這種方法適用于數據命中不高、數據相對固定、實時性低的應用場景，代碼維護較為復雜，但是緩存空間占用少。

布隆過濾器實際上是一個很長的二進制向量和一系列隨機映射函數。布隆過濾器可以用于檢索一個元素是否在一個集合中。它的優點是空間效率和查詢時間都遠遠超過一般的算法，缺點是有一定的誤識別率和刪除困難。

布隆過濾器攔截的算法描述：

初始狀態時，BloomFilter是一個長度為m的位數組，每一位都置為0。添加元素x時，x使用k個hash函數得到k個hash值，對m取余，對應的bit位設置為1。

判斷y是否屬于這個集合，對y使用k個哈希函數得到k個哈希值，對m取余，所有對應的位置都是1，則認為y屬于該集合（哈希沖突，可能存在誤判），否則就認為y不屬于該集合?？梢酝ㄟ^增加哈希函數和增加二進制位數組的長度來降低錯報率

兩種方案的比較：

緩存穿透的方案	使用場景	維護成本
緩存空對象	1.數據命中率不高 2.數據頻繁變化實時性高	1.代碼維護簡單 2.需要過多的緩存空間 3.數據不一致
布隆過濾器	1.數據命中不高 2.數據相對固定實時性低	1.代碼維護復雜 2.緩存空間占用少

緩存穿透的解決方案還有：

(2)緩存雪崩

緩存雪崩

在使用緩存時，通常會對緩存設置過期時間，一方面目的是保持緩存與數據庫數據的一致性，另一方面是減少冷緩存占用過多的內存空間。但當緩存中大量熱點緩存采用了相同的實效時間，就會導致緩存在某一個時刻同時實效，請求全部轉發到數據庫，從而導致數據庫壓力驟增，甚至宕機。從而形成一系列的連鎖反應，造成系統崩潰等情況，這就是緩存雪崩（Cache Avalanche）。

簡單地說，緩存雪崩是指在同一時間段大量的熱點key同時失效，或者Redis服務宕機，導致大量請求到達數據庫，給數據庫帶來巨大壓力。

解決方案

給不同的key的TTL添加隨機值（比如隨機1-5分鐘），讓key均勻地失效利用redis集群提高服務的可用性（提高高可用性）給緩存業務添加熔斷、降級、限流策略給業務添加多級緩存(3)緩存擊穿

緩存擊穿

如果有一個熱點key，在不停的扛著大并發，在這個key失效的瞬間，持續的大并發請求就會擊破緩存，直接請求到數據庫，好像蠻力擊穿一樣。這種情況就是緩存擊穿（Cache Breakdown）。

緩存擊穿問題也叫做熱點key問題，簡單來說，就是一個被高并發訪問并且緩存重建業務較復雜的key突然失效了，無數的請求訪問在瞬間給數據庫帶來巨大的沖擊。

從定義上可以看出，緩存擊穿和緩存雪崩很類似，只不過是緩存擊穿是一個熱點key失效，而緩存雪崩是大量熱點key失效。因此，可以將緩存擊穿看作是緩存雪崩的一個子集。

解決方案

方案一：使用互斥鎖（Mutex Key），只讓一個線程構建緩存，其他線程等待構建緩存執行完畢，重新從緩存中獲取數據。單機通過synchronized或lock來處理，分布式環境采用分布式鎖。

方案二：邏輯過期。熱點數據不設置過期時間，只在value中設置邏輯上的過期時間。后臺異步更新緩存，適用于不嚴格要求緩存一致性的場景。

兩種方案的對比：

3.功能02-商鋪查詢緩存3.4查詢商鋪id的緩存穿透問題3.4.3需求分析

解決查詢商鋪查詢可能存在的緩存穿透問題：當訪問不存在的店鋪時，請求會直接打到數據庫上，并且redis緩存永遠不會生效。

這里使用緩存空對象的方式來解決。

3.4.4代碼實現

（1）修改ShopServiceImpl.java的queryById方法

@Overridepublic Result queryById(Long id) {    String key = CACHE_SHOP_KEY + id;    //1.從redis中查詢商鋪緩存    String shopJson = stringRedisTemplate.opsForValue().get(key);    //2.判斷緩存是否命中    if (StrUtil.isNotBlank(shopJson)) {        //2.1若命中，直接返回商鋪信息        Shop shop = JSONUtil.toBean(shopJson, Shop.class);        return Result.ok(shop);    }    //判斷命中的是否是redis的空值    if (shopJson != null) {        return Result.fail("店鋪不存在！");    }    //2.2未命中，根據id查詢數據庫，判斷商鋪是否存在數據庫中    Shop shop = getById(id);    if (shop == null) {        //2.2.1不存在，防止緩存穿透，將空值存入redis，TTL設置為2min        stringRedisTemplate.opsForValue().set(key, "",                CACHE_NULL_TTL, TimeUnit.MINUTES);        //返回錯誤信息        return Result.fail("店鋪不存在！");    }    //2.2.2存在，則將商鋪數據寫入redis中    stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop),            CACHE_SHOP_TTL, TimeUnit.MINUTES);    return Result.ok(shop);}

