20.缓存问题与解决方案详解教程
文章目录
[1. 缓存基础概念](#1. 缓存基础概念)
[1.1 什么是缓存](#1.1 什么是缓存)
[1.2 缓存的作用](#1.2 缓存的作用)
[1.3 常见的缓存类型](#1.3 常见的缓存类型)
[1.4 缓存架构示例](#1.4 缓存架构示例)
[2. 缓存雪崩 (Cache Avalanche)](#2. 缓存雪崩 (Cache Avalanche))
[2.1 什么是缓存雪崩](#2.1 什么是缓存雪崩)
[2.2 缓存雪崩的原因](#2.2 缓存雪崩的原因)
[2.3 缓存雪崩的危害](#2.3 缓存雪崩的危害)
[2.4 缓存雪崩的解决方案](#2.4 缓存雪崩的解决方案)
方案1：设置随机过期时间
方案2：缓存集群和主从复制
方案3：熔断降级机制
方案4：本地缓存兜底
[2.5 缓存雪崩预防最佳实践](#2.5 缓存雪崩预防最佳实践)
[3. 缓存穿透 (Cache Penetration)](#3. 缓存穿透 (Cache Penetration))
[3.1 什么是缓存穿透](#3.1 什么是缓存穿透)
[3.2 缓存穿透的场景示例](#3.2 缓存穿透的场景示例)
[3.3 缓存穿透的危害](#3.3 缓存穿透的危害)
[3.4 缓存穿透的解决方案](#3.4 缓存穿透的解决方案)
方案1：缓存空值
方案2：布隆过滤器
方案3：参数校验
方案4：接口限流
[3.5 Redis布隆过滤器实现](#3.5 Redis布隆过滤器实现)
[4. 缓存预热 (Cache Warming)](#4. 缓存预热 (Cache Warming))
[4.1 什么是缓存预热](#4.1 什么是缓存预热)
[4.2 缓存预热的时机](#4.2 缓存预热的时机)
[4.3 缓存预热的策略](#4.3 缓存预热的策略)
策略1：启动时预热
策略2：分批预热
策略3：定时预热
策略4：智能预热
[4.4 预热监控和管理](#4.4 预热监控和管理)
[5. 缓存更新 (Cache Update)](#5. 缓存更新 (Cache Update))
[5.1 什么是缓存更新](#5.1 什么是缓存更新)
[5.2 缓存更新的策略](#5.2 缓存更新的策略)
[策略1：Cache Aside（旁路缓存）](#策略1：Cache Aside（旁路缓存）)
[策略2：Write Through（写透缓存）](#策略2：Write Through（写透缓存）)
[策略3：Write Behind（异步写回）](#策略3：Write Behind（异步写回）)
[5.3 缓存一致性问题解决方案](#5.3 缓存一致性问题解决方案)
方案1：延时双删
方案2：基于消息队列的异步更新
方案3：分布式锁保证一致性
[5.4 缓存更新最佳实践](#5.4 缓存更新最佳实践)
实践1：批量更新优化
[6. 缓存降级 (Cache Degradation)](#6. 缓存降级 (Cache Degradation))
[6.1 什么是缓存降级](#6.1 什么是缓存降级)
[6.2 缓存降级的场景](#6.2 缓存降级的场景)
[6.3 缓存降级策略](#6.3 缓存降级策略)
策略1：本地缓存降级
策略2：多级缓存降级
策略3：静态数据降级
策略4：限流降级
[6.4 降级监控和告警](#6.4 降级监控和告警)
监控组件
[6.5 降级策略配置化](#6.5 降级策略配置化)
[7. 缓存最佳实践总结](#7. 缓存最佳实践总结)
[7.1 设计原则](#7.1 设计原则)
[7.2 性能优化](#7.2 性能优化)
[7.3 运维建议](#7.3 运维建议)
1. 缓存基础概念
1.1 什么是缓存
缓存是一种高速存储技术，用于临时存储频繁访问的数据，以提高系统性能和响应速度。在软件架构中，缓存通常位于应用程序和数据库之间，作为数据的快速访问层。
1.2 缓存的作用
提高响应速度：从内存中读取数据比从磁盘快几个数量级
减少数据库压力：减少对数据库的直接访问
提升用户体验：快速响应用户请求
节约成本：减少服务器资源消耗
1.3 常见的缓存类型
本地缓存：如HashMap、Guava Cache
分布式缓存：如Redis、Memcached
数据库缓存：如MySQL查询缓存
CDN缓存：内容分发网络缓存
1.4 缓存架构示例
java
复制代码
// 典型的缓存使用模式
public class UserService {
private RedisTemplate
private UserRepository userRepository;
public User getUserById(Long userId) {
String key = "user:" + userId;
// 1. 先查缓存
User user = (User) redisTemplate.opsForValue().get(key);
if (user != null) {
return user; // 缓存命中
}
// 2. 缓存未命中，查数据库
user = userRepository.findById(userId);
if (user != null) {
// 3. 将数据写入缓存
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
}
return user;
}
}
2. 缓存雪崩 (Cache Avalanche)
2.1 什么是缓存雪崩
缓存雪崩是指在同一时间，大量的缓存key同时失效，导致大量请求直接打到数据库上，造成数据库瞬间压力过大甚至宕机的现象。
2.2 缓存雪崩的原因
缓存服务器宕机：Redis服务器突然宕机
大量key同时过期：设置了相同的过期时间
缓存预热不充分：系统重启后缓存为空
2.3 缓存雪崩的危害
数据库瞬间压力暴增
系统响应时间急剧增加
可能导致数据库连接池耗尽
严重时可能导致整个系统崩溃
2.4 缓存雪崩的解决方案
方案1：设置随机过期时间
java
复制代码
@Service
public class ProductService {
private RedisTemplate
private ProductRepository productRepository;
public Product getProductById(Long productId) {
String key = "product:" + productId;
Product product = (Product) redisTemplate.opsForValue().get(key);
if (product == null) {
product = productRepository.findById(productId);
if (product != null) {
// 设置随机过期时间：30分钟 + 0-10分钟的随机时间
int randomMinutes = new Random().nextInt(10);
Duration expireTime = Duration.ofMinutes(30 + randomMinutes);
redisTemplate.opsForValue().set(key, product, expireTime);
}
}
return product;
}
}
方案2：缓存集群和主从复制
yaml
复制代码
# Redis集群配置示例
spring:
redis:
cluster:
nodes:
- 192.168.1.100:7001
- 192.168.1.100:7002
- 192.168.1.100:7003
- 192.168.1.101:7001
- 192.168.1.101:7002
- 192.168.1.101:7003
max-redirects: 3
timeout: 3000ms
