java后端&redis缓存&缓存预热

本文介绍: NoSQL（非关系型数据库）key–value 键值对存储系统（区别于mysql的键值对数据库）

java后端&redis 缓存&缓存预热

缓存 概述

缓存：从数据库（磁盘）中取数据到前端展示，速度很慢。为了提高速度可以使用缓存，即把数据预先查出来，放到一个更快读取的介质，比如内存，不用在从数据库很慢的查。
预加载缓存：定时更新缓存，为了不让第一次使用次此系统时数据加载很慢，可以在选一个用户访问较少的时间，定时加载缓存。
分布式锁：控制同一时间只用一台机器去执行定时任务，同一份代码不用在多个机器加载缓存。
缓存的实现
- Redi s(分布式缓存)
- Mem cache d（分布式缓存）
- Et cd(云原生架构的分布式存储，公共的存储配置，扩容能力强)
- e h ca ch e（单机）
- 本地缓存（java 内存Map）
- Caf fe in e（java内存缓存性能高）
- Go o gl e Guav a

单机缓存和分布式缓存

单机本地缓存：在同一个进程内的内存空间中缓存数据，数据读写都是在同一个进程内完成；
分布式缓存：一个独立部署的进程并且一般都是与应用进程部署在不同的机器，故需要通过网络来完成分布式缓存的数据读写操作的数据传输。

Redi s

Redi s 定义：

NoSQL（非关系型数据库）
key–value 键值对存储系统（区别于mysql的键值对数据库）

☆Re di s的数据结构(5种基本＋高级)

基本
1. St r in g 字符串：name:“e r ha”
2. List 列表 : names:[“e r ha”,“e r h a02”]（和数组的区别：列表的长度是不固定的，数组长度固定的）
3. Set 集合：names: [“er ha”,“er ha02”] (值不能重复)
4. Hash 哈希：nameAge:{“er ha”:1,“hae r02”:2}（键不能重复）
5. Zset 集合：names:{erha-99,erha02-100}(值从小到大排序)
高级
1. bloom filter（布隆过滤器，从大量的数据种快速过滤值，比如邮箱黑名单）
2. geo（计算地理位置）
3. hyperloglog（pv/uv）大数据统计
4. pub/su b(发布订阅，类似消息队列)
5. Bi tMap(把数据以10001110001的方式存储，存储大量可以压缩的值)

Redis在java中的实现方式（Spr ing Data Redis ， Lettuce，Jedis 和Redi ss on）

不同的场景使用不同的实现方式，
1. 如果用spring框架，并且没有过多的定制化要求，可以使用spring Data Redis，最方便
2. 如果使用的不是Spring，并且追求简单，没有过高的性能要求，可以用jedis + jedis Pool
3. 如果不是spring，并且追求高性能高定制化可以使用Lettuce，支持异步，连接池
4. 如果项目是分布式的，需要用到一些分布式的特征（比如分布式锁，分布式集合），可以使用redisson

使用Spring Data Redis 实现

spring Data：通用的数据访问框架，定义了一组增删改查的接口，操做mysql，redis，jpa等数据库，通过应入不同的数据库依赖实现对不同数据库的操作。

引入Redis依赖

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
    <version>2.6.4</version>
</dependency>

配置Redis地址

  # Redis 配置
  redis:
    port: 6379
    host: localhost
    database: 0

Redis增删改查示例【如何使用Redis依赖中的增删改查接口，使用 redis提供的，操作 redis的类和对象】

//操作redis的类
@SpringBootTest
public class RedisTest {

    //操作redis的对象
    @Resource
    private RedisTemplate redisTemplate;

    @Test
    void test(){
            ValueOperations valueOperations = redisTemplate.opsForValue();
	        //增
	        valueOperations.set("erhaString","fish");
	        valueOperations.set("erhaInt",1);
	        valueOperations.set("erhaDouble",2.0);
	        User user = new User();
	        user.setId(001);
	        user.setUsername("testRedisString");
	        valueOperations.set("erhaUser",user);
	        //查
	        Object erha = valueOperations.get("erhaString");
	        Assert.assertTrue("fish".equals((String) erha));
	        erha = valueOperations.get("erhaInt");
	        Assert.assertTrue(1== (int)erha);
	        erha = valueOperations.get("erhaDouble");
	        Assert.assertTrue(2.0 == (Double) erha);
	        erha = valueOperations.get("erhaUser");
	        System.out.println(valueOperations.get("erhaUser"));
		    }			
	}

注：为了解决序列化问题，自编代码实现序列化配置

@Configuration
public class RedisTemplateConfig {

    @Bean
    public RedisTemplate<String,Object> redisTemplate(RedisConnectionFactory connectionFactory){
        RedisTemplate<String,Object> redisTemplate = new RedisTemplate<>();
        redisTemplate.setConnectionFactory(connectionFactory);
        redisTemplate.setKeySerializer(new StringRedisSerializer());
        return redisTemplate;
    }
}

在项目首页推荐出提取缓存

设计缓存key，不同用户看到的数据不同。systemId:moduleId:func:options（不和别人冲突）
lack:user:recom med:userId

用缓存实现主页推荐

/**
 * 首页推荐接口(分页查询)
 * @param request
 * @return
 */
@GetMapping("/recommend")
public BaseResponse<Page<User>> recommendUsers(long pageSize,long pageNum,HttpServletRequest request) {
    //先获取当前登录对象
    User loginUser = userService.getLoginUser(request);
    ValueOperations<String, Object> valueOperations = redisTemplate.opsForValue();
    //判断有无缓存，有直接读缓存
    String redisKey = String.format("lack:user:recommed:userId:%s",loginUser.getId());
    Page<User> userPage =(Page<User>)redisTemplate.opsForValue().get(redisKey);
    if(userPage != null){
        return ResultUtils.success(userPage);
    }
    //无缓存查数据库
    QueryWrapper<User> queryWrapper = new QueryWrapper<>();
    userPage = userService.page(new Page<>(pageNum,pageSize),queryWrapper);
    //写缓存
    try {
    	//redis的内存不能无限增加，一定要设置过期时间
        valueOperations.set(redisKey,userPage,30000, TimeUnit.MILLISECONDS);
    } catch (Exception e) {
        log.error("redis set key error",e);
    }
    return ResultUtils.success(userPage);
}

优化=>缓存预热
1. 缓存预热解决的问题：
  - 让第一个触发缓存的用户也能很快获取到推荐用户【提前把第一个用户需要的数据准备好，当用户一登录立即显示即可】
  - 例如双十一这样可预期的场景，使用缓存预热降低数据库的压力，保护数据库。
2. 缓存预热的优缺点：
  - 优点：让用户始终访问很快
  - 缺点：增加开发成本（额外开发）；占用空间；如果预热时机和时间错了，有可能缓存的数据不正确。
3. 缓存预热的意义：
  - 提高用户的访问速度
  - 保护数据库
4. 缓存预热的注意点：
  - 缓存空间不能太大，要预留给其他缓存空间
  - 缓存数据的周期（每天一次）
5. 实现缓存预热
  - 手动模拟触发
  - 定时触发（定时任务实现，每天刷新所有用户的推荐列表）
    1. ☆Spring Schedule（spring boot 默认整合）
      1. 主类开启@EnableScheduling
      2. 给要定时执行的方法添加@Scheduled 注解，编写方法
        /** * 缓存预热任务 * */ @Slf4j @Component public class PreCacheJob { @Resource private UserService userService; @Resource private RedisTemplate<String, Object> redisTemplate; //重点用户 private List<Long> mainUserList = Arrays