《Redis实战篇》二、商户查询缓存（缓存基本使用 | 缓存更新 | 缓存穿透 | 缓存雪崩 | 缓存击穿 | Redis缓存工具类）

ゝ一世哀愁。 2023-10-07 21:47 23阅读 0赞

#### 文章目录 ####

*   *  2.1 什么是缓存?
     *   *  2.1.1 为什么要使用缓存
         *  2.1.2 如何使用缓存
     *  2.2 添加商户缓存
     *   *  2.2.1 、缓存模型和思路
         *  2.2.2、代码如下
         *  2.2.3、练习：为店铺类型接口添加缓存
     *  2.3 缓存更新策略
     *   *  2.3.1 、数据库缓存不一致解决方案
         *  2.3.2 、双写方案存在的问题
         *  2.3.3、 实现商铺和缓存与数据库双写一致
     *  2.4 缓存穿透
     *   *  2.4.1、问题的解决思路
         *  2.4.2、编码解决商品查询的缓存穿透问题：
     *  2.5 缓存雪崩问题及解决思路
     *  2.6 缓存击穿
     *   *  2.6.1、问题及解决思路
         *  2.6.2、利用互斥锁解决缓存击穿问题
         *  2.6.3、利用逻辑过期解决缓存击穿问题
     *  2.7、封装Redis工具类
     *

### 2.1 什么是缓存? ###

**前言**:**什么是缓存?**

就像自行车,越野车的避震器![7b28e0f7493a3d6ab18f3dd5dd5caea1.gif][]

举个例子:越野车,山地自行车,都拥有"避震器",**防止**车体加速后因惯性,在酷似"U"字母的地形上飞跃,硬着陆导致的**损害**,像个弹簧一样;

同样,实际开发中,系统也需要"避震器",防止过高的数据访问猛冲系统,导致其操作线程无法及时处理信息而瘫痪;

这在实际开发中对企业讲,对产品口碑,用户评价都是致命的;所以企业非常重视缓存技术;

**缓存(Cache),就是数据交换的缓冲区**,俗称的缓存就是**缓冲区内的数据**,一般从数据库中获取,存储于本地代码(例如:

例1:Static final ConcurrentHashMap<K,V> map = new ConcurrentHashMap<>(); 本地用于高并发
    
    例2:static final Cache<K,V> USER_CACHE = CacheBuilder.newBuilder().build(); 用于redis等缓存
    
    例3:Static final Map<K,V> map =  new HashMap(); 本地缓存

由于其被**Static**修饰,所以随着类的加载而被加载到**内存之中**,作为本地缓存,由于其又被**final**修饰,所以其引用(例3:map)和对象(例3:new HashMap())之间的关系是固定的,不能改变,因此不用担心赋值(=)导致缓存失效;

#### 2.1.1 为什么要使用缓存 ####

一句话:因为==**速度快,好用**==

缓存数据存储于代码中,而代码运行在内存中,内存的读写性能远高于磁盘,缓存可以大大降低**用户访问并发量带来的**服务器读写压力

实际开发过程中,企业的数据量,少则几十万,多则几千万,这么大数据量,如果没有缓存来作为"避震器",系统是几乎撑不住的,所以企业会大量运用到缓存技术;

但是缓存也会增加代码复杂度和运营的成本:

![image-20221127121416381][]

#### 2.1.2 如何使用缓存 ####

实际开发中,会构筑多级缓存来使系统运行速度进一步提升,例如:本地缓存与redis中的缓存并发使用

**浏览器缓存**：主要是存在于浏览器端的缓存

\*\*应用层缓存：\*\*可以分为tomcat本地缓存，比如之前提到的map，或者是使用redis作为缓存

\*\*数据库缓存：\*\*在数据库中有一片空间是 buffer pool，增改查数据都会先加载到mysql的缓存中

\*\*CPU缓存：\*\*当代计算机最大的问题是 cpu性能提升了，但内存读写速度没有跟上，所以为了适应当下的情况，增加了cpu的L1，L2，L3级的缓存

![image-20221127121510971][]