lettuce:
pool:
max-active: 16
max-idle: 8
min-idle: 0
方案3：熔断降级机制
java
复制代码
@Component
public class ProductServiceWithCircuitBreaker {
private RedisTemplate
private ProductRepository productRepository;
private CircuitBreaker circuitBreaker;
public ProductServiceWithCircuitBreaker() {
// 配置熔断器
this.circuitBreaker = CircuitBreaker.ofDefaults("productService");
circuitBreaker.getEventPublisher().onStateTransition(event ->
System.out.println("CircuitBreaker state transition: " + event));
}
public Product getProductById(Long productId) {
return circuitBreaker.executeSupplier(() -> {
String key = "product:" + productId;
Product product = (Product) redisTemplate.opsForValue().get(key);
if (product == null) {
product = productRepository.findById(productId);
if (product != null) {
redisTemplate.opsForValue().set(key, product, Duration.ofMinutes(30));
}
}
return product;
});
}
}
方案4：本地缓存兜底
java
复制代码
@Service
public class ProductServiceWithLocalCache {
private RedisTemplate
private ProductRepository productRepository;
private Cache
public ProductServiceWithLocalCache() {
// 创建本地缓存
this.localCache = Caffeine.newBuilder()
.maximumSize(1000)
.expireAfterWrite(5, TimeUnit.MINUTES)
.build();
}
public Product getProductById(Long productId) {
String key = "product:" + productId;
try {
// 1. 先查Redis缓存
Product product = (Product) redisTemplate.opsForValue().get(key);
if (product != null) {
// 同时更新本地缓存
localCache.put(key, product);
return product;
}
} catch (Exception e) {
// Redis异常时，查询本地缓存
Product localProduct = localCache.getIfPresent(key);
if (localProduct != null) {
return localProduct;
}
}
// 2. 查询数据库
Product product = productRepository.findById(productId);
if (product != null) {
try {
redisTemplate.opsForValue().set(key, product, Duration.ofMinutes(30));
} catch (Exception e) {
// Redis写入失败，只更新本地缓存
localCache.put(key, product);
}
}
return product;
}
}
2.5 缓存雪崩预防最佳实践
java
复制代码
@Configuration
public class CacheConfiguration {
@Bean
public RedisTemplate
RedisTemplate
template.setConnectionFactory(connectionFactory);
// 设置序列化方式
template.setKeySerializer(new StringRedisSerializer());
template.setValueSerializer(new GenericJackson2JsonRedisSerializer());
return template;
}
@Bean
public CacheManager cacheManager(RedisConnectionFactory connectionFactory) {
RedisCacheConfiguration config = RedisCacheConfiguration.defaultCacheConfig()
.entryTtl(Duration.ofMinutes(30)) // 默认30分钟过期
.disableCachingNullValues();
return RedisCacheManager.builder(connectionFactory)
.cacheDefaults(config)
.build();
}
}
3. 缓存穿透 (Cache Penetration)
3.1 什么是缓存穿透
缓存穿透是指查询一个一定不存在的数据，由于缓存是不命中时才查询数据库，而且不存在的数据不会写入缓存，导致这个不存在的数据每次请求都要查询数据库，给数据库造成压力。
3.2 缓存穿透的场景示例
java
复制代码
// 问题代码示例
public User getUserById(Long userId) {
String key = "user:" + userId;
// 1. 查缓存
User user = (User) redisTemplate.opsForValue().get(key);
if (user != null) {
return user;
}
// 2. 查数据库
user = userRepository.findById(userId);
if (user != null) {
// 3. 只有数据存在才缓存
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
}
// 如果user为null，不缓存，下次还会查数据库
return user;
}
3.3 缓存穿透的危害
大量无效请求穿透到数据库
数据库查询压力增大
系统整体性能下降
可能被恶意攻击利用
3.4 缓存穿透的解决方案
方案1：缓存空值
java
复制代码
@Service
public class UserServiceWithNullCache {
private RedisTemplate
private UserRepository userRepository;
public User getUserById(Long userId) {
String key = "user:" + userId;
// 1. 查缓存
Object cached = redisTemplate.opsForValue().get(key);
if (cached != null) {
