• 我們開發(fā)中經(jīng)常用到Redis作為緩存，將高頻數(shù)據(jù)放在Redis中能夠提高業(yè)務(wù)性能，降低MySQL等關(guān)系型數(shù)據(jù)庫(kù)壓力，甚至一些系統(tǒng)使用Redis進(jìn)行數(shù)據(jù)持久化，Redis松散的文檔結(jié)構(gòu)非常適合業(yè)務(wù)系統(tǒng)開發(fā)，在精確查詢，數(shù)據(jù)統(tǒng)計(jì)業(yè)務(wù)有著很大的優(yōu)勢(shì)。但是高頻數(shù)據(jù)流處理系統(tǒng)中，Redis的壓力也會(huì)很大，同時(shí)I/0開銷才是耗時(shí)的主要原因，這時(shí)候?yàn)榱私档蚏edis讀寫壓力我們可以用到本地緩存，Guava為我們提供了優(yōu)秀的本地緩存API，包含了過(guò)期策略等等，編碼難度低，個(gè)人非常推薦。

設(shè)計(jì)示例

Redis懶加載緩存

數(shù)據(jù)在新增到MySQL不進(jìn)行緩存，在精確查找進(jìn)行緩存，做到查詢即緩存，不查詢不緩存

流程圖

代碼示例

// 偽代碼示例 Xx代表你的的業(yè)務(wù)對(duì)象 如User Goods等等
public class XxLazyCache {
    @Autowired
    private RedisTemplate<String, Xx> redisTemplate;
    
    @Autowired
    private XxService xxService;// 你的業(yè)務(wù)service
    
    /**
     * 查詢 通過(guò)查詢緩存是否存在驅(qū)動(dòng)緩存加載 建議在前置業(yè)務(wù)保證id對(duì)應(yīng)數(shù)據(jù)是絕對(duì)存在于數(shù)據(jù)庫(kù)中的
     */
    public Xx getXx(int id) {
        // 1.查詢緩存里面有沒(méi)有數(shù)據(jù)
        Xx xxCache = getXxFromCache(id);
        if(xxCache != null) {
            return xxCache;// 衛(wèi)語(yǔ)句使代碼更有利于閱讀
        }
        // 2.查詢數(shù)據(jù)庫(kù)獲取數(shù)據(jù) 我們假定到業(yè)務(wù)這一步，傳過(guò)來(lái)的id都在數(shù)據(jù)庫(kù)中有對(duì)應(yīng)數(shù)據(jù)
        Xx xx = xxService.getXxById(id);
        // 3.設(shè)置緩存、這一步相當(dāng)于Redis緩存懶加載，下次再查詢此id，則會(huì)走緩存
        setXxFromCache(xx);
        return xx;
        }
    }
    
    /**
     * 對(duì)xx數(shù)據(jù)進(jìn)行修改或者刪除操作 操作數(shù)據(jù)庫(kù)成功后 刪除緩存
     * 刪除請(qǐng)求 - 刪除數(shù)據(jù)庫(kù)數(shù)據(jù) 刪除緩存
     * 修改請(qǐng)求 - 更新數(shù)據(jù)庫(kù)數(shù)據(jù) 刪除緩存 下次在查詢時(shí)候就會(huì)從數(shù)據(jù)庫(kù)拉取新的數(shù)據(jù)到緩存中
     */
    public void deleteXxFromCache(long id) {
        String key = "Xx:" + xx.getId();
        redisTemplate.delete(key);
    }
    
    private void setXxFromCache(Xx xx) {
        String key = "Xx:" + xx.getId();
        redisTemplate.opsForValue().set(key, xx);
    }
    
    private Xx getXxFromCache(int id) {
        // 通過(guò)緩存前綴拼裝唯一主鍵作為緩存Key 如Xxx信息 就是Xxx:id
        String key = "Xx:" + id;
        return redisTemplate.opsForValue().get(key);
    }
    
}
// 業(yè)務(wù)類
public class XxServie {
    @Autowired
    private XxLazyCache xxLazyCache;
    // 查詢數(shù)據(jù)庫(kù)
    public Xx getXxById(long id) {
        // 省略實(shí)現(xiàn)
        return xx;
    }
    
    public void updateXx(Xx xx) {
        // 更新MySQL數(shù)據(jù) 省略
        // 刪除緩存
        xxLazyCache.deleteXxFromCache(xx.getId());
    }
    
    public void deleteXx(long id) {
        // 刪除MySQL數(shù)據(jù) 省略
        // 刪除緩存
        xxLazyCache.deleteXxFromCache(xx.getId());
    }
}
// 實(shí)體類
@Data
public class Xx {
    // 業(yè)務(wù)主鍵
    private Long id;
    // ...省略
}
復(fù)制代碼

優(yōu)點(diǎn)

• 保證最小的緩存量滿足精確查詢業(yè)務(wù)，避免冷數(shù)據(jù)占用寶貴的內(nèi)存空間
• 對(duì)增刪改查業(yè)務(wù)入侵小、刪除即同步
• 可插拔，對(duì)于老系統(tǒng)升級(jí)，歷史數(shù)據(jù)無(wú)需在啟動(dòng)時(shí)初始化緩存

缺點(diǎn)

• 數(shù)據(jù)量需可控，在無(wú)限增長(zhǎng)業(yè)務(wù)場(chǎng)景不適用
• 在微服務(wù)場(chǎng)景不利于全局緩存應(yīng)用

總結(jié)