### 2.2 添加商户缓存 ###

在我们查询商户信息时，我们是直接操作从数据库中去进行查询的，大致逻辑是这样，直接查询数据库那肯定慢咯，所以我们需要增加缓存

@GetMapping("/{id}")
    public Result queryShopById(@PathVariable("id") Long id) {
        
        //这里是直接查询数据库
        return shopService.queryById(id);
    }

#### 2.2.1 、缓存模型和思路 ####

标准的操作方式就是查询数据库之前先查询缓存，如果缓存数据存在，则直接从缓存中返回，如果缓存数据不存在，再查询数据库，然后将数据存入redis。

![image-20221127122419377][]

#### 2.2.2、代码如下 ####

代码思路：如果缓存有，则直接返回，如果缓存不存在，则查询数据库，然后存入redis。

@Override
    public Result queryById(Long id) {
        
        // 1.从查询Redis中是否有数据
        String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);
        // 2.如果有则直接返回
        if (StrUtil.isNotBlank(shopJson)) {
        
            Shop shop = JSONUtil.toBean(shopJson, Shop.class);
            return Result.ok(shop);
        }
    
        // 3.如果没有，就去查数据库
        Shop shop = this.baseMapper.selectById(id);
        // 4.如果没找到则返回错误信息
        if(shop==null){
        
            return Result.fail("店铺不存在~");
        }
    
        // 5.如果查到了就加入到Redis,并返回
        stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY+id, JSONUtil.toJsonStr(shop));
        return Result.ok(shop);
    }

#### 2.2.3、练习：为店铺类型接口添加缓存 ####

店铺类型在首页和其它多个页面都会用到，如图：

![image-20221127165136055][]

需求：修改ShopTypeController中的queryTypeList方法，添加查询缓存

@Override
    public Result queryTypeList() {
        
        // 1.先去Redis查缓存首页缓存数据
        String shopTypeListJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_TYPE_KEY);
    
        // 2.如果为不为空，则直接返回
        if (StrUtil.isNotBlank(shopTypeListJson)) {
        
            return Result.ok(JSONUtil.toList(shopTypeListJson,ShopType.class));
        }
    
        // 3.如果为空，去查询数据库
        List <ShopType> shopTypeList = this.query().orderByDesc("sort").list();
    
        // 4.如果查询为空，则直接返回错误信息
        if (shopTypeList == null || shopTypeList.size() == 0) {
        
            return Result.fail("商品类型查询失败！");
        }
    
        // 5.如果不为空，则把数据存入到Redis,并返回结果 (这里可以使用List,String等结构)
        stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_TYPE_KEY,JSONUtil.toJsonStr(shopTypeList));
        return Result.ok(shopTypeList);
    }

### 2.3 缓存更新策略 ###

缓存更新是redis为了节约内存而设计出来的一个东西，主要是因为内存数据宝贵，当我们向redis插入太多数据，此时就可能会导致缓存中的数据过多，所以redis会对部分数据进行更新，或者把他叫为淘汰更合适。

\*\*内存淘汰：\*\*redis自动进行，当redis内存达到咱们设定的max-memery的时候，会自动触发淘汰机制，淘汰掉一些不重要的数据(可以自己设置策略方式)

\*\*超时剔除：\*\*当我们给redis设置了过期时间ttl之后，redis会将超时的数据进行删除，方便咱们继续使用缓存

\*\*主动更新：\*\*我们可以手动调用方法把缓存删掉，通常用于解决缓存和数据库不一致问题

![1653322506393][]

#### 2.3.1 、数据库缓存不一致解决方案 ####

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;怎么解决呢？有如下几种方案

*  **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
    
     *  特点:需要依靠程序员在CRUD之外进行额外的代码处理!
 *  **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
    
     *  如:Canel + Kafaka 搭建的服务,但是维护和开发成本较高!
 *  **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
    
     *  优点:调用者多次操作缓存,经过一段时间线程只需要把最后一次更新后的结果同步到数据库,效率极高
     *  缺点:维护这个异步线程比较困难; 如果在一段时间内有大量更新,但是还没有触发异步线程的更新,就会导致数据库和缓存数据差别很大; 缓存宕机 会导致 数据丢失,可靠性较差

![1653322857620][]