// 如果是特殊标记，说明数据不存在
if ("NULL".equals(cached)) {
return null;
}
return (User) cached;
}
// 2. 查数据库
User user = userRepository.findById(userId);
if (user != null) {
// 3. 缓存有效数据
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
} else {
// 4. 缓存空值，但设置较短的过期时间
redisTemplate.opsForValue().set(key, "NULL", Duration.ofMinutes(5));
}
return user;
}
}
方案2：布隆过滤器
java
复制代码
@Service
public class UserServiceWithBloomFilter {
private RedisTemplate
private UserRepository userRepository;
private BloomFilter
@PostConstruct
public void initBloomFilter() {
// 创建布隆过滤器，预计100万个元素，误判率0.01%
bloomFilter = BloomFilter.create(Funnels.longFunnel(), 1000000, 0.0001);
// 将所有用户ID加入布隆过滤器
List
userIds.forEach(bloomFilter::put);
}
public User getUserById(Long userId) {
// 1. 先用布隆过滤器判断
if (!bloomFilter.mightContain(userId)) {
// 布隆过滤器说不存在，一定不存在
return null;
}
String key = "user:" + userId;
// 2. 查缓存
User user = (User) redisTemplate.opsForValue().get(key);
if (user != null) {
return user;
}
// 3. 查数据库
user = userRepository.findById(userId);
if (user != null) {
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
}
return user;
}
}
方案3：参数校验
java
复制代码
@RestController
public class UserController {
private UserService userService;
@GetMapping("/user/{userId}")
public ResponseEntity
// 1. 参数校验
if (userId == null || userId <= 0) {
return ResponseEntity.badRequest().build();
}
// 2. 业务范围校验
if (userId > 999999999L) { // 假设用户ID不会超过这个值
return ResponseEntity.notFound().build();
}
User user = userService.getUserById(userId);
return user != null ? ResponseEntity.ok(user) : ResponseEntity.notFound().build();
}
}
方案4：接口限流
java
复制代码
@Component
public class RateLimitInterceptor implements HandlerInterceptor {
private RateLimiter rateLimiter = RateLimiter.create(100); // 每秒100个请求
@Override
public boolean preHandle(HttpServletRequest request,
HttpServletResponse response,
Object handler) throws Exception {
if (!rateLimiter.tryAcquire(1, TimeUnit.SECONDS)) {
response.setStatus(HttpStatus.TOO_MANY_REQUESTS.value());
response.getWriter().write("请求过于频繁，请稍后再试");
return false;
}
return true;
}
}
3.5 Redis布隆过滤器实现
java
复制代码
@Component
public class RedisBloomFilter {
private RedisTemplate
private static final String BF_KEY_PREFIX = "bf:";
/**
* 添加元素到布隆过滤器
*/
public void add(String filterName, String value) {
String key = BF_KEY_PREFIX + filterName;
int[] hashes = getHashes(value);
for (int hash : hashes) {
redisTemplate.opsForValue().setBit(key, Math.abs(hash), true);
}
// 设置过期时间
redisTemplate.expire(key, Duration.ofDays(7));
}
/**
* 判断元素是否可能存在
*/
public boolean mightContain(String filterName, String value) {
String key = BF_KEY_PREFIX + filterName;
int[] hashes = getHashes(value);
for (int hash : hashes) {
if (!redisTemplate.opsForValue().getBit(key, Math.abs(hash))) {
return false;
}
}
return true;
}
/**
* 生成多个哈希值
*/
private int[] getHashes(String value) {
int[] hashes = new int[3]; // 使用3个哈希函数
int hash1 = value.hashCode();
int hash2 = hash1 >>> 16;
for (int i = 0; i < 3; i++) {
hashes[i] = hash1 + i * hash2;
}
return hashes;
}
}
4. 缓存预热 (Cache Warming)
4.1 什么是缓存预热
缓存预热是指在系统启动或者在业务高峰期之前，提前将热点数据加载到缓存中，避免在业务高峰期时因为缓存未命中而导致大量请求打到数据库上。
4.2 缓存预热的时机
系统启动时：应用启动完成后立即预热
定时预热：在业务低峰期定时刷新缓存
手动预热：通过管理接口手动触发预热
4.3 缓存预热的策略
策略1：启动时预热
java
复制代码
@Component
public class CacheWarmUpService {
private RedisTemplate
private ProductRepository productRepository;
private UserRepository userRepository;
