怎么使用spring-cache代碼解決緩存擊穿問題

本篇內(nèi)容介紹了“怎么使用spring-cache代碼解決緩存擊穿問題”的有關(guān)知識，在實(shí)際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

正文

目前缺陷

首先，為什么說目前網(wǎng)上流傳的方案，落地性差呢，因?yàn)槎既狈σ粋€可以和SpringBoot結(jié)合起來的真實(shí)場景，基本上都脫離了SpringBoot，只站在Java這個層級去分析。那問題就來了，現(xiàn)在還有只用SpringMvc，卻不用SpringBoot的公司么?因此，本文嘗試將該方案和SpringBoot結(jié)合起來，講一個確實(shí)可行，可以落地的方案！

當(dāng)然，我們先來說說目前在網(wǎng)上流傳的幾套方案，到底不靠譜在哪里！

(1)布隆過濾器

關(guān)于布隆過濾器，我就不介紹太多，這里就理解為是一個過濾器,用于快速檢索一個元素是否在一個集合中；那么當(dāng)一個請求來的時候，快速判斷這個請求的key是否在指定集合中！如果在，說明有效，則放行。如果不在，則無效攔截。 至于實(shí)現(xiàn)，各大博客也說了用了google提供的

<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>19.0</version>
</dependency>

這個包里有現(xiàn)成寫好的java類給你使用了，當(dāng)然demo代碼我就不貼了，一抓一大把！ 當(dāng)然，似乎看上去完美無暇！一切都是那么的合適！

然而到這里，我就真的問一句，你們真的用了這個方案了？

我如果猜的沒錯，應(yīng)該沒幾個人遇到過緩存擊穿問題~

更何況，證明這個說法的正確性~

該方案最大的一個問題是布隆過濾器不支持反向刪除操作，例如你的項(xiàng)目里活躍的key的數(shù)量只有1000w個，但是全部key數(shù)量有5000w個，那這5000w個key會全部存在布隆過濾器里！

直到某一天，你會發(fā)現(xiàn)這個過濾器太擁擠了，誤判率太高，不得不進(jìn)行重建！

so，你們覺得這個做法真的靠譜？

那么布隆過濾器這個說法出自哪里呢？ (大家一定很好奇對不對！)

當(dāng)然是xx機(jī)構(gòu)～～此處保護(hù)自己的狗頭～～記住，他們?yōu)榱烁罹虏?，一定會選擇一些看起來極為高端，但是落地巨不靠譜的方案（這也是區(qū)分一個機(jī)構(gòu)到底是割韭菜還是真正有水平的標(biāo)桿，小白不懂，很容易被坑）～～看到這里，真是慚愧，我的第一篇文章也是寫這個方案了，但是在落地過程中，發(fā)現(xiàn)了不對勁（此處省略一萬字的檢討文，煙哥垃圾～～）。

(2)布谷過濾器

那么，為了解決布隆過濾器查詢性能弱、空間利用效率低、不支持反向操作等問題，又有一篇文章誕生了，主張用布谷過濾器來解決緩存擊穿問題！

但是，神奇的事情來了，基本上所有的文章都在說布谷過濾器多么多么牛逼，卻沒有任何落地的方案~

記住，我們平時寫代碼，一定是怎么方便怎么來！再記住，面試是一回事，代碼落地是另一回事~

那，真正簡便的方案是什么樣的呢？來，我們一步步來~

真正方案

假設(shè)，你此刻用的是springboot-2.x的版本，你為了能夠連接redis，你在pom文件里加入如下依賴

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

然后呢，我們修改application.yml

spring:
  datasource:
    ...
  redis:
    database: ...
    host: ...
    port: ...
(省事，不全貼了)

ok，說到這里，就不得不說一下spring-cache了，Spring3.1之后，引入了注解緩存技術(shù)，其本質(zhì)上不是一個具體的緩存實(shí)現(xiàn)方案，而是一個對緩存使用的抽象，通過在既有代碼中添加少量自定義的各種annotation，即能夠達(dá)到使用緩存對象和緩存方法的返回對象的效果。Spring的緩存技術(shù)具備相當(dāng)?shù)撵`活性，不僅能夠使用SpEL（Spring Expression Language）來定義緩存的key和各種condition，還提供開箱即用的緩存臨時存儲方案，也支持和主流的專業(yè)緩存集成。

例如：我們在代碼中經(jīng)常有這么一段邏輯，在目標(biāo)方法執(zhí)行前，會根據(jù)key先去緩存中查詢看是否有數(shù)據(jù)，有就直接返回緩存中的key對應(yīng)的value值，不再執(zhí)行目標(biāo)方法；沒有則執(zhí)行目標(biāo)方法，去數(shù)據(jù)庫查詢出對應(yīng)的value，并以鍵值對的形式存入緩存。

如果我們不使用例如spring-cache的注解框架，你的代碼中會充斥著大量冗余代碼，而用了該框架后，以@Cacheable注解為例， 該注解在方法上，表示該方法的返回結(jié)果是可以緩存的。

也就是說，該方法的返回結(jié)果會放在緩存中，以便于以后使用相同的參數(shù)調(diào)用該方法時，會返回緩存中的值，而不會實(shí)際執(zhí)行該方法。

那么，你的代碼只需要這么寫

@Override
@Cacheable("menu")
public Menu findById(String id) {
    Menu menu = this.getById(id);
    if (menu != null){
        System.out.println("menu.name = " + menu.getName());
    }
    return menu;
}