#### 2.3.2 、双写方案存在的问题 ####

综合考虑使用方案一，**可控性比较高**~ (实际企业中用的也比较多)

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 **√**

如果采用第一个方案，那么假设我们每次操作数据库后，都操作缓存，但是中间如果没有人查询，那么这个更新动作实际上只有最后一次生效，中间的更新动作意义并不大，我们可以把缓存删除，等待再次查询时，将缓存中的数据加载出来

2、如何保证缓存与数据库的操作的同时成功或失败？

*  单体系统，将缓存与数据库操作放在一个事务
 *  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？

*  先删除缓存，再操作数据库 **×**
 *  先操作数据库，再删除缓存 **√**

在不考虑并发的情况下，都是可以的。但是在并发场景下，我们应当是先操作数据库，再删除缓存，我们简单分析一下：

*  如果你选择第一种方案，如左图所示：在两个线程（线程1是更新线程，线程2是查询线程）并发来访问时，假设线程1先来，他先把缓存删了，此时线程2过来，他查询缓存数据并不存在，此时他写入缓存，当他写入缓存后，线程1再执行更新动作时，实际上写入缓存的是旧的数据，新的数据被旧数据覆盖了。
 *  如果你选择第二种方案，如右图所示，两个线程（线程1是查询线程，线程2是更新线程）并发来访问时，假如此时缓存是被删除的状态，线程1过来了，发现未命中，就去数据库擦汗寻数据了，刚查询完还没写入缓存!!! 此时线程2过来了，就更新数据库了（下面删除缓存这一步就不用做了）。然后，线程1又抢到了时间片，继续进行写入缓存操作，就会导致写入缓存的仍是旧数据

既然我们发现两种方案都有并发修改的风险，但是为啥选择方案二呢？

因为 查询操作时间非常短，容易产生并发风险概率较低~

![1653323595206][]

**总结：缓存更新策略的最佳实践方案**

![image-20221203180617553][]

#### 2.3.3、 实现商铺和缓存与数据库双写一致 ####

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**

![image-20221204222609860][]

**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("id不能为null");
        }
        this.updateById(shop);
        // 删除缓存
        stringRedisTemplate.delete(RedisConstants.CACHE_SHOP_KEY+id);
        return Result.ok();
    }

### 2.4 缓存穿透 ###

#### 2.4.1、问题的解决思路 ####

缓存穿透 ：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。

常见的解决方案有两种：

*  缓存空对象
    
     *  优点：实现简单，维护方便
     *  缺点：
        
         *  额外的内存消耗
         *  可能造成短期的不一致
 *  布隆过滤
    
     *  优点：内存占用较少，没有多余key
     *  缺点：
        
         *  实现复杂
         *  存在误判可能 (因为可能出现hash冲突)

\*\*缓存空对象思路分析：\*\*当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到数据库了

**布隆过滤：** 布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中，

假设布隆过滤器判断这个数据不存在，则直接返回

这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突

![1653326156516][]

**代码修改：**

![image-20221204224430936][]

#### 2.4.2、编码解决商品查询的缓存穿透问题： ####

核心思路如下：

在原来的逻辑中，我们如果发现这个数据在mysql中不存在，直接就返回404了，这样是会存在缓存穿透问题的

现在的逻辑中：如果这个数据不存在，我们不会返回404 ，还是会把这个数据写入到Redis中，并且将value设置为空，当再次发起查询时，我们如果发现命中之后，判断这个value是否是null，如果是null，则是之前写入的数据，证明是缓存穿透数据，如果不是，则直接返回数据。

![1653327124561][]

**小总结：**

缓存穿透产生的原因是什么？

*  用户请求的数据在缓存中和数据库中都不存在，不断发起这样的请求，给数据库带来巨大压力

缓存穿透的解决方案有哪些？

*  缓存null值 （被动解决）
 *  布隆过滤 （被动解决）
 *  增强id的复杂度，避免被猜测id规律 （比如随机数，防止用户猜到…）
 *  做好数据的基础格式校验 （比如id的位数）
 *  加强用户权限校验
 *  做好热点参数的限流