@EventListener(ApplicationReadyEvent.class)
public void warmUpCache() {
System.out.println("开始缓存预热...");
// 预热热门商品
warmUpHotProducts();
// 预热活跃用户
warmUpActiveUsers();
// 预热系统配置
warmUpSystemConfig();
System.out.println("缓存预热完成!");
}
private void warmUpHotProducts() {
List
for (Product product : hotProducts) {
String key = "product:" + product.getId();
redisTemplate.opsForValue().set(key, product, Duration.ofHours(2));
}
System.out.println("热门商品预热完成，共预热 " + hotProducts.size() + " 个商品");
}
private void warmUpActiveUsers() {
List
for (User user : activeUsers) {
String key = "user:" + user.getId();
redisTemplate.opsForValue().set(key, user, Duration.ofHours(1));
}
System.out.println("活跃用户预热完成，共预热 " + activeUsers.size() + " 个用户");
}
private void warmUpSystemConfig() {
Map
configs.forEach((key, value) -> {
redisTemplate.opsForValue().set("config:" + key, value, Duration.ofDays(1));
});
System.out.println("系统配置预热完成");
}
private Map
// 模拟获取系统配置
Map
configs.put("max_order_amount", 50000);
configs.put("free_shipping_threshold", 100);
configs.put("vip_discount_rate", 0.9);
return configs;
}
}
策略2：分批预热
java
复制代码
@Service
public class BatchCacheWarmUpService {
private RedisTemplate
private ProductRepository productRepository;
private TaskExecutor taskExecutor;
public void warmUpProductsInBatches() {
int totalCount = productRepository.countAllProducts();
int batchSize = 100;
int totalBatches = (totalCount + batchSize - 1) / batchSize;
System.out.println("开始分批预热商品缓存，总数：" + totalCount + "，批次数：" + totalBatches);
for (int i = 0; i < totalBatches; i++) {
final int batchIndex = i;
taskExecutor.execute(() -> {
List
for (Product product : products) {
String key = "product:" + product.getId();
redisTemplate.opsForValue().set(key, product, Duration.ofHours(2));
}
System.out.println("第 " + (batchIndex + 1) + " 批预热完成，预热了 " + products.size() + " 个商品");
});
// 控制预热速度，避免对系统造成压力
try {
Thread.sleep(100);
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
}
}
}
}
策略3：定时预热
java
复制代码
@Component
public class ScheduledCacheWarmUp {
private RedisTemplate
private ProductRepository productRepository;
/**
* 每天凌晨2点预热热门商品缓存
*/
@Scheduled(cron = "0 0 2 * * ?")
public void scheduledWarmUp() {
System.out.println("开始定时缓存预热...");
// 获取热门商品
List
for (Product product : hotProducts) {
String key = "product:" + product.getId();
// 设置不同的过期时间，避免同时失效
int randomHours = 12 + new Random().nextInt(12); // 12-24小时
redisTemplate.opsForValue().set(key, product, Duration.ofHours(randomHours));
}
System.out.println("定时预热完成，预热了 " + hotProducts.size() + " 个热门商品");
}
/**
* 每小时更新一次实时排行榜
*/
@Scheduled(fixedRate = 3600000) // 1小时
public void updateRankingCache() {
// 更新销量排行榜
List
redisTemplate.opsForList().leftPushAll("ranking:top_selling", topSelling.toArray());
redisTemplate.expire("ranking:top_selling", Duration.ofHours(2));
// 更新热门搜索榜
List
redisTemplate.opsForList().leftPushAll("ranking:hot_keywords", hotKeywords.toArray());
redisTemplate.expire("ranking:hot_keywords", Duration.ofHours(1));
}
private List
// 模拟获取热门搜索关键词
return Arrays.asList("手机", "电脑", "耳机", "键盘", "鼠标");
}
}
策略4：智能预热
java
复制代码
@Service
public class IntelligentCacheWarmUp {
private RedisTemplate
private ProductRepository productRepository;
private AnalyticsService analyticsService;
/**
* 基于用户行为数据的智能预热
*/
public void intelligentWarmUp() {
// 1. 分析用户访问模式
Map
// 2. 按访问量排序
List
.stream()
.sorted(Map.Entry.