（2）測試，訪問一個緩存和數據庫都不存在的數據：

可以看到redis已經緩存了一個空值

之后再訪問該數據，只要redis的空值對沒有過期，就不會訪問到數據庫，從而起到保護數據庫的作用。

3.5查詢商鋪id的緩存擊穿問題

當查詢店鋪id時，可能會出現該店鋪id對應的緩存失效，從而大量請求發送到數據庫的情況，這里使用兩種方案分別解決該問題。

3.5.1基于互斥鎖方案解決3.5.1.1需求分析

修改根據id查詢商鋪的業務，基于互斥鎖方式來解決緩存擊穿問題。

如下，當出現緩存擊穿問題，首先需要判斷當前的線程是否能夠獲取鎖：

若可以，則進行緩存重建（將數據庫數據重新寫入緩存中），然后釋放鎖。如果不能，則線程等待一段時間，然后再判斷緩存是否能命中。如果未命中，則重復獲取鎖的流程，直到緩存命中，或者獲得鎖，重建緩存。

根據redis的setnx命令，當setnx設置某個key之后，如果該key存在，則其他線程無法設置該key。

我們可以根據這個特性，作為一個lock的邏輯標志，當一個線程setnx某個key后，代表獲取了“鎖”。當刪除這個key時，代表釋放“鎖”，這樣其他線程就可以重新獲取“鎖”。此外，可以對該key設置一個有效期，防止刪除key失敗，產生“死鎖”。

3.5.1.2代碼實現

（1）修改 ShopServiceImpl.java

package com.hmdp.service.impl;import .../** * 服務實現類 * * @author 李 * @version 1.0 */@Servicepublic class ShopServiceImpl extends ServiceImpl        implements IShopService {    @Resource    StringRedisTemplate stringRedisTemplate;    @Override    public Result queryById(Long id) {        Shop shop = queryWithMutex(id);        if (shop == null) {            return Result.fail("店鋪不存在！");        }        return Result.ok(shop);    }    //緩存穿透(存儲空對象)+緩存擊穿解決(互斥鎖解決)    public Shop queryWithMutex(Long id) {        String key = CACHE_SHOP_KEY + id;        //從redis中查詢商鋪緩存        String shopJson = stringRedisTemplate.opsForValue().get(key);        //判斷緩存是否命中        if (StrUtil.isNotBlank(shopJson)) {            //命中，直接返回商鋪信息            return JSONUtil.toBean(shopJson, Shop.class);        }        //判斷命中的是否是redis的空值（緩存擊穿解決）        if (shopJson != null) {            return null;        }        //未命中，嘗試獲取互斥鎖        String lockKey = "lock:shop:" + id;        boolean isLock = false;        Shop shop = null;        try {            //獲取互斥鎖            isLock = tryLock(lockKey);            //判斷是否獲取成功            if (!isLock) {//失敗                //等待并重試                Thread.sleep(50);                //直到緩存命中，或者獲取到鎖                return queryWithMutex(id);            }            //獲取鎖成功，開始重建緩存            //根據id查詢數據庫，判斷商鋪是否存在數據庫中            shop = getById(id);            //模擬重建緩存的延遲-----------            Thread.sleep(200);            if (shop == null) {                //不存在，防止緩存穿透，將空值存入redis，TTL設置為2min                stringRedisTemplate.opsForValue().set(key, "",                        CACHE_NULL_TTL, TimeUnit.MINUTES);                //返回錯誤信息                return null;            }            //存在，則將商鋪數據寫入redis中            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop),                    CACHE_SHOP_TTL, TimeUnit.MINUTES);        } catch (InterruptedException e) {            throw new RuntimeException(e);        } finally {            //釋放互斥鎖            unLock(lockKey);        }        //返回從緩存或數據庫中查到的數據        return shop;    }    //緩存穿透方案//    public Shop queryWithPassThrough(Long id) {//        String key = CACHE_SHOP_KEY + id;//        //1.從redis中查詢商鋪緩存//        String shopJson = stringRedisTemplate.opsForValue().get(key);//        //2.判斷緩存是否命中//        if (StrUtil.isNotBlank(shopJson)) {//            //2.1若命中，直接返回商鋪信息//            return JSONUtil.toBean(shopJson, Shop.class);//        }//        //判斷命中的是否是redis的空值//        if (shopJson != null) {//            return null;//        }//        //2.2未命中，根據id查詢數據庫，判斷商鋪是否存在數據庫中//        Shop shop = getById(id);//        if (shop == null) {//            //2.2.1不存在，防止緩存穿透，將空值存入redis，TTL設置為2min//            stringRedisTemplate.opsForValue().set(key, "",//                    CACHE_NULL_TTL, TimeUnit.MINUTES);//            //返回錯誤信息//            return null;//        }//        //2.2.2存在，則將商鋪數據寫入redis中//        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop),//                CACHE_SHOP_TTL, TimeUnit.MINUTES);//        return shop;//    }    private boolean tryLock(String key) {        Boolean flag = stringRedisTemplate.opsForValue()                .setIfAbsent(key, "1", 10, TimeUnit.SECONDS);        return BooleanUtil.isTrue(flag);    }    private void unLock(String key) {        stringRedisTemplate.delete(key);    }    @Override    @Transactional    public Result update(Shop shop) {        Long id = shop.getId();        if (id == null) {            return Result.fail("店鋪id不能為空");        }        //1.更新數據庫        updateById(shop);        //2.刪除redis緩存        stringRedisTemplate.delete(CACHE_SHOP_KEY + id);        return Result.ok();    }}

（2）使用jemeter模擬高并發的情況：

5秒發起1000個請求線程：

模擬http請求：

全部請求成功，獲取到數據：

在服務器的控制臺中可以看到：對于數據庫的請求只觸發了一次，證明在高并發的場景下，只有一個線程對數據庫發起請求，并對redis對應的緩存重新設置。

3.5.2基于邏輯過期方案解決