### 2.5 缓存雪崩问题及解决思路 ###

缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

解决方案：

*  给不同的Key的TTL添加随机值 （可以防止同一时间短缓存都失效~）
 *  利用Redis集群提高服务的可用性 （后面会讲）
 *  给缓存业务添加降级限流策略 （比如sentinel的一些策略）
 *  给业务添加多级缓存 （Nginx缓存、JVM缓存、MySQL缓存、Redis缓存 只要有一个命中就可~）

![1653327884526][]

### 2.6 缓存击穿 ###

#### 2.6.1、问题及解决思路 ####

缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。

常见的解决方案有两种：

*  互斥锁
 *  逻辑过期

逻辑分析：假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法， 那么这些线程都不能从缓存中查询到数据，那么他们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大

![image-20221204232839336][]

解决方案一、使用锁来解决：

因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。

假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。

![image-20221204233045795][]

解决方案二、逻辑过期方案

方案分析：我们之所以会出现这个缓存击穿问题，主要原因是在于我们对key设置了过期时间，假设我们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们内存了吗，我们可以采用逻辑过期方案。

我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续通过逻辑去处理。假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个 线程去进行 以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁， 而线程1直接进行返回，假设现在线程3过来访问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据。

这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据。

![image-20221204233315960][]

**进行对比**

\*\*互斥锁方案：\*\*由于保证了互斥性，所以数据一致，且实现简单，因为仅仅只需要加一把锁而已，也没其他的事情需要操心，所以没有额外的内存消耗，缺点在于有锁就有死锁问题的发生，且只能串行执行性能肯定受到影响

**逻辑过期方案：** 线程读取过程中不需要等待，性能好，有一个额外的线程持有锁去进行重构数据，但是在重构数据完成前，其他的线程只能返回之前的数据，且实现起来麻烦

![image-20221204233506235][]

#### 2.6.2、利用互斥锁解决缓存击穿问题 ####

核心思路：相较于原来从缓存中查询不到数据后直接查询数据库而言，现在的方案是 进行查询之后，如果从缓存没有查询到数据，则进行互斥锁的获取，获取互斥锁后，判断是否获得到了锁，如果没有获得到，则休眠，过一会再进行尝试，直到获取到锁为止，才能进行查询

如果获取到了锁的线程，再去进行查询，查询后将数据写入redis，再释放锁，返回数据，利用互斥锁就能保证只有一个线程去执行操作数据库的逻辑，防止缓存击穿

![image-20221205005716282][]

**操作锁的代码：**

核心思路就是利用redis的setnx方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true， 如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。

/**
     * 获取锁：使用setnx模拟互斥锁
     * 为了防止出现死锁，所以应该为其设置过期时间
     * @param key
     * @return
    */
    private boolean tryLock(String key){
        
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", RedisConstants.LOCK_SHOP_TTL, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }
    
    /**
     * 释放锁
     * @param key
    */
    private void unlock(String key){
        
        stringRedisTemplate.delete(key);
    }

**操作代码：**

/**
     * 互斥锁解决缓存击穿
     * @param id
     * @return
    */
    private Shop queryWithMutex(Long id) {
        
        // 1.从查询Redis中是否有数据
        String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);
        // 2.判断是否存在
        if (StrUtil.isNotBlank(shopJson)) {
        
            // 存在则直接返回
            Shop shop = JSONUtil.toBean(shopJson, Shop.class);
            return shop;
        }
    
        // 3.判断命中的是否是空值
        if(shopJson != null){
        
            return null;
        }
    
        // 4.实现缓存重建
        String key = RedisConstants.LOCK_SHOP_KEY+id;
        Shop shop = null;
        try {
        
            // 4.1 获取互斥锁
            boolean isLock = tryLock(key);
            // 4.2判断是否获取成功
            if(!isLock){
        
                // 4.3失败，则休眠并重试
                Thread.sleep(50);
                // 注意：获取锁的同时应该再次检测redis缓存是否存在，做DoubleCheck,如果存在则无需重建缓存
                return queryWithMutex(id);
            }
            // 4.4成功，根据id查询数据库
            shop = getById(id);
    
            // 模拟重建时的延时
            Thread.sleep(200);
    