.limit(500)
.collect(Collectors.toList());
// 3. 分级预热
for (int i = 0; i < sortedProducts.size(); i++) {
Long productId = sortedProducts.get(i).getKey();
Integer accessCount = sortedProducts.get(i).getValue();
Product product = productRepository.findById(productId);
if (product != null) {
String key = "product:" + productId;
Duration expireTime = calculateExpireTime(i, accessCount);
redisTemplate.opsForValue().set(key, product, expireTime);
}
}
}
/**
* 根据商品热度计算过期时间
*/
private Duration calculateExpireTime(int rank, int accessCount) {
if (rank < 50) {
return Duration.ofHours(24); // 最热门的商品缓存24小时
} else if (rank < 200) {
return Duration.ofHours(12); // 次热门商品缓存12小时
} else {
return Duration.ofHours(6); // 一般热门商品缓存6小时
}
}
}
4.4 预热监控和管理
java
复制代码
@RestController
@RequestMapping("/cache/warmup")
public class CacheWarmUpController {
private BatchCacheWarmUpService batchWarmUpService;
private IntelligentCacheWarmUp intelligentWarmUp;
private RedisTemplate
/**
* 手动触发预热
*/
@PostMapping("/manual")
public ResponseEntity
try {
switch (type) {
case "product":
batchWarmUpService.warmUpProductsInBatches();
break;
case "intelligent":
intelligentWarmUp.intelligentWarmUp();
break;
default:
return ResponseEntity.badRequest().body("不支持的预热类型");
}
return ResponseEntity.ok("预热任务已启动");
} catch (Exception e) {
return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR)
.body("预热失败：" + e.getMessage());
}
}
/**
* 查看缓存状态
*/
@GetMapping("/status")
public ResponseEntity
Map
// 统计不同类型缓存的数量
Set
Set
Set
status.put("productCacheCount", productKeys != null ? productKeys.size() : 0);
status.put("userCacheCount", userKeys != null ? userKeys.size() : 0);
status.put("configCacheCount", configKeys != null ? configKeys.size() : 0);
status.put("timestamp", System.currentTimeMillis());
return ResponseEntity.ok(status);
}
/**
* 清空指定类型的缓存
*/
@DeleteMapping("/clear")
public ResponseEntity
try {
Set
if (keys != null && !keys.isEmpty()) {
redisTemplate.delete(keys);
return ResponseEntity.ok("已清空 " + keys.size() + " 个 " + type + " 类型的缓存");
} else {
return ResponseEntity.ok("没有找到 " + type + " 类型的缓存");
}
} catch (Exception e) {
return ResponseEntity.status(HttpStatus.INTERNAL_SERVER_ERROR)
.body("清空缓存失败：" + e.getMessage());
}
}
}
5. 缓存更新 (Cache Update)
5.1 什么是缓存更新
缓存更新是指当数据发生变化时，需要同步更新缓存中的数据，确保缓存数据与数据库数据的一致性。这是分布式系统中的一个重要问题，需要选择合适的策略来处理。
5.2 缓存更新的策略
策略1：Cache Aside（旁路缓存）
这是最常用的缓存模式，应用程序直接与缓存和数据库交互。
java
复制代码
@Service
public class UserServiceCacheAside {
private RedisTemplate
private UserRepository userRepository;
/**
* 读取数据
*/
public User getUserById(Long userId) {
String key = "user:" + userId;
// 1. 先查缓存
User user = (User) redisTemplate.opsForValue().get(key);
if (user != null) {
return user;
}
// 2. 缓存未命中，查数据库
user = userRepository.findById(userId);
if (user != null) {
// 3. 写入缓存
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
}
return user;
}
/**
* 更新数据
*/
@Transactional
public void updateUser(User user) {
// 1. 先更新数据库
userRepository.save(user);
// 2. 删除缓存
String key = "user:" + user.getId();
redisTemplate.delete(key);
// 或者更新缓存
// redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
}
/**
* 删除数据
*/
@Transactional
public void deleteUser(Long userId) {
// 1. 删除数据库数据
userRepository.deleteById(userId);
// 2. 删除缓存
String key = "user:" + userId;
redisTemplate.delete(key);
}
}
策略2：Write Through（写透缓存）
数据同时写入缓存和数据库。
java
复制代码
@Service
public class UserServiceWriteThrough {
private RedisTemplate
private UserRepository userRepository;
public User getUserById(Long userId) {
String key = "user:" + userId;
// 先查缓存
User user = (User) redisTemplate.opsForValue().get(key);
if (user != null) {
return user;
}
// 缓存未命中，从数据库加载并写入缓存
user = loadUserFromDatabase(userId);
return user;
}
@Transactional
public void updateUser(User user) {
try {
// 1. 同时更新数据库和缓存
userRepository.save(user);
String key = "user:" + user.getId();
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
} catch (Exception e) {
// 如果任一操作失败，需要回滚
throw new RuntimeException("更新失败", e);
}
}
private User loadUserFromDatabase(Long userId) {
User user = userRepository.findById(userId);
if (user != null) {
String key = "user:" + userId;
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
}
return user;
}
}
策略3：Write Behind（异步写回）
数据先写入缓存，然后异步写入数据库。
java
复制代码
@Service
public class UserServiceWriteBehind {
