首頁 > 文章 > 資料庫 > 高並發技巧之Redis和本地快取使用技巧分享

高並發技巧之Redis和本地快取使用技巧分享

WBOY轉載: 2022-11-02 17:35:482356瀏覽

這篇文章為大家帶來了關於Redis的相關知識，其中主要介紹的是分散式快取和本地快取的使用技巧，包括快取種類介紹，各種的使用場景，以及如何使用，最後再給實戰案例，下面一起來看一下，希望對大家有幫助。

#眾所周知，快取最主要的目的是加速訪問，緩解資料庫壓力。最常用的緩存就是分散式緩存，例如redis，在面對大部分並發場景或一些中小型公司流量沒有那麼高的情況，使用redis基本上都能解決了。但在流量較高的情況下可能得使用到本機快取了，例如guava的LoadingCache和快手開源的ReloadableCache。

三種快取的使用場景

這部分會介紹redis，像是guava的LoadingCache和快手開源的ReloadableCache的使用場景和限制，透過這部分的介紹就能知道在怎樣的業務場景下應該使用哪種緩存，以及為什麼。

Redis的使用場景和限制

如果寬泛的說redis何時使用，那麼自然就是用戶訪問量過高的地方使用，從而加速訪問，並且緩解資料庫壓力。如果細分的話，還得分為單節點問題和非單節點問題。

如果一個頁面使用者訪問量比較高，但是訪問的不是同一個資源。例如使用者詳情頁，訪問量比較高，但每個使用者的資料都是不一樣的，這種情況顯然只能用分散式快取了，如果使用redis，key為使用者唯一鍵，value則是使用者資訊。

redis導致的快取擊穿。

但是要注意一點，一定要設定過期時間，而且不能設定到同一時間點過期。舉個例子，例如用戶又個活動頁，活動頁能看到用戶活動期間獲獎數據，粗心的人可能會設定用戶數據的過期時間點為活動結束，這樣會

#單（熱）點問題

單節點問題說的是redis的單一節點的並發問題，因為對於相同的key會落到redis集群的同一個節點上，那麼如果對這個key的訪問量過高，那麼這個redis節點就存在並發隱患,這個key就稱為熱key。

如果所有使用者存取的都是同一個資源，例如小愛同學app首頁對所有使用者展示的內容都一樣（初期），服務端給h5返回的是同一個大json，顯然得使用到緩存。首先我們考慮下用redis是否可行，由於redis存在單點問題，如果流量過大的話，那麼所有用戶的請求到達redis的同一個節點，需要評估該節點能否抗住這麼大流量。我們的規則是，如果單節點qps達到了千級就要解決單點問題了（即使redis號稱能抗住十萬級的qps），最常見的做法就是使用本地快取。顯然小愛app首頁流量不過百，使用redis是沒問題的。

LoadingCache的使用場景和限制

對於這上面說的熱key問題，我們最直接的做法就是使用本地緩存，例如你最熟悉的guava的LoadingCache，但是使用本地快取要求能夠接受一定的髒數據，因為如果你更新了首頁，本地快取是不會更新的，它只會根據一定的過期策略來重新加載緩存，不過在我們這個場景是完全沒問題的，因為一旦在後台推送了首頁後就不會再去改變了。即使改變了也沒問題，可以設定寫過期為半小時，超過半小時重新加載緩存，這種短時間內的髒數據我們是可以接受的。

LoadingCache導致的快取擊穿

雖然說本地快取和機器上強相關的，雖然程式碼層面寫的是半小時過期，但由於每台機器的啟動時間不同，導致快取的載入時間不同，過期時間也就不同，也就不會所有機器上的請求在同一時間快取失效後都去請求資料庫。但對於單一一台機器也是會導致快取穿透的，假如有10台機器，每台1000的qps，只要有一台快取過期就可能導致這1000個請求同時打到了資料庫。這個問題其實比較好解決，但是容易被忽略，也就是在設定LoadingCache的時候使用LoadingCache的load-miss方法，而不是直接判斷cache.getIfPresent()== null然後去請求db；前者會加虛擬機層面的鎖，保證只有一個請求打到資料庫去，從而完美的解決了這個問題。

但是，如果對於即時性要求較高的情況，例如有段時間要經常做活動，我要保證活動頁面能近實時更新，也就是運營在後台配置好了活動信息後，需要在C端近即時展示這次配置的活動訊息，此時使用LoadingCache肯定就不能滿足了。

ReloadableCache的使用場景和限制

對於上面說的LoadingCache不能解決的即時問題，可以考慮使用ReloadableCache，這是快手開源的一個本機快取框架，最大的特點是支援多機器同時更新緩存，假設我們修改了首頁信息，然後請求打到的是A機器，這個時候重新加載ReloadableCache，然後它會發出通知，監聽了同一zk節點的其他機器收到通知後重新更新緩存。使用這個緩存一般的要求是將全量資料載入到本地緩存，所以如果資料量過大肯定會對gc造成壓力，這種情況就不能使用了。由於小愛同學首頁這個首頁是帶有狀態的，一般online狀態的就那麼兩個，所以完全可以使用ReloadableCache來只裝載online狀態的首頁。