            // 5.不存在，返回错误
            if(shop==null){
        
                // 将空值写入到redis
                stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id,"",RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
                return null;
            }
            // 6.存在就加入到Redis,并返回
            stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY+id, JSONUtil.toJsonStr(shop),RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
        } catch (InterruptedException e) {
        
            e.printStackTrace();
        }finally {
        
            // 7.释放互斥锁
            unlock(key);
        }
        return shop;
    }

**测试：5s 1000次请求的高并发测试**

![image-20221205015020479][]

观察控制台，可以发现只向数据库请求了一次~其他请求都打在了缓存上！！！

![image-20221205015122987][]

从而可以得出结论，使用互斥锁可以解决缓存击穿的问题~~~

#### 2.6.3、利用逻辑过期解决缓存击穿问题 ####

思路分析：当用户开始查询redis时，判断是否命中，如果没有命中则直接返回空数据，不查询数据库，而一旦命中后，将value取出，判断value中的过期时间是否满足，如果没有过期，则直接返回redis中的数据，如果过期，则在开启独立线程后直接返回之前的数据，独立线程去重构数据，重构完成后释放互斥锁。

![image-20221205231155904][]

封装数据：因为现在redis中存储的数据的value需要带上过期时间，此时要么你去修改原来的实体类，要么你新建一个实体类，我们采用第二个方案，这个方案，对原来代码没有侵入性。

步骤一、 新建RedisData类

@Data
    public class RedisData {
        
        private LocalDateTime expireTime;
        private Object data;
    }

步骤二、 在ShopServiceImpl 新增此方法，利用单元测试进行缓存预热

/**
     * 缓存重建（预热）
     * @param id
     * @param expireSeconds
     * @throws InterruptedException
    */
    @Override
    public void saveShop2Redis(Long id, Long expireSeconds) throws InterruptedException {
        
        // 1.查询店铺信息
        Shop shop = getById(id);
        Thread.sleep(200);
        // 2.封装逻辑过期时间
        RedisData redisData = new RedisData();
        redisData.setData(shop);
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
        // 3.写入Redis
        stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));
    }

@Test
    public void testSave2Redis() throws InterruptedException {
        
        shopService.saveShop2Redis(1L,30L);
    }

步骤三：编写逻辑过期的核心代码

private ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
    
    /**
     * 逻辑过期解决缓存击穿
     *
     * @param id
     * @return
    */
    private Shop queryWithLogicalExpire(Long id) {
        
        // 1.从Redis中查询商铺缓存
        String redisDataJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);
        // 2.判断是否命中
        if (StrUtil.isBlank(redisDataJson)) {
        
            // 3.未命中，则返回空(因为预热过了，所以如果缓存中没有，则一定就是没有该店铺数据)
            // 为什么不用考虑缓存穿透的情况，因为所有的数据都放入到redis中预热了，一旦缓存查询出是null的，说明数据库没这个数据
            return null;
        }
        // 4.命中，需要先把json反序列化为对象
        RedisData redisData = JSONUtil.toBean(redisDataJson, RedisData.class);
        JSONObject shopJSONObj = (JSONObject) redisData.getData();
        Shop shop = JSONUtil.toBean(shopJSONObj, Shop.class);
        // 5.判断是否过期
        if (redisData.getExpireTime().isAfter(LocalDateTime.now())) {
        
            // 5.1未过期，则返回商铺信息
            return shop;
        }
        // 5.2已过期，需要缓存重建
        // 6.缓存重建
        // 6.1尝试获取互斥锁
        boolean isLock = tryLock(RedisConstants.LOCK_SHOP_KEY + id);
        // 6.2判断互斥锁是否获取成功
        if (isLock) {
        
            // 6.3获取成功，则开启独立线程
            CACHE_REBUILD_EXECUTOR.submit(() -> {
        
                try {
        
                    // 6.4进行缓存重建
                    // 注意：这里写的是20S只是为了测试方便，实际项目中要用 30min
                    this.saveShop2Redis(id, 20L);
                } catch (InterruptedException e) {
        
                    e.printStackTrace();
                } finally {
        
                    // 6.5释放锁
                    unlock(RedisConstants.LOCK_SHOP_KEY + id);
                }
            });
    