private RedisTemplate
private UserRepository userRepository;
private TaskExecutor taskExecutor;
private BlockingQueue
@PostConstruct
public void startAsyncWriter() {
// 启动异步写入线程
taskExecutor.execute(this::processWriteQueue);
}
public User getUserById(Long userId) {
String key = "user:" + userId;
// 先查缓存
User user = (User) redisTemplate.opsForValue().get(key);
if (user != null) {
return user;
}
// 从数据库加载
user = userRepository.findById(userId);
if (user != null) {
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
}
return user;
}
public void updateUser(User user) {
// 1. 立即更新缓存
String key = "user:" + user.getId();
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
// 2. 异步更新数据库
try {
writeQueue.offer(user, 1, TimeUnit.SECONDS);
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
}
}
private void processWriteQueue() {
while (true) {
try {
User user = writeQueue.take();
userRepository.save(user);
System.out.println("异步写入数据库完成：" + user.getId());
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
break;
} catch (Exception e) {
System.err.println("异步写入失败：" + e.getMessage());
}
}
}
}
5.3 缓存一致性问题解决方案
方案1：延时双删
java
复制代码
@Service
public class UserServiceDelayedDoubleDelete {
private RedisTemplate
private UserRepository userRepository;
private TaskExecutor taskExecutor;
@Transactional
public void updateUser(User user) {
String key = "user:" + user.getId();
// 1. 先删除缓存
redisTemplate.delete(key);
// 2. 更新数据库
userRepository.save(user);
// 3. 延时再删除一次缓存
taskExecutor.execute(() -> {
try {
Thread.sleep(1000); // 延时1秒
redisTemplate.delete(key);
System.out.println("延时删除缓存完成：" + key);
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
}
});
}
}
方案2：基于消息队列的异步更新
java
复制代码
@Service
public class UserServiceWithMQ {
private RedisTemplate
private UserRepository userRepository;
private RabbitTemplate rabbitTemplate;
@Transactional
public void updateUser(User user) {
// 1. 更新数据库
userRepository.save(user);
// 2. 发送缓存更新消息
CacheUpdateMessage message = new CacheUpdateMessage();
message.setType("USER_UPDATE");
message.setKey("user:" + user.getId());
message.setUserId(user.getId());
rabbitTemplate.convertAndSend("cache.update.exchange", "cache.update", message);
}
@RabbitListener(queues = "cache.update.queue")
public void handleCacheUpdate(CacheUpdateMessage message) {
try {
if ("USER_UPDATE".equals(message.getType())) {
// 删除缓存，下次访问时重新加载
redisTemplate.delete(message.getKey());
System.out.println("处理缓存更新消息：" + message.getKey());
}
} catch (Exception e) {
System.err.println("处理缓存更新失败：" + e.getMessage());
}
}
public static class CacheUpdateMessage {
private String type;
private String key;
private Long userId;
// getter和setter方法...
}
}
方案3：分布式锁保证一致性
java
复制代码
@Service
public class UserServiceWithDistributedLock {
private RedisTemplate
private UserRepository userRepository;
private RedissonClient redissonClient;
@Transactional
public void updateUser(User user) {
String lockKey = "lock:user:" + user.getId();
RLock lock = redissonClient.getLock(lockKey);
try {
// 获取分布式锁
if (lock.tryLock(10, TimeUnit.SECONDS)) {
// 1. 更新数据库
userRepository.save(user);
// 2. 删除缓存
String cacheKey = "user:" + user.getId();
redisTemplate.delete(cacheKey);
} else {
throw new RuntimeException("获取锁失败");
}
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
} finally {
if (lock.isHeldByCurrentThread()) {
lock.unlock();
}
}
}
}
5.4 缓存更新最佳实践
实践1：批量更新优化
java
复制代码
@Service
public class BatchUpdateService {
private RedisTemplate
private UserRepository userRepository;
/**
* 批量更新用户数据
*/
@Transactional
public void batchUpdateUsers(List
if (users == null || users.isEmpty()) {
return;
}
// 1. 批量更新数据库
userRepository.saveAll(users);
// 2. 批量删除缓存
List
.map(user -> "user:" + user.getId())
.collect(Collectors.toList());
redisTemplate.delete(cacheKeys);
System.out.println("批量更新完成，影响用户数：" + users.size());
}
/**
* 批量预热缓存
*/
public void batchWarmUpUsers(List
List
// 使用Pipeline批量写入Redis
redisTemplate.executePipelined((RedisCallback
for (User user : users) {
String key = "user:" + user.getId();
byte[] keyBytes = key.getBytes();
byte[] valueBytes = serializeUser(user);
connection.setEx(keyBytes, 1800, valueBytes); // 30分钟过期
}
return null;
});
System.out.println("批量预热完成，预热用户数：" + users.size());
}
private byte[] serializeUser(User user) {
// 序列化用户对象
try {