在這個例子中，findById 方法與一個名為 menu 的緩存關(guān)聯(lián)起來了。調(diào)用該方法時，會檢查 menu 緩存，如果緩存中有結(jié)果，就不會去執(zhí)行方法了。

ok，說到這里，其實(shí)都是大家懂得東西??！接下來開始我們的主題：如何解決緩存擊穿問題！順便講講穿透和雪崩問題！

來來來，我們回憶一下緩存擊穿，穿透以及緩存雪崩的概念！

緩存穿透

在高并發(fā)下，查詢一個不存在的值時，緩存不會被命中，導(dǎo)致大量請求直接落到數(shù)據(jù)庫上，如活動系統(tǒng)里面查詢一個不存在的活動。 多嘴一句:緩存穿透是指,請求的是緩存和數(shù)據(jù)庫中都沒有的數(shù)據(jù)！

對于緩存穿透問題，有一個很簡單的解決方案，就是緩存NULL值~從緩存取不到的數(shù)據(jù)，在數(shù)據(jù)庫中也沒有取到，直接返回空值。

那么spring-cache中，有一個配置是這樣的

spring.cache.redis.cache-null-values=true

帶上該配置后，就可以緩存null值了，值得一提的是，這個緩存時間要設(shè)的少一點(diǎn)，例如15秒就夠，如果設(shè)置過長，會導(dǎo)致正常的緩存也無法使用。

緩存擊穿

在高并發(fā)下，對一個特定的值進(jìn)行查詢，但是這個時候緩存正好過期了，緩存沒有命中，導(dǎo)致大量請求直接落到數(shù)據(jù)庫上，如活動系統(tǒng)里面查詢活動信息，但是在活動進(jìn)行過程中活動緩存突然過期了。 多嘴一句:緩存擊穿是指,請求的是緩存沒有，而數(shù)據(jù)庫中有的數(shù)據(jù)！

記住，解決擊穿的最簡單的方法，只有一個，就是限流！至于怎么限，其實(shí)可以各顯神通！例如其他文章提到的布隆過濾器，布谷過濾器等，不過是限流方式之一而已！甚至，你用一些其他的限流組件也是可以的！

這里就要說spring-cahce的另一個配置了！

在緩存過期之后，如果多個線程同時請求對某個數(shù)據(jù)的訪問，會同時去到數(shù)據(jù)庫，導(dǎo)致數(shù)據(jù)庫瞬間負(fù)荷增高。Spring4.3為@Cacheable注解提供了一個新的參數(shù)“sync”（boolean類型，缺省為false），當(dāng)設(shè)置它為true時，只有一個線程的請求會去到數(shù)據(jù)庫，其他線程都會等待直到緩存可用。這個設(shè)置可以減少對數(shù)據(jù)庫的瞬間并發(fā)訪問。

看到這里??！這不就是一個限流方案么？

所以解決方法就是，加一個屬性sync=true，就行。代碼就像下面這樣

@Cacheable(cacheNames="menu", sync="true")

用了該屬性后，可以指示底層將緩存鎖住，使只有一個線程可以進(jìn)入計(jì)算，而其他線程堵塞，直到返回結(jié)果更新到緩存中。

當(dāng)然，看到這里，一定會有人和我抬杠！他的問題是這樣的！

你這個只是針對單機(jī)的限流，并不是整體集群的限流！也就是說，假設(shè)你的集群搭建了3000個pod，最差的情況下就是，3000個pod上，每個pod都會發(fā)起一個請求去數(shù)據(jù)庫查詢，照樣還是會導(dǎo)致數(shù)據(jù)庫連接數(shù)不夠用，等等資源問題！

對于這個問題我只能說！少年，但凡你的公司產(chǎn)品達(dá)到這種流量規(guī)模，此刻你就不會在看我的文章！你此刻關(guān)心的問題是：

(1)哎，買深圳灣一號還是深圳灣公館呢，糾結(jié)！
(2)昨天美股又跌了，又損失了兩套房
(3)昨天提前撤單了，又少掙了幾萬
....(省略一萬字)

當(dāng)然，如果你非要解決，也有辦法。spring的aop有套路的，比如@Transactional的Advice是TransactionInterceptor，那么cache也對應(yīng)對一個CacheInterceptor，我們只要去改CacheInterceptor，這個切面就能解決。在里頭做一個分布式鎖！偽代碼如下

flag := 取分布式鎖
if flag {
    走數(shù)據(jù)庫查詢，并緩存結(jié)果
}{
    睡眠一段時間，再次嘗試獲取key的值
}

但是，我還是要多嘴提一句，真沒必要~~ 記住一句話，立足實(shí)際出發(fā)~但凡你的業(yè)務(wù)到了那種級別，是可以做到區(qū)域部署的，完全可以規(guī)避開這類問題。

緩存雪崩

在高并發(fā)下，大量的緩存key在同一時間失效，導(dǎo)致大量的請求落到數(shù)據(jù)庫上，如活動系統(tǒng)里面同時進(jìn)行著非常多的活動，但是在某個時間點(diǎn)所有的活動緩存全部過期。

那么針對該問題，最簡單的解決方法就是，過期時間加隨機(jī)值！

但是很麻煩的是，我們在使用@Cacheable注解的時候，原生功能沒法直接設(shè)置隨機(jī)過期時間的。

這個老實(shí)說，真沒啥好方法，只能自己繼承RedisCache，對其增強(qiáng)，改寫其中的put方法，帶上隨機(jī)時間！

“怎么使用spring-cache代碼解決緩存擊穿問題”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！