        }
        // 7.获取互斥锁失败，则直接返回过期的shop数据
        return shop;
    }

步骤四：测试

*  先执行单元测试方法预热缓存
 *  进行高并发请求 1s 100次
 *  观察请求的结果：`缓存重建前返回的是旧数据，重建后得到的是新数据`
    
    ![image-20221205233255665][]
 *  观察控制台，也只有一条查询的SQL，说明互斥锁起到了作用！只缓存重建了一次~
    
    ![image-20221205233340769][]

### 2.7、封装Redis工具类 ###

基于StringRedisTemplate封装一个缓存工具类，满足下列需求：

*  方法1：将Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间
 *  方法2：根据指定的key查询缓存，并利用缓存空值来解决缓存穿透问题
 *  方法3：根据指定的key查询缓存，并利用互斥锁解决缓存击穿解决缓存击穿问题
 *  方法4：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑过期解决缓存击穿问题

**代码如下：**

/**
     * @author lxy
     * @version 1.0
     * @Description Redis操作缓存的工具类
     * @date 2022/12/6 0:33
     */
    @Slf4j
    @Component
    public class CacheClient {
        
    
        private final StringRedisTemplate stringRedisTemplate;
    
        public CacheClient(StringRedisTemplate stringRedisTemplate) {
        
            this.stringRedisTemplate = stringRedisTemplate;
        }
    
        /**
         * 将Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间
         * @param key
         * @param value
         * @param time
         * @param unit
         */
        public void set(String key, Object value, Long time, TimeUnit unit){
        
            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value),time,unit);
        }
    
        /**
         *  逻辑过期解决缓存击穿问题中的缓存重建
         * @param key
         * @param value
         * @param time
         * @param unit
         */
        public void setWithLogicalExpire(String key,Object value,Long time,TimeUnit unit){
        
            // 设置逻辑过期
            RedisData redisData = new RedisData();
            redisData.setData(value);
            redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));
            // 写入Redis
            stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(redisData));
        }
    
        /**
         * 根据指定的key查询缓存,并利用缓存空值来解决缓存穿透问题
         * @param keyPrefix key前缀
         * @param id
         * @param type
         * @param dbFallback 降级的函数
         * @param time       时间
         * @param unit       单位
         * @param <R>
         * @param <ID>
         * @return
         */
        public <R,ID> R queryWithPassThrough(String keyPrefix, ID id, Class<R> type,
                                              Function <ID,R> dbFallback,Long time,TimeUnit unit) {
        
            String key = keyPrefix + id;
            // 1.从Redis中查询R数据
            String json = stringRedisTemplate.opsForValue().get(key);
            // 2.判断是否存在
            if (StrUtil.isNotBlank(json)) {
        
                // 3.存在,则直接返回
                return JSONUtil.toBean(json, type);
            }
    
            // 4.判断命中的是否是空值 (上面已经判断过不为空的情况了，下面只有 “” 和 null的两种情况，为null说明不存在，为“”说明空缓存)
            if (json != null) {
        
                return null;
            }
    
            // 3.如果没有，就去查数据库
            R r = dbFallback.apply(id);
            // 4.如果没找到则返回错误信息
            if (r == null) {
        
                stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
                return null;
            }
    
            // 5.如果查到了就加入到Redis,并返回
            this.set(key,r,time,unit);
            return r;
        }
    
        private ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
    
        /**
         * 根据指定的key查询缓存，并利用逻辑过期时间来解决缓存击穿问题
         *
         * @param id
         * @return
         */
        public <R,ID> R queryWithLogicalExpire(String keyPrefix,ID id,Class<R> type
        ,Function <ID,R> dbFallback,Long time,TimeUnit unit) {
        
            String key = keyPrefix + id;
            // 1.从Redis中查询商铺缓存
            String redisDataJson = stringRedisTemplate.opsForValue().get(key);
            // 2.判断是否命中
            if (StrUtil.isBlank(redisDataJson)) {
        