ObjectMapper mapper = new ObjectMapper();
return mapper.writeValueAsBytes(user);
} catch (Exception e) {
throw new RuntimeException("序列化失败", e);
}
}
}
6. 缓存降级 (Cache Degradation)
6.1 什么是缓存降级
缓存降级是指当缓存系统出现故障或性能问题时，系统自动切换到备用方案，确保系统的可用性。这是一种保障系统稳定性的重要机制。
6.2 缓存降级的场景
缓存服务器宕机：Redis服务器不可用
缓存响应超时：网络延迟或服务器负载过高
缓存连接池耗尽：并发请求过多
缓存数据异常：数据损坏或格式错误
6.3 缓存降级策略
策略1：本地缓存降级
java
复制代码
@Service
public class UserServiceWithLocalFallback {
private RedisTemplate
private UserRepository userRepository;
private Cache
private CircuitBreaker circuitBreaker;
public UserServiceWithLocalFallback() {
// 初始化本地缓存
this.localCache = Caffeine.newBuilder()
.maximumSize(1000)
.expireAfterWrite(10, TimeUnit.MINUTES)
.build();
// 初始化熔断器
this.circuitBreaker = CircuitBreaker.ofDefaults("redis");
}
public User getUserById(Long userId) {
String key = "user:" + userId;
// 1. 尝试从Redis获取数据
User user = circuitBreaker.executeSupplier(() -> {
return (User) redisTemplate.opsForValue().get(key);
});
if (user != null) {
// 更新本地缓存
localCache.put(key, user);
return user;
}
// 2. Redis失败，尝试本地缓存
user = localCache.getIfPresent(key);
if (user != null) {
System.out.println("使用本地缓存降级：" + key);
return user;
}
// 3. 本地缓存也没有，查询数据库
user = userRepository.findById(userId);
if (user != null) {
// 同时更新本地缓存和Redis（如果可用）
localCache.put(key, user);
try {
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
} catch (Exception e) {
System.out.println("Redis写入失败，仅使用本地缓存");
}
}
return user;
}
}
策略2：多级缓存降级
java
复制代码
@Service
public class MultiLevelCacheService {
private RedisTemplate
private UserRepository userRepository;
private Cache
private Cache
public MultiLevelCacheService() {
// L1缓存：小容量，短过期时间
this.l1Cache = Caffeine.newBuilder()
.maximumSize(500)
.expireAfterWrite(5, TimeUnit.MINUTES)
.build();
// L2缓存：大容量，长过期时间
this.l2Cache = Caffeine.newBuilder()
.maximumSize(2000)
.expireAfterWrite(30, TimeUnit.MINUTES)
.build();
}
public User getUserById(Long userId) {
String key = "user:" + userId;
// 1. 查询L1缓存
User user = l1Cache.getIfPresent(key);
if (user != null) {
return user;
}
// 2. 查询Redis
try {
user = (User) redisTemplate.opsForValue().get(key);
if (user != null) {
l1Cache.put(key, user);
l2Cache.put(key, user);
return user;
}
} catch (Exception e) {
System.out.println("Redis查询失败，尝试L2缓存");
}
// 3. 查询L2缓存
user = l2Cache.getIfPresent(key);
if (user != null) {
l1Cache.put(key, user);
System.out.println("使用L2缓存降级：" + key);
return user;
}
// 4. 查询数据库
user = userRepository.findById(userId);
if (user != null) {
l1Cache.put(key, user);
l2Cache.put(key, user);
// 尝试写入Redis
try {
redisTemplate.opsForValue().set(key, user, Duration.ofMinutes(30));
} catch (Exception e) {
System.out.println("Redis写入失败，仅使用本地缓存");
}
}
return user;
}
}
策略3：静态数据降级
java
复制代码
@Service
public class UserServiceWithStaticFallback {
private RedisTemplate
private UserRepository userRepository;
private Map
@PostConstruct
public void initStaticCache() {
// 初始化静态数据缓存（VIP用户、管理员等重要用户）
List
staticUserCache = vipUsers.stream()
.collect(Collectors.toMap(User::getId, Function.identity()));
System.out.println("静态缓存初始化完成，VIP用户数：" + vipUsers.size());
}
public User getUserById(Long userId) {
String key = "user:" + userId;
try {
// 1. 尝试Redis
User user = (User) redisTemplate.opsForValue().get(key);
if (user != null) {
return user;
}
} catch (Exception e) {
System.out.println("Redis不可用，尝试降级方案");
}
// 2. 检查静态缓存（重要用户）
User staticUser = staticUserCache.get(userId);
if (staticUser != null) {
System.out.println("使用静态缓存降级：" + userId);
return staticUser;
}
// 3. 查询数据库
return userRepository.findById(userId);
}
/**
* 定期更新静态缓存
*/
@Scheduled(fixedRate = 3600000) // 每小时更新
public void refreshStaticCache() {
try {
List
Map
.collect(Collectors.toMap(User::getId, Function.identity()));
this.staticUserCache = newCache;
System.out.println("静态缓存刷新完成");
} catch (Exception e) {
System.err.println("静态缓存刷新失败：" + e.getMessage());
}
}
}
策略4：限流降级
java
复制代码
@Service
public class UserServiceWithRateLimit {
private RedisTemplate
private UserRepository userRepository;
private RateLimiter rateLimiter;
private AtomicBoolean degraded = new AtomicBoolean(false);
public UserServiceWithRateLimit() {
// 限流器：每秒允许100个Redis请求
this.rateLimiter = RateLimiter.create(100);
}
public User getUserById(Long userId) {
String key = "user:" + userId;
// 检查是否需要降级