小結

到這裡三種快取基本上都介紹完了，做個小結：

對於非熱點的數據訪問，例如用戶維度的數據，直接使用redis即可；
對於熱點數據的訪問，如果流量不是很高，無腦使用redis即可；
對於熱點數據，如果允許一定時間內的髒數據，使用LoadingCache即可；
對於熱點數據，如果一致性要求較高，同時數據量不大的情況，使用ReloadableCache即可；

##小技巧

不管哪種本地快取雖然都帶有虛擬機器層面的加鎖來解決擊穿問題，但是意外總有可能以你意想不到的方式發生，保險起見你可以使用兩級緩存的方式即本地緩存redis db 。

快取使用的簡單介紹

這裡redis的使用就不再多說了，相信很多人對api的使用比我還熟悉

LoadingCache的使用

這個是guava提供的網上一抓一大把，但是給兩點注意事項

V get(K key, Callabled1336e9e686742fb22c1860557381905 loader)；要嘛使用build的時候使用的是build(CacheLoader2ffe6bce707a67f84d4df961dbeb183a loader)這個時候可以直接使用get( )了。另外建議使用load-miss，而不是getIfPresent==null的時候再去查資料庫，這可能會導致快取擊穿；

LoadingCache<String, String> cache = CacheBuilder.newBuilder()
                .maximumSize(1000L)
                .expireAfterAccess(Duration.ofHours(1L)) // 多久不访问就过期
                .expireAfterWrite(Duration.ofHours(1L))  // 多久这个key没修改就过期
                .build(new CacheLoader<String, String>() {
                    @Override
                    public String load(String key) throws Exception {
                        // 数据装载方式，一般就是loadDB
                        return key + " world";
                    }
                });
String value = cache.get("hello"); // 返回hello world

reloadableCache的使用

導入三方依賴

<dependency>
  <groupId>com.github.phantomthief</groupId>
  <artifactId>zknotify-cache</artifactId>
  <version>0.1.22</version>
</dependency>

需要看文檔，不然無法使用，有興趣自己寫一個也行的。

public interface ReloadableCache<T> extends Supplier<T> {

    /**
     * 获取缓存数据
     */
    @Override
    T get();

    /**
     * 通知全局缓存更新
     * 注意：如果本地缓存没有初始化，本方法并不会初始化本地缓存并重新加载
     *
     * 如果需要初始化本地缓存，请先调用 {@link ReloadableCache#get()}
     */
    void reload();

    /**
     * 更新本地缓存的本地副本
     * 注意：如果本地缓存没有初始化，本方法并不会初始化并刷新本地的缓存
     *
     * 如果需要初始化本地缓存，请先调用 {@link ReloadableCache#get()}
     */
    void reloadLocal();
}

老生常談的快取擊穿/穿透/雪崩問題

這三個真的是亙古不變的問題，如果流量大確實需要考慮。

快取擊穿

簡單說就是快取失效，導致大量請求同一時間打到了資料庫。對於快取擊穿問題上面已經給了許多解決方案了。

本機快取使用load-miss方法
#使用第三方服務來載入快取

1.2和都說過，主要來看3。假如業務願意只能使用redis而無法使用本地緩存，例如資料量過大，即時性需求比較高。那麼當快取失效的時候就得想辦法保證只有少量的請求打到資料庫。很自然的就想到了使用分散式鎖，理論上是可行的，但實際上有隱憂。我們的分散式鎖相信很多人都是使用redis lua的方式實現的，並且在while中進行了輪訓，這樣請求量大，數據多的話會導致無形中讓redis成了隱患，並且佔了太多業務線程，其實只是引入了分散式鎖就加大了複雜度，我們的原則就是能不用就不用。

那我們是不是可以設計一個類似分散式鎖定，但更可靠的rpc服務呢？當呼叫get方法的時候這個rpc服務保證相同的key打到同一個節點，並且使用synchronized來進行加鎖，之後完成資料的載入。在快手提供了一個叫cacheSetter的框架。下面提供一個簡易版，自己寫也很容易實現。

import com.google.common.collect.Lists;
import org.apache.commons.collections4.CollectionUtils;

import java.util.*;
import java.util.concurrent.ConcurrentHashMap;
import java.util.concurrent.ConcurrentMap;
import java.util.concurrent.CountDownLatch;

/**
 * @Description 分布式加载缓存的rpc服务，如果部署了多台机器那么调用端最好使用id做一致性hash保证相同id的请求打到同一台机器。
 **/
public abstract class AbstractCacheSetterService implements CacheSetterService {

    private final ConcurrentMap<String, CountDownLatch> loadCache = new ConcurrentHashMap<>();

    private final Object lock = new Object();