                // 3.未命中，则返回空(因为预热过了，所以如果缓存中没有，则一定就是没有该店铺数据)
                return null;
            }
            // 4.命中，需要先把json反序列化为对象
            RedisData redisData = JSONUtil.toBean(redisDataJson, RedisData.class);
            JSONObject jsonObj = (JSONObject) redisData.getData();
            R r = JSONUtil.toBean(jsonObj, type);
            // 5.判断是否过期
            if (redisData.getExpireTime().isAfter(LocalDateTime.now())) {
        
                // 5.1未过期，则返回商铺信息
                return r;
            }
            // 5.2已过期，需要缓存重建
            // 6.缓存重建
            // 6.1尝试获取互斥锁
            String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
            boolean isLock = tryLock(lockKey);
            // 6.2判断互斥锁是否获取成功
            if (isLock) {
        
                // 6.3获取成功，则开启独立线程
                CACHE_REBUILD_EXECUTOR.submit(() -> {
        
                    try {
        
                        // 查询数据库
                        R newR = dbFallback.apply(id);
                        // 进行缓存重建
                        this.setWithLogicalExpire(key,newR,time,unit);
                    } catch (Exception e) {
        
                        e.printStackTrace();
                    } finally {
        
                        // 6.6释放锁
                        unlock(lockKey);
                    }
                });
    
            }
            // 7.获取互斥锁失败，则直接返回过期的R数据
            return r;
        }
    
        /**
         * 根据指定的key查询缓存，并利用互斥锁解决缓存击穿解决缓存击穿问题
         *
         * @param id
         * @return
         */
        public <R,ID> R queryWithMutex(String keyPrefix,ID id,Class<R> type,
                                        Function <ID,R> dbFallback,Long time,TimeUnit unit) {
        
            String key = keyPrefix + id;
            // 1.从查询Redis中是否有数据
            String json = stringRedisTemplate.opsForValue().get(key);
            // 2.判断是否存在
            if (StrUtil.isNotBlank(json)) {
        
                // 存在则直接返回
                R r = JSONUtil.toBean(json, type);
                return r;
            }
    
            // 3.判断命中的是否是 “” (缓存空值)
            if (json != null) {
        
                return null;
            }
    
            // 4.实现缓存重建
            String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
            R r = null;
            try {
        
                // 4.1 获取互斥锁
                boolean isLock = tryLock(lockKey);
                // 4.2判断是否获取成功
                if (!isLock) {
        
                    // 4.3失败，则休眠并重试
                    Thread.sleep(50);
                    // 注意：获取锁的同时应该再次检测redis缓存是否存在，做DoubleCheck,如果存在则无需重建缓存
                    return queryWithMutex(keyPrefix,id,type,dbFallback,time,unit);
                }
                // 4.4成功，根据id查询数据库
                r = dbFallback.apply(id);
    
                // 模拟重建时的延时
                Thread.sleep(200);
    
                // 5.不存在，返回错误
                if (r == null) {
        
                    // 将空值写入到redis
                    stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
                    return null;
                }
                // 6.存在就加入到Redis,并返回
                stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(r),time, unit);
            } catch (InterruptedException e) {
        
                e.printStackTrace();
            } finally {
        
                // 7.释放互斥锁
                unlock(lockKey);
            }
            return r;
        }
    
        /**
         * 获取锁：使用setnx模拟互斥锁
         * 为了防止出现死锁，所以应该为其设置过期时间
         *
         * @param key
         * @return
         */
        private boolean tryLock(String key) {
        
            Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", RedisConstants.LOCK_SHOP_TTL, TimeUnit.SECONDS);
            return BooleanUtil.isTrue(flag);
        }
    
        /**
         * 释放锁
         *
         * @param key
         */
        private void unlock(String key) {
        
            stringRedisTemplate.delete(key);
        }
    }

> 可能有人好奇为什么工具类的方法不用static修饰？
> 
> ioc是通过new的方式创建bean,new出来的对象是在堆里面, static修饰的东西是优先于对象存在,如果我们用了static，那么方法里面涉及到的方法调也得是Static，但是我们因为用的是ioc容器里面的bean，所以不能这样搞！

**在ShopServiceImpl 中测试工具类**

@Override
    public Result queryById(Long id) {
        
        // 缓存穿透
        // Shop shop = cacheClient.queryWithPassThrough(RedisConstants.CACHE_SHOP_KEY, id, Shop.class,
        //         this::getById, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
    