if (!degraded.get() && rateLimiter.tryAcquire()) {
try {
User user = (User) redisTemplate.opsForValue().get(key);
if (user != null) {
return user;
}
} catch (Exception e) {
System.out.println("Redis异常，启用降级模式");
degraded.set(true);
// 10秒后尝试恢复
scheduleRecovery();
}
}
// 降级：直接查询数据库
if (degraded.get()) {
System.out.println("降级模式：直接查询数据库");
} else {
System.out.println("限流降级：跳过缓存查询");
}
return userRepository.findById(userId);
}
private void scheduleRecovery() {
CompletableFuture.delayedExecutor(10, TimeUnit.SECONDS)
.execute(() -> {
try {
// 测试Redis连接
redisTemplate.opsForValue().get("test:connection");
degraded.set(false);
System.out.println("Redis恢复正常，退出降级模式");
} catch (Exception e) {
System.out.println("Redis仍不可用，继续降级模式");
}
});
}
}
6.4 降级监控和告警
监控组件
java
复制代码
@Component
public class CacheMonitor {
private RedisTemplate
private MeterRegistry meterRegistry;
private Counter cacheHitCounter;
private Counter cacheMissCounter;
private Counter degradationCounter;
public CacheMonitor(MeterRegistry meterRegistry) {
this.meterRegistry = meterRegistry;
this.cacheHitCounter = Counter.builder("cache.hit")
.description("Cache hit count")
.register(meterRegistry);
this.cacheMissCounter = Counter.builder("cache.miss")
.description("Cache miss count")
.register(meterRegistry);
this.degradationCounter = Counter.builder("cache.degradation")
.description("Cache degradation count")
.register(meterRegistry);
}
public void recordCacheHit() {
cacheHitCounter.increment();
}
public void recordCacheMiss() {
cacheMissCounter.increment();
}
public void recordDegradation(String reason) {
degradationCounter.increment(Tags.of("reason", reason));
}
/**
* 健康检查
*/
@Scheduled(fixedRate = 30000) // 每30秒检查
public void healthCheck() {
try {
redisTemplate.opsForValue().get("health:check");
System.out.println("Redis健康检查：正常");
} catch (Exception e) {
System.err.println("Redis健康检查：异常 - " + e.getMessage());
recordDegradation("health_check_failed");
}
}
/**
* 获取缓存统计信息
*/
public Map
Map
stats.put("hitCount", cacheHitCounter.count());
stats.put("missCount", cacheMissCounter.count());
stats.put("degradationCount", degradationCounter.count());
double hitRate = 0.0;
double totalRequests = cacheHitCounter.count() + cacheMissCounter.count();
if (totalRequests > 0) {
hitRate = cacheHitCounter.count() / totalRequests;
}
stats.put("hitRate", hitRate);
return stats;
}
}
6.5 降级策略配置化
java
复制代码
@ConfigurationProperties(prefix = "cache.degradation")
@Component
public class CacheDegradationConfig {
private boolean enabled = true;
private int timeoutMs = 1000;
private int maxRetries = 3;
private boolean useLocalCache = true;
private boolean useStaticCache = true;
private int recoveryDelaySeconds = 10;
// getter和setter方法...
}
@Service
public class ConfigurableCacheService {
private RedisTemplate
private UserRepository userRepository;
private CacheDegradationConfig config;
private Cache
public User getUserById(Long userId) {
String key = "user:" + userId;
if (config.isEnabled()) {
try {
// 设置超时时间
User user = getFromRedisWithTimeout(key, config.getTimeoutMs());
if (user != null) {
return user;
}
} catch (Exception e) {
return handleDegradation(userId, key, e);
}
}
// 直接查询数据库
return userRepository.findById(userId);
}
private User getFromRedisWithTimeout(String key, int timeoutMs) {
// 实现带超时的Redis查询
CompletableFuture
return (User) redisTemplate.opsForValue().get(key);
});
try {
return future.get(timeoutMs, TimeUnit.MILLISECONDS);
} catch (TimeoutException e) {
throw new RuntimeException("Redis查询超时", e);
} catch (Exception e) {
throw new RuntimeException("Redis查询失败", e);
}
}
private User handleDegradation(Long userId, String key, Exception e) {
System.out.println("Redis异常，启用降级策略：" + e.getMessage());
// 尝试本地缓存
if (config.isUseLocalCache()) {
User user = localCache.getIfPresent(key);
if (user != null) {
System.out.println("使用本地缓存降级");
return user;
}
}
// 查询数据库
return userRepository.findById(userId);
}
}
7. 缓存最佳实践总结
7.1 设计原则
缓存穿透防护：使用布隆过滤器和空值缓存
缓存雪崩防护：设置随机过期时间和多级缓存
数据一致性：选择合适的缓存更新策略
降级保护：设计多层降级方案
监控告警：实时监控缓存状态
7.2 性能优化
使用批量操作减少网络开销
合理设置连接池大小
选择合适的序列化方式
控制缓存key的大小和数量
7.3 运维建议
定期备份重要缓存数据
监控缓存命中率和响应时间
设置合理的内存使用限制
建立缓存故障处理流程
通过学习这个详细的缓存教程，你应该能够：
理解各种缓存问题的原因和影响
掌握多种解决方案的实现方法
根据业务场景选择合适的缓存策略
设计可靠的缓存降级机制
建立完善的缓存监控体系
记住，缓存是一把双刃剑，正确使用能大幅提升系统性能，但处理不当也可能带来数据一致性问题。在实际应用中，需要根据具体的业务场景和技术要求，选择最适合的缓存策略。