从零开始手写 redis（四）监听器的实现

深碍√TFBOYSˉ_ 2022-12-11 12:24 214阅读 0赞

# 前言 #

[java从零手写实现redis（一）如何实现固定大小的缓存？][java_redis]

[java从零手写实现redis（三）redis expire 过期原理][java_redis_redis expire]

[java从零手写实现redis（三）内存数据如何重启不丢失？][java_redis 1]

本节，让我们来一起学习一下如何实现类似 guava-cache 中的 removeListener 删除监听器，和类似 redis 中的慢日志监控的 slowListener。

# 删除监听器 #

## 说明 ##

我们在两种场景下删除数据是对用户透明的：

（1）size 满了之后，进行数据淘汰。

（2）expire 过期时，清除数据。

这两个特性对用户本来应该是无感的，不过用户如果关心的话，也可以通过添加删除监听器来获取到相关的变更信息。

## 实现思路 ##

为了实现删除的监听，我们需要找到删除的位置，然后调用监听器即可。

### evict 驱除的场景 ###

每次 put 数据时，都会校验 size 是否达到最大的限制，如果达到，则进行 evict 淘汰。

### expire 过期的场景 ###

用户指定 expire 时间之后，回后台异步执行刷新。

也存在惰性删除的场景。

## 接口定义 ##

为了统一，我们将所有的删除都定义统一的接口：

/** * 删除监听器接口 * * @author binbin.hou * @since 0.0.6 * @param <K> key * @param <V> value */
    public interface ICacheRemoveListener<K,V> { 
    
        /** * 监听 * @param context 上下文 * @since 0.0.6 */
        void listen(final ICacheRemoveListenerContext<K,V> context);
    
    }

## 内置实现 ##

系统内置的实现如下：

public class CacheRemoveListener<K,V> implements ICacheRemoveListener<K,V> { 
    
        private static final Log log = LogFactory.getLog(CacheRemoveListener.class);
    
        @Override
        public void listen(ICacheRemoveListenerContext<K, V> context) { 
            log.debug("Remove key: {}, value: {}, type: {}",
                    context.key(), context.value(), context.type());
        }
    
    }

这个监听器是默认开启的，暂时无法关闭。

## 自定义 ##

用户可以自己的需要，进行自定义实现：

public class MyRemoveListener<K,V> implements ICacheRemoveListener<K,V> { 
    
        @Override
        public void listen(ICacheRemoveListenerContext<K, V> context) { 
            System.out.println("【删除提示】可恶，我竟然被删除了！" + context.key());
        }
    
    }

## 测试 ##

ICache<String, String> cache = CacheBs.<String,String>newInstance()
            .size(1)
            .addRemoveListener(new MyRemoveListener<String, String>())
            .build();
    
    cache.put("1", "1");
    cache.put("2", "2");

我们指定 cache 的大小为1，设置我们自定义的删除监听器。

这里的删除监听器可以添加多个。

### 日志 ###

测试日志如下：

[DEBUG] [2020-09-30 19:32:54.617] [main] [c.g.h.c.c.s.l.r.CacheRemoveListener.listen] - Remove key: 2, value: 2, type: evict
    【删除提示】可恶，我竟然被删除了！2

# 慢操作监听器 #

## 说明 ##

redis 中会存储慢操作的相关日志信息，主要是由两个参数构成：

（1）slowlog-log-slower-than 预设阈值,它的单位是毫秒(1秒=1000000微秒)默认值是10000

（2）slowlog-max-len 最多存储多少条的慢日志记录

不过 redis 是直接存储到内存中，而且有长度限制。

根据实际工作体验，如果我们可以添加慢日志的监听，然后有对应的存储或者报警，这样更加方便问题的分析和快速反馈。

所以我们引入类似于删除的监听器。

## 实现思路 ##

我们处理所有的 cache 操作，并且记录对应的操作耗时。

如果耗时操作用户设置的时间阈值，则调用慢操作监听器。

## 接口定义 ##

为了保证接口的灵活性，每一个实现都可以定义自己的慢操作阈值，这样便于分级处理。

比如超过 100ms，用户可以选择输出 warn 日志；超过 1s，可能影响到业务了，可以直接接入报警系统。

public interface ICacheSlowListener { 
    
        /** * 监听 * @param context 上下文 * @since 0.0.6 */
        void listen(final ICacheSlowListenerContext context);
    
        /** * 慢日志的阈值 * @return 慢日志的阈值 * @since 0.0.9 */
        long slowerThanMills();
    
    }

## 自定义监听器 ##

实现接口 `ICacheSlowListener`

这里每一个监听器都可以指定自己的慢日志阈值，便于分级处理。

public class MySlowListener implements ICacheSlowListener { 
    
        @Override
        public void listen(ICacheSlowListenerContext context) { 
            System.out.println("【慢日志】name: " + context.methodName());
        }
    
        @Override
        public long slowerThanMills() { 
            return 0;
        }
    
    }

## 使用 ##

ICache<String, String> cache = CacheBs.<String,String>newInstance()
            .addSlowListener(new MySlowListener())
            .build();
    
    cache.put("1", "2");
    cache.get("1");

*  测试效果

[DEBUG] [2020-09-30 17:40:11.547] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.before] - Cost start, method: put
    [DEBUG] [2020-09-30 17:40:11.551] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.after] - Cost end, method: put, cost: 10ms
    【慢日志】name: put
    [DEBUG] [2020-09-30 17:40:11.554] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.before] - Cost start, method: get
    [DEBUG] [2020-09-30 17:40:11.554] [main] [c.g.h.c.c.s.i.c.CacheInterceptorCost.after] - Cost end, method: get, cost: 1ms
    【慢日志】name: get

实际工作中，我们可以针对慢日志数据存储，便于后期分析。

也可以直接接入报警系统，及时反馈问题。

# 小结 #

监听器实现起来比较简单，但是对于使用者的作用是比较大的。

文中主要讲述了思路，实现部分因为篇幅限制，没有全部贴出来。

> 开源地址：[https://github.com/houbb/cache][https_github.com_houbb_cache]

觉得本文对你有帮助的话，欢迎点赞评论收藏关注一波~

你的鼓励，是我最大的动力~

[java_redis]: https://mp.weixin.qq.com/s/6J2K2k4Db_20eGU6xGYVTw
[java_redis_redis expire]: https://mp.weixin.qq.com/s/BWfBc98oLqhAPLN2Hgkwow
[java_redis 1]: https://mp.weixin.qq.com/s/G41SRZQm1_0uQXBAGHAYbw
[https_github.com_houbb_cache]: https://github.com/houbb/cache