    @Override
    public void load(Collection<String> needLoadIds) {
        if (CollectionUtils.isEmpty(needLoadIds)) {
            return;
        }
        CountDownLatch latch;
        Collection<CountDownLatch> loadingLatchList;
        synchronized (lock) {
            loadingLatchList = excludeLoadingIds(needLoadIds);

            needLoadIds = Collections.unmodifiableCollection(needLoadIds);

            latch = saveLatch(needLoadIds);
        }
        System.out.println("needLoadIds:" + needLoadIds);
        try {
            if (CollectionUtils.isNotEmpty(needLoadIds)) {
                loadCache(needLoadIds);
            }
        } finally {
            release(needLoadIds, latch);
            block(loadingLatchList);
        }

    }

    /**
     * 加锁
     * @param loadingLatchList 需要加锁的id对应的CountDownLatch
     */
    protected void block(Collection<CountDownLatch> loadingLatchList) {
        if (CollectionUtils.isEmpty(loadingLatchList)) {
            return;
        }
        System.out.println("block:" + loadingLatchList);
        loadingLatchList.forEach(l -> {
            try {
                l.await();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        });
    }

    /**
     * 释放锁
     * @param needLoadIds 需要释放锁的id集合
     * @param latch 通过该CountDownLatch来释放锁
     */
    private void release(Collection<String> needLoadIds, CountDownLatch latch) {
        if (CollectionUtils.isEmpty(needLoadIds)) {
            return;
        }
        synchronized (lock) {
            needLoadIds.forEach(id -> loadCache.remove(id));
        }
        if (latch != null) {
            latch.countDown();
        }
    }

    /**
     * 加载缓存，比如根据id从db查询数据，然后设置到redis中
     * @param needLoadIds 加载缓存的id集合
     */
    protected abstract void loadCache(Collection<String> needLoadIds);

    /**
     * 对需要加载缓存的id绑定CountDownLatch，后续相同的id请求来了从map中找到CountDownLatch，并且await，直到该线程加载完了缓存
     * @param needLoadIds 能够正在去加载缓存的id集合
     * @return 公用的CountDownLatch
     */
    protected CountDownLatch saveLatch(Collection<String> needLoadIds) {
        if (CollectionUtils.isEmpty(needLoadIds)) {
            return null;
        }
        CountDownLatch latch = new CountDownLatch(1);
        needLoadIds.forEach(loadId -> loadCache.put(loadId, latch));
        System.out.println("loadCache:" + loadCache);
        return latch;
    }

    /**
     * 哪些id正在加载数据，此时持有相同id的线程需要等待
     * @param ids 需要加载缓存的id集合
     * @return 正在加载的id所对应的CountDownLatch集合
     */
    private Collection<CountDownLatch> excludeLoadingIds(Collection<String> ids) {
        List<CountDownLatch> loadingLatchList = Lists.newArrayList();
        Iterator<String> iterator = ids.iterator();
        while (iterator.hasNext()) {
            String id = iterator.next();
            CountDownLatch latch = loadCache.get(id);
            if (latch != null) {
                loadingLatchList.add(latch);
                iterator.remove();
            }
        }
        System.out.println("loadingLatchList:" + loadingLatchList);
        return loadingLatchList;
    }
}

業務實作

import java.util.Collection;
public class BizCacheSetterRpcService extends AbstractCacheSetterService {
    @Override
    protected void loadCache(Collection<String> needLoadIds) {
        // 读取db进行处理
   	// 设置缓存
    }
}

快取穿透

#簡單來說就是請求的資料在資料庫中不存在，導致無效請求打穿資料庫。

解法也很簡單，從db取得資料的方法(getByKey(K key))一定要給個預設值。

例如我有個獎金池，金額上限是1W，用戶完成任務的時候給他發筆錢，並且使用redis記錄下來，並且落表，用戶在任務頁面能實時看到獎池剩餘金額，在任務開始的時候顯然獎池金額是不變的，redis和db裡面都沒有發放金額的記錄，這就導致每次必然都去查db，對於這種情況，從db沒查出來數據應該緩存個值0到緩存。

快取雪崩

就是大量快取集中失效打到了db，當然肯定都是一類的業務緩存，歸根到底是程式碼寫的有問題。可以將快取失效的過期時間打散，別讓其集中失效就可以了。

推薦學習：Redis影片教學

以上是高並發技巧之Redis和本地快取使用技巧分享的詳細內容。更多資訊請關注PHP中文網其他相關文章！

lua 分布式 json guava NULL while 线程并发 redis 数据库 rpc

陳述：

本文轉載於：jb51.net。如有侵權，請聯絡admin@php.cn刪除

上一篇：一篇文章帶你徹底搞懂Redis事務下一篇：一篇文章帶你徹底搞懂Redis事務

看更多