redis商户查询缓存

红太狼 2024-03-16 16:17 31阅读 0赞

### 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。

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;

#### 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:

![在这里插入图片描述][967dc641318e4bcdb7dace300d3455be.png]

#### 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

![在这里插入图片描述][eab40c69fe444b6aaea7fb1274da6b70.png]

### 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);
    }

#### 2.1 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。

![在这里插入图片描述][48ffae4cedae423987ee42e071ffa809.png]

#### 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。  
![在这里插入图片描述][888d58e28a6c484baf04e770475b8a16.png]

### 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

![在这里插入图片描述][50806e4d0cb34c2585f2cf4198272dd3.png]

#### 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

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

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

![在这里插入图片描述][fb8f1fa2e3be4b7a9b31a601786fb4d3.png]

#### 3.2 数据库和缓存不一致采用什么方案 ####

综合考虑使用方案一，但是方案一调用者如何处理呢？这里有几个问题

操作缓存和数据库时有三个问题需要考虑：

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

*  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

应该具体操作缓存还是操作数据库，我们应当是先操作数据库，再删除缓存，原因在于，如果你选择第一种方案，在两个线程并发来访问时，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，实际上写入的就是旧的数据，新的数据被旧数据覆盖了。

*  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

![在这里插入图片描述][6f92de039b814cb086f6c9973e6553c3.png]

### 4 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**

![在这里插入图片描述][f4ffa1347c0949c59a4de2526e7a3bf6.png]

**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

![在这里插入图片描述][1a6e864a767748ba8032b3ea4d049ca2.png]

### 5 缓存穿透问题的解决思路 ###

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

**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缓存了

**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

![在这里插入图片描述][75f8bc56593148ec9468694f6b7a02df.png]

### 6 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，欧当再次发起查询时，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。

![在这里插入图片描述][8acd3b6fa8504d48be1963b22b6efb33.png]

**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
 *  布隆过滤
 *  增强id的复杂度，避免被猜测id规律
 *  做好数据的基础格式校验
 *  加强用户权限校验
 *  做好热点参数的限流

### 7 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
 *  利用Redis集群提高服务的可用性
 *  给缓存业务添加降级限流策略
 *  给业务添加多级缓存

![在这里插入图片描述][5d00a387c0ce44c28bbb90fb5ab7a38e.png]

### 8 缓存击穿问题及解决思路 ###

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

![在这里插入图片描述][55f149f521c44a55898add6f0b4a55df.png]

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。

![在这里插入图片描述][3ed1fc34b4814742af8536eb508c8215.png]

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。

![在这里插入图片描述][7b4130549bd340c582a76d2f40111027.png]

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

![在这里插入图片描述][fa46ae27cd3142b5a8df5c3da885ada8.png]

### 9 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

![在这里插入图片描述][27e799bd2cdf4dc5bfca32d0a881405e.png]

**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。

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);
    }

**操作代码：**

public Shop queryWithMutex(Long id)  {
        
            String key = CACHE_SHOP_KEY + id;
            // 1、从redis中查询商铺缓存
            String shopJson = stringRedisTemplate.opsForValue().get("key");
            // 2、判断是否存在
            if (StrUtil.isNotBlank(shopJson)) {
        
                // 存在,直接返回
                return JSONUtil.toBean(shopJson, Shop.class);
            }
            //判断命中的值是否是空值
            if (shopJson != null) {
        
                //返回一个错误信息
                return null;
            }
            // 4.实现缓存重构
            //4.1 获取互斥锁
            String lockKey = "lock:shop:" + id;
            Shop shop = null;
            try {
        
                boolean isLock = tryLock(lockKey);
                // 4.2 判断否获取成功
                if(!isLock){
        
                    //4.3 失败，则休眠重试
                    Thread.sleep(50);
                    return queryWithMutex(id);
                }
                //4.4 成功，根据id查询数据库
                 shop = getById(id);
                // 5.不存在，返回错误
                if(shop == null){
        
                     //将空值写入redis
                    stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL,TimeUnit.MINUTES);
                    //返回错误信息
                    return null;
                }
                //6.写入redis
                stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_NULL_TTL,TimeUnit.MINUTES);
    
            }catch (Exception e){
        
                throw new RuntimeException(e);
            }
            finally {
        
                //7.释放互斥锁
                unlock(lockKey);
            }
            return shop;
        }

