java web實例分析

正文

在實際的工作項目中， 快取成為高並發、高效能架構的關鍵元件 ，那麼Redis為什麼可以作為快取使用呢？首先可以作為快取的兩個主要特徵：

• 在分層系統中處於記憶體/CPU具有存取效能良好，

• ##快取數據飽和，有良好的資料淘汰機制

由於Redis 天然就具有這兩個特徵，Redis基於記憶體操作的，且其具有完善的資料淘汰機制，十分適合作為快取組件。

其中，基於記憶體操作，容量可以為32-96GB，且操作時間平均為100ns，操作效率高。而且資料淘汰機制眾多，在Redis 4.0 後就有8種了促使Redis作為快取可以適用很多場景。

那Redis快取為什麼需要資料淘汰機制呢？有哪8種資料淘汰機制呢？

資料淘汰機制

Redis快取基於記憶體實現的，則其快取其容量是有限的，當出現快取被寫滿的情況，那麼這時Redis該如何處理呢？

Redis對於快取被寫滿的情況，Redis就需要快取資料淘汰機制，透過一定淘汰規則將一些資料刷選出來刪除，讓快取服務可再使用。那麼Redis使用哪些淘汰策略進行刷選刪除資料呢？

在Redis 4.0 之後，Redis 快取淘汰策略6 2種，包含分成三大類：

• 不淘汰資料

• noeviction ，不進行資料淘汰，當快取被寫滿後，Redis不提供服務直接回傳錯誤。

• 在設定過期時間的鍵值對中，

• #volatile-random ，設定過期時間的鍵值對中隨機刪除

• volatile-ttl ，在設定過期時間的鍵值對，基於過期時間的先後進行刪除，越早過期的越先被刪除。

• volatile-lru ， 基於LRU(Least Recently Used) 演算法篩選設定了過期時間的鍵值對， 最近最少使用的原則來篩選資料

• volatile-lfu ，使用LFU( Least Frequently Used ) 演算法選擇設定了過期時間的鍵值對, 使用頻率最少的鍵值對,來篩選資料。

• 在所有的鍵值對中，

• #allkeys-random， 從所有鍵值對中隨機選擇並刪除資料

• allkeys-lru， 使用LRU 演算法在所有資料中進行篩選

• allkeys-lfu， 使用LFU 演算法在所有數據中進行篩選

#Note: LRU( 最近最少使用，Least Recently Used)演算法， LRU維護一個雙向鍊錶，鍊錶的頭和尾分別表示MRU 端和LRU 端，分別代表最近最常使用的數據和最近最不常用的數據。

LRU 演算法在實際實作時，需要用鍊錶管理所有的快取數據，這會帶來額外的空間開銷。而且，當有資料被存取時，需要在鍊錶上把該資料移動到 MRU 端，如果有大量資料被訪問，就會帶來很多鍊錶移動操作，會很耗時，進而降低 Redis 快取效能。

#其中，LRU和LFU 基於Redis的物件結構redisObject的lru和refcount屬性實現的:

typedef struct redisObject {
    unsigned type:4;
    unsigned encoding:4;
    // 对象最后一次被访问的时间
    unsigned lru:LRU_BITS; /* LRU time (relative to global lru_clock) or
                            * LFU data (least significant 8 bits frequency
    // 引用计数                        * and most significant 16 bits access time). */
    int refcount;
    void *ptr;
} robj;

Redis的LRU會使用redisObject的lru記錄最近一次被訪問的時間，隨機選取參數maxmemory-samples 配置的數量作為候選集合，在其中選擇lru 屬性值最小的資料淘汰出去。

在實際專案中，那麼該如何選擇資料淘汰機制呢？

• 優先選擇 allkeys-lru演算法，將最近最常存取的資料留在快取中，提升應用程式的存取效能。

• 有頂置資料使用 volatile-lru演算法 ,頂置資料不設定快取過期時間，其他資料設定過期時間，基於LRU 規則進行篩選 。

在了解Redis快取淘汰機制後，來看看Redis作為快取其有多少種模式呢？

Redis快取模式

Redis快取模式是基於是否接收寫入請求，可以分成只讀快取和讀寫快取：

只讀快取：只處理讀取操作，所有的更新操作都在資料庫中，這樣資料就不會有遺失的風險。

• Cache Aside模式

#讀寫緩存，讀寫操作都在快取中執行，出現宕機故障，會導致資料遺失。快取回寫資料到資料庫有分成兩種同步和非同步：

• 同步：存取效能偏低，其更著重於保證資料可靠性

• Read-Throug模式

• Write-Through模式

## 異步：有資料遺失風險，其著重於提供低延遲存取

• • Write-Behind模式

#Cache Aside模式

##查詢數據先從快取讀取數據，如果快取中不存在，則再到資料庫讀取數據，取得到數據之後更新到快取Cache中，

但更新數據操作，會先去更新資料庫種的數據，然後將緩存種的資料失效。

而且Cache Aside模式會存在並發風險：執行讀取操作未命中緩存，然後查詢資料庫中取數據，數據已經查詢到還沒放入緩存，同時一個更新寫入操作讓緩存失效，然後讀取操作再把查詢到資料載入緩存，導致快取的髒資料。

Read/Write-Throug模式

查詢資料和更新資料都直接存取快取服務，

快取服務同步方式將資料更新到資料庫。出現髒資料的機率較低，但是就強烈依賴緩存，對快取服務的穩定性有較大要求，但同步更新會導致其效能不好。

Write Behind模式

查詢資料和更新資料都直接存取快取服務，

但快取服務使用非同步方式地將資料更新到資料庫（透過非同步任務） 速度快，效率會非常高，但是資料的一致性比較差，還可能會有資料的遺失情況，而實現邏輯也較為複雜。

在實際專案開發中根據實際的業務場景需求來進行選擇快取模式。那了解上述後，為什麼我們的應用程式需要使用到redis快取呢？

在應用程式使用Redis快取可以提高系統效能和並發，主要體現在

• 高效能：基於記憶體查詢，KV結構，簡單邏輯運算

• 高並發： Mysql 每秒只能支援2000左右的請求，Redis輕鬆每秒1W以上。讓80%以上查詢走緩存，20%以下查詢走資料庫，能讓系統吞吐量有很大的提高

雖然使用Redis快取可以大大提升系統的效能，但是使用了緩存，會出現一些問題，例如，快取與資料庫雙向不一致、快取雪崩等，對於出現的這些問題該怎麼解決呢？

使用快取常見的問題

使用了緩存，會出現一些問題，主要體現在：

##快取與資料庫雙寫不一致
快取雪崩: Redis 快取無法處理大量的應用請求，轉移到資料庫層導致資料庫層的壓力激增;

• ##快取穿透：訪問資料不存在在Redis快取中和資料庫中，導致大量存取穿透快取直接轉移到資料庫導致資料庫層的壓力激增;

• 快取擊穿：快取無法處理高頻熱點數據，導致直接高頻存取資料庫導致資料庫層的壓力激增;

• 快取與資料庫資料不一致

只讀快取(Cache Aside模式)

對於只讀快取(Cache Aside模式)

， 讀取操作都會發生在快取中，資料不一致只會發生在

刪改操作上（新增操作不會，因為新增只會在資料庫處理），當發生刪改操作時，快取將資料中標誌為無效和更新資料庫。因此在更新資料庫和刪除快取值的過程中，無論這兩個操作的執行順序誰先誰後，只要有一個操作失敗了就會出現資料不一致的情況。

以上是java web實例分析的詳細內容。更多資訊請關注PHP中文網其他相關文章！