Redis 实现分布式缓存

缓存

1. 什么是缓存？

缓存就是数据交换的缓冲区，用于临时存储数据（使用频繁的数据）。当用户请求数据时，首先在缓存中寻找，如果找到了则直接返回。如果找不到，则去数据库中查找

缓存的本质就是用空间换时间，牺牲数据的实时性，从而减轻数据库压力，尽可能提高吞吐量，有效提升响应速度

2. 缓存的分类

缓存的应用范围十分广泛，常见的有文件缓存、浏览器缓存、数据库缓存等等，但我们今天着重关注的是 WEB 应用服务领域，根据缓存与应用的耦合度，可以分为本地缓存和分布式缓存：

• 本地缓存

  指在应用中的缓存组件，最大的优点是应用和缓存是在同一个进程内部，请求缓存速度快；同时，它的缺点也是因为缓存跟应用程序耦合，多个应用程序无法直接共享缓存，各应用或集群的各节点都需要维护自己的单独缓存

• 分布式缓存

  指的是与应用分离的缓存组件或服务，最大的优点是自身就是一个独立的应用，与本地应用隔离，多个应用可直接共享缓存

3. 缓存的特点

缓存也是一个数据模型对象，那么必然有它的一些特征：

• 命中率

  命中率 = 返回正确结果数 / 请求缓存次数，命中率是衡量缓存有效性的重要指标，命中率越高，表明缓存的使用率越高

• 最大元素

  缓存中可以存放的最大元素的数量，一旦缓存中元素数量超过这个值，将会触发缓存清空策略。根据不同的场景合理设置最大元素值，可以在一定程度上提高缓存的命中率，从而更有效的利用缓存

4. 缓存清空策略

缓存的存储空间有限制，当缓存空间被用满时，就需要缓存清空策略来处理，常见的一般策略有：

• 先进先出策略：先进入缓存的数据，在缓存空间不足时会被优先被清理掉，在数据实效性要求较高的场景下，可选择该策略

• 最少使用策略：无论是否过期，根据元素被使用的次数判断，清除使用次数较少的元素。最少使用策略主要比较元素的命中次数，在保证高频数据有效性场景下，可选择该策略

• 最近最少使用策略：无论是否过期，根据元素最后一次被使用的时间戳，清除最远使用时间戳的元素。策略算法主要比较元素最近一次被使用的时间，适用于热点数据场景

此外，还有一些简单策略，比如：

• 根据过期时间判断，清理过期时间最长的元素
• 根据过期时间判断，清理最近要过期的元素
• 随机清理
• 根据关键字（或元素内容）清理等等

Redis 实现分布式缓存

可以利用 Mybatis 自带的本地缓存，结合 Redis 实现分布式缓存，主要思路是将 Mybatis 二级缓存的存放地点从本地改为配置了 Redis 的远程服务器

1. 开启 mybatis 二级缓存

创建一个 SpringBoot 工程，整合 MyBatis 和 Redis，在 Mapper 文件中加入 <cache/> 标签开启二级缓存

<cache/> 标签默认采用 PrepetualCache，该类是 Cache 接口的实现类，维护一个 Map 来保存数据

2. 自定义 cache 实现

我们要作改造，就要自定义一个实现类并替换 <cache type="xxxx.RedisCache">

实现自定义 RedisCache

public class RedisCache implements Cache {

  	// 当前放入缓存的 mapper 的 namespace，也是缓存的唯一标识
    private final String id;

    public RedisCache(String id) {
        System.out.println("id:" + id);
        this.id = id;
    }


    /**
     * 返回 cache 的唯一标识
     */
    @Override
    public String getId() {
        return this.id;
    }

    /**
     * 缓存放入值
     */
    @Override
    public void putObject(Object key, Object value) {
        System.out.println("放入缓存");
        // 通过工具类获取 redisTemplate
        RedisTemplate redisTemplate = getRedisTemplate();
        // 使用 redishash 类型作为缓存存储模型
        redisTemplate.opsForHash().put(id.toString(), key.toString(), value);
    }

    /**
     * 获取缓存中的值
     */
    @Override
    public Object getObject(Object key) {
        System.out.println("获得缓存");
        // 通过工具类获取 redisTemplate
        RedisTemplate redisTemplate = getRedisTemplate();
        // 根据 key 从 redis 的 hash 类型中获取数据
        return redisTemplate.opsForHash().get(id.toString(), key.toString());

    }

    /**
     * 根据指定的 key 删除缓存
     * 该方法为 mybatis 保留方法，默认没有实现
     */
    @Override
    public Object removeObject(Object key) {
        System.out.println("根据指定的 key 删除缓存");
        return null;
    }

    @Override
    public void clear() {
        System.out.println("清空缓存");
        // 通过工具类获取 redisTemplate
        RedisTemplate redisTemplate = getRedisTemplate();
        // 清空 namespace
        redisTemplate.delete(id.toString());
    }

    /**
     * 计算缓存数量
     */
    @Override
    public int getSize() {
        RedisTemplate redisTemplate = getRedisTemplate();
        return redisTemplate.opsForHash().size(id.toString()).intValue();
    }

    /**
     * 获取 redisTemplate
     */
    private RedisTemplate getRedisTemplate() {
        RedisTemplate redisTemplate = (RedisTemplate) ApplicationContextUtils.getBean("redisTemplate");
        redisTemplate.setKeySerializer(new StringRedisSerializer());
        redisTemplate.setHashKeySerializer(new StringRedisSerializer());
        return redisTemplate;
    }
}

3. 处理表连接查询时的问题

到此为止，使用 Redis 实现分布式缓存的目标就完成了，但还有一点要注意的是，涉及到多表查询时，结果会包含另一个表的对象信息。在这里对缓存进行存储的时候，使用的是 mapper 的 那么 namespace 作为 唯一标识，这样一来当调用 clear 方法时只会清理本身 namespace 的缓存，被包含的另一个表的对象信息不会被清理。如果此时表信息发生改变，将导致数据不一致

解决办法是每个 namespace 都使用同一个缓存，如下所示，表示当前 dao 和 UserDao 共享同一个缓存

<!-- 共享其他 namespace 的缓存 -->
<cache-ref namespace="com.zk.UserDao"/>

Redis 缓存优化

1. 键值优化

key 的长度不能太长，尽可能简短，使用 MD5 进行优化处理：

• 一切文件字符串经过 md5 处理后，都会生成 32 位 16 进制字符串
• 不同内容文件经过 md5 加密，结果一定不一致
• 相同内容文件经过多次 md5 处理，结果始终一致

使用 SpringBoot 提供的 MD5 加密的工具类即可实现

String s = DigestUtils.md5DigestAsHex(key.getBytes());

2. 缓存穿透（击穿）

客户端查询了一个数据库中没有的数据，导致缓存在这种情况下无法利用（数据库都没有则缓存更不可能有了），此情况下可绕过缓存直接攻击数据库

对于这种恶意访问，一种思路是先做校验，对恶意数据直接过滤掉，不要发送至数据库层；第二种思路是缓存空结果，就是对查询不存在的数据也记录在缓存中，这样就可以有效的减少查询数据库的次数

3. 缓存雪崩

在系统运行的某一时刻，缓存全部失效，恰好这一时刻涌来大量客户端请求，导致数据库阻塞或挂起。导致缓存失效的原因有很多，常见的是缓存到了失效时间（所有的缓存设置了同样的过期时间），而没有作合适的处理

要解决这个问题，一种方式是设置缓存永久存储（不推荐），另一种方式是针对不同业务数据设置不同的超时时间，防止集体失效