### 10 利用逻辑过期解决缓存击穿问题 ###

**需求：修改根据id查询商铺的业务，基于逻辑过期方式来解决缓存击穿问题**

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。

![在这里插入图片描述][3abe8ea6e60947f1aea263608c79528c.png]

如果封装数据：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

**步骤一、**

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。

@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

![在这里插入图片描述][30c5267034cd4cae83e14daa6ab48b95.png]

**在测试类中**

![在这里插入图片描述][a4f0f88bdf364be9b950a0ede4679651.png]

步骤三：正式代码

**ShopServiceImpl**

private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
    public Shop queryWithLogicalExpire( Long id ) {
        
        String key = CACHE_SHOP_KEY + id;
        // 1.从redis查询商铺缓存
        String json = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isBlank(json)) {
        
            // 3.存在，直接返回
            return null;
        }
        // 4.命中，需要先把json反序列化为对象
        RedisData redisData = JSONUtil.toBean(json, RedisData.class);
        Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);
        LocalDateTime expireTime = redisData.getExpireTime();
        // 5.判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())) {
        
            // 5.1.未过期，直接返回店铺信息
            return shop;
        }
        // 5.2.已过期，需要缓存重建
        // 6.缓存重建
        // 6.1.获取互斥锁
        String lockKey = LOCK_SHOP_KEY + id;
        boolean isLock = tryLock(lockKey);
        // 6.2.判断是否获取锁成功
        if (isLock){
        
            CACHE_REBUILD_EXECUTOR.submit( ()->{
        
    
                try{
        
                    //重建缓存
                    this.saveShop2Redis(id,20L);
                }catch (Exception e){
        
                    throw new RuntimeException(e);
                }finally {
        
                    unlock(lockKey);
                }
            });
        }
        // 6.4.返回过期的商铺信息
        return shop;
    }

### 11 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：将任意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：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓

存击穿问题

*  方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题
 *  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

将逻辑进行封装

@Slf4j
    @Component
    public class CacheClient {
        
    
        private final StringRedisTemplate stringRedisTemplate;
    
        private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
    
        public CacheClient(StringRedisTemplate stringRedisTemplate) {
        
            this.stringRedisTemplate = stringRedisTemplate;
        }
    
        public void set(String key, Object value, Long time, TimeUnit unit) {
        
            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, 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));
        }
    
        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查询商铺缓存
            String json = stringRedisTemplate.opsForValue().get(key);
            // 2.判断是否存在
            if (StrUtil.isNotBlank(json)) {
        
                // 3.存在，直接返回
                return JSONUtil.toBean(json, type);
            }
            // 判断命中的是否是空值
            if (json != null) {
        
                // 返回一个错误信息
                return null;
            }
    
            // 4.不存在，根据id查询数据库
            R r = dbFallback.apply(id);
            // 5.不存在，返回错误
            if (r == null) {
        
                // 将空值写入redis
                stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
                // 返回错误信息
                return null;
            }
            // 6.存在，写入redis
            this.set(key, r, time, unit);
            return r;
        }
    
        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查询商铺缓存
            String json = stringRedisTemplate.opsForValue().get(key);
            // 2.判断是否存在
            if (StrUtil.isBlank(json)) {
        
                // 3.存在，直接返回
                return null;
            }
            // 4.命中，需要先把json反序列化为对象
            RedisData redisData = JSONUtil.toBean(json, RedisData.class);
            R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
            LocalDateTime expireTime = redisData.getExpireTime();
            // 5.判断是否过期
            if(expireTime.isAfter(LocalDateTime.now())) {
        
                // 5.1.未过期，直接返回店铺信息
                return r;
            }
            // 5.2.已过期，需要缓存重建
            // 6.缓存重建
            // 6.1.获取互斥锁
            String lockKey = LOCK_SHOP_KEY + id;
            boolean isLock = tryLock(lockKey);
            // 6.2.判断是否获取锁成功
            if (isLock){
        
                // 6.3.成功，开启独立线程，实现缓存重建
                CACHE_REBUILD_EXECUTOR.submit(() -> {
        
                    try {
        
                        // 查询数据库
                        R newR = dbFallback.apply(id);
                        // 重建缓存
                        this.setWithLogicalExpire(key, newR, time, unit);
                    } catch (Exception e) {
        
                        throw new RuntimeException(e);
                    }finally {
        
                        // 释放锁
                        unlock(lockKey);
                    }
                });
            }
            // 6.4.返回过期的商铺信息
            return r;
        }
    