        // 互斥锁解决缓存击穿
        // Shop shop = cacheClient.queryWithMutex(RedisConstants.CACHE_SHOP_KEY,id,Shop.class,this::getById,RedisConstants.CACHE_SHOP_TTL,TimeUnit.MINUTES);
    
        // 逻辑过期解决缓存击穿
        Shop shop = cacheClient.queryWithLogicalExpire(RedisConstants.CACHE_SHOP_KEY,id,Shop.class,this::getById,RedisConstants.CACHE_SHOP_TTL,TimeUnit.MINUTES);
    
        if (shop == null) {
        
            return Result.fail("店铺不存在！");
        }
        // 返回
        return Result.ok(shop);
    }

###  ###

[7b28e0f7493a3d6ab18f3dd5dd5caea1.gif]: https://img-blog.csdnimg.cn/img_convert/7b28e0f7493a3d6ab18f3dd5dd5caea1.gif
[image-20221127121416381]: https://img-blog.csdnimg.cn/img_convert/b4ed681ebf082e8ca742d4c5a8ed7e54.png
[image-20221127121510971]: https://img-blog.csdnimg.cn/img_convert/058a8070fe9001b9bb87fa7492751083.png
[image-20221127122419377]: https://img-blog.csdnimg.cn/img_convert/286579e867a213c8417a5c97920c4b77.png
[image-20221127165136055]: https://img-blog.csdnimg.cn/img_convert/56b164f7a631cdb8c184ae17e598f039.png
[1653322506393]: https://img-blog.csdnimg.cn/img_convert/cb4cefd885f3e0df78b9fd32caa9fd06.png
[1653322857620]: https://img-blog.csdnimg.cn/img_convert/200548ee31635fdfa07fd58e350563f3.png
[1653323595206]: https://img-blog.csdnimg.cn/img_convert/2ae351d3c3786171afa4254af0c023f3.png
[image-20221203180617553]: https://img-blog.csdnimg.cn/img_convert/7b8cd35d8afc78ce064849cb3df6fce9.png
[image-20221204222609860]: https://img-blog.csdnimg.cn/img_convert/95703a80dd899c575f3c6943233755c6.png
[1653326156516]: https://img-blog.csdnimg.cn/img_convert/a0e35d4d0c195c839287510d57d90906.png
[image-20221204224430936]: https://img-blog.csdnimg.cn/img_convert/f9b90794236a3a96d3159d4b64503ee3.png
[1653327124561]: https://img-blog.csdnimg.cn/img_convert/66fc9f4063bcc1bb3aecde6e6d6f2813.png
[1653327884526]: https://img-blog.csdnimg.cn/img_convert/c7c8b10c6278d443901d17ba356966c4.png
[image-20221204232839336]: https://img-blog.csdnimg.cn/img_convert/87953438676d5c22b2758735a2cffe02.png
[image-20221204233045795]: https://img-blog.csdnimg.cn/img_convert/72478226ad0e06165e13c5323cf92303.png
[image-20221204233315960]: https://img-blog.csdnimg.cn/img_convert/2441847d0960526cd91cf7aae55a5e1c.png
[image-20221204233506235]: https://img-blog.csdnimg.cn/img_convert/5e5b05dc3f7462a96a0f817e2211c849.png
[image-20221205005716282]: https://img-blog.csdnimg.cn/img_convert/153b3174f6f703271f4f93f46cd660a8.png
[image-20221205015020479]: https://img-blog.csdnimg.cn/img_convert/5aaeb41ce701277b4f2ef736c108bf1f.png
[image-20221205015122987]: https://img-blog.csdnimg.cn/img_convert/b6e89f45653810fc8d1c68ac81fca667.png
[image-20221205231155904]: https://img-blog.csdnimg.cn/img_convert/a668bf8580445ff1da09cdba8d9dbc05.png
[image-20221205233255665]: https://img-blog.csdnimg.cn/img_convert/a784d72a3aec4eab90d14ac71c86395e.png
[image-20221205233340769]: https://img-blog.csdnimg.cn/img_convert/2b1047882bfaa26970825f008e355004.png