• 空間最小化
• 滿足精確查詢場(chǎng)景
• 總數(shù)據(jù)量可控推薦使用
• 微服務(wù)場(chǎng)景不適用

Redis結(jié)合本地緩存

微服務(wù)場(chǎng)景下，多個(gè)微服務(wù)使用一個(gè)大緩存，流數(shù)據(jù)業(yè)務(wù)下，高頻讀取緩存對(duì)Redis壓力很大，我們使用本地緩存結(jié)合Redis緩存使用，降低Redis壓力，同時(shí)本地緩存沒(méi)有連接開銷，性能更優(yōu)

流程圖

業(yè)務(wù)場(chǎng)景

在流處數(shù)處理過(guò)程中，微服務(wù)對(duì)多個(gè)設(shè)備上傳的數(shù)據(jù)進(jìn)行處理，每個(gè)設(shè)備有一個(gè)code,流數(shù)據(jù)的頻率高，在消息隊(duì)列發(fā)送過(guò)程中使用分區(qū)發(fā)送，我們需要為設(shè)備code生成對(duì)應(yīng)的自增號(hào)，用自增號(hào)對(duì)kafka中topic分區(qū)數(shù)進(jìn)行取模，這樣如果有10000臺(tái)設(shè)備，自增號(hào)就是0~9999，在取模后就進(jìn)行分區(qū)發(fā)送就可以做到每個(gè)分區(qū)均勻分布，這個(gè)自增號(hào)我們使用redis的自增數(shù)生成，生成后放到redis的hash結(jié)構(gòu)進(jìn)行緩存，每次來(lái)一個(gè)設(shè)備，我們就去這個(gè)hash緩存中取，沒(méi)有取到就使用自增數(shù)生成一個(gè)，然后放到redis的hash緩存中，這時(shí)候每個(gè)設(shè)備的自增數(shù)一經(jīng)生成是不會(huì)再發(fā)生改變的，我們就想到使用本地緩存進(jìn)行優(yōu)化，避免高頻的調(diào)用redis去獲取，降低redis壓力，下面鏈接為我寫的關(guān)于kafka分區(qū)消費(fèi)的文章，大家可以去看看 Kafka分區(qū)發(fā)送及消費(fèi)實(shí)戰(zhàn)

代碼示例

/**
 * 此緩存演示如何結(jié)合redis自增數(shù) hash 本地緩存使用進(jìn)行設(shè)備自增數(shù)的生成、緩存、本地緩存
 * 本地緩存使用Guava Cache
 */
public class DeviceIncCache {
    /**
     * 本地緩存
     */
    private Cache<String, Integer> localCache = CacheBuilder.newBuilder()
        .concurrencyLevel(16) // 并發(fā)級(jí)別
        .initialCapacity(1000) // 初始容量
        .maximumSize(10000) // 緩存最大長(zhǎng)度
        .expireAfterAccess(1, TimeUnit.HOURS) // 緩存1小時(shí)沒(méi)被使用就過(guò)期
        .build();
    @Autowired
    private RedisTemplate<String, Integer> redisTemplate;
    
    /**
     * redis自增數(shù)緩存的key
     */
    private static final String DEVICE_INC_COUNT = "device_inc_cou

優(yōu)點(diǎn)

• redis保證數(shù)據(jù)可持久，本地緩存保證超高的讀取性能，微服務(wù)共用redis大緩存的場(chǎng)景能有效降低redis壓力
• guava作為本地緩存，提供了豐富的api，過(guò)期策略，最大容量，保證服務(wù)內(nèi)存可控，冷數(shù)據(jù)不會(huì)長(zhǎng)期占據(jù)內(nèi)存空間
• 服務(wù)重啟導(dǎo)致的本地緩存清空不會(huì)影響業(yè)務(wù)進(jìn)行
• 微服務(wù)及分布式場(chǎng)景使用，分布式情況下每個(gè)服務(wù)實(shí)例只會(huì)緩存自己接入的那一部分設(shè)備的自增號(hào)，本地內(nèi)存空間最優(yōu)
• 在示例業(yè)務(wù)中，自增數(shù)滿足了分布區(qū)發(fā)送的均勻分布需求，也可以滿足統(tǒng)計(jì)設(shè)備接入數(shù)目的業(yè)務(wù)場(chǎng)景，一舉兩得

缺點(diǎn)

• 增加編碼復(fù)雜度，不直接
• 只適用于緩存內(nèi)容只增不改的場(chǎng)景

總結(jié)

• 本地緩存空間可控，過(guò)期策略優(yōu)
• 適用于微服務(wù)及分布式場(chǎng)景
• 緩存內(nèi)容不能發(fā)生改變
• 性能優(yōu)

后記

redis提供了豐富的數(shù)據(jù)類型及api，非常適合業(yè)務(wù)系統(tǒng)開發(fā)，統(tǒng)計(jì)計(jì)數(shù)（increment，decrement），標(biāo)記位（bitmap）,松散數(shù)據(jù)（hash）,先進(jìn)先出、隊(duì)列式讀取（list）；guava緩存作為本地緩存，能夠高效的讀取的同時(shí)，提供了大量api方便我們控制本地緩存的數(shù)據(jù)量及冷數(shù)據(jù)淘汰；我們充分的學(xué)習(xí)這些特性能夠幫助我們?cè)跇I(yè)務(wù)開發(fā)中更加輕松靈活，在空間與時(shí)間上找到一個(gè)平衡點(diǎn)。

到此這篇關(guān)于Redis與本地緩存的結(jié)合實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)Redis本地緩存內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

美國(guó)服務(wù)器租用

版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。