        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
                return JSONUtil.toBean(shopJson, type);
            }
            // 判断命中的是否是空值
            if (shopJson != null) {
        
                // 返回一个错误信息
                return null;
            }
    
            // 4.实现缓存重建
            // 4.1.获取互斥锁
            String lockKey = LOCK_SHOP_KEY + id;
            R r = null;
            try {
        
                boolean isLock = tryLock(lockKey);
                // 4.2.判断是否获取成功
                if (!isLock) {
        
                    // 4.3.获取锁失败，休眠并重试
                    Thread.sleep(50);
                    return queryWithMutex(keyPrefix, id, type, dbFallback, time, unit);
                }
                // 4.4.获取锁成功，根据id查询数据库
                r = dbFallback.apply(id);
                // 5.不存在，返回错误
                if (r == null) {
        
                    // 将空值写入redis
                    stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
                    // 返回错误信息
                    return null;
                }
                // 6.存在，写入redis
                this.set(key, r, time, unit);
            } catch (InterruptedException e) {
        
                throw new RuntimeException(e);
            }finally {
        
                // 7.释放锁
                unlock(lockKey);
            }
            // 8.返回
            return r;
        }
    
        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);
        }
    }

在ShopServiceImpl 中

@Resource
    private CacheClient cacheClient;
    
     @Override
        public Result queryById(Long id) {
        
            // 解决缓存穿透
            Shop shop = cacheClient
                    .queryWithPassThrough(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);
    
            // 互斥锁解决缓存击穿
            // Shop shop = cacheClient
            //         .queryWithMutex(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);
    
            // 逻辑过期解决缓存击穿
            // Shop shop = cacheClient
            //         .queryWithLogicalExpire(CACHE_SHOP_KEY, id, Shop.class, this::getById, 20L, TimeUnit.SECONDS);
    
            if (shop == null) {
        
                return Result.fail("店铺不存在！");
            }
            // 7.返回
            return Result.ok(shop);
        }

[967dc641318e4bcdb7dace300d3455be.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/13b8ed5c55a04bcc9fab170a3ca7171a.png
[eab40c69fe444b6aaea7fb1274da6b70.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/e3150365e69c48278a10611ca1a31a9e.png
[48ffae4cedae423987ee42e071ffa809.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/bd30f298d27c40cb8f76258b6696f11c.png
[888d58e28a6c484baf04e770475b8a16.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/79b63c6bdea24117aff783cd23304970.png
[50806e4d0cb34c2585f2cf4198272dd3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/f918a677926846ec814a43398f596ad7.png
[fb8f1fa2e3be4b7a9b31a601786fb4d3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/1dec71d79eda4814aa43e09108fd3840.png
[6f92de039b814cb086f6c9973e6553c3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/48b76e1c364948cda94c1d7a80d3351b.png
[f4ffa1347c0949c59a4de2526e7a3bf6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/86d530f6ab6b486a8753586515c49f73.png
[1a6e864a767748ba8032b3ea4d049ca2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/24d8d1ba26f24b0f8ca2b1aaef84b22d.png
[75f8bc56593148ec9468694f6b7a02df.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/9457cbdb86a54ce697a62eac855ee3b9.png
[8acd3b6fa8504d48be1963b22b6efb33.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/43aa46bc7ff74ee6bdbc9e0c4c50642b.png
[5d00a387c0ce44c28bbb90fb5ab7a38e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/6cd5e74812ca41048e163d58c3bd6d12.png
[55f149f521c44a55898add6f0b4a55df.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/1590caa5606a4a61a6f1b66f0cb11704.png
[3ed1fc34b4814742af8536eb508c8215.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/b9c925871e9041cd81890fe9127fc5dd.png
[7b4130549bd340c582a76d2f40111027.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/107d54ddb2e343f2a2154b729f28d13a.png
[fa46ae27cd3142b5a8df5c3da885ada8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/79f2913939ac4edbb6907a852bb882b2.png
[27e799bd2cdf4dc5bfca32d0a881405e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/2e6c7c8190bb47c6a065195434558788.png
[3abe8ea6e60947f1aea263608c79528c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/e1c4c003793a4ae5a7c8ee24c9f22214.png
[30c5267034cd4cae83e14daa6ab48b95.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/0a4e18ee62c34cf4bdd65315621693c9.png
[a4f0f88bdf364be9b950a0ede4679651.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/a0d8f11ad8aa404ba351aaec54c2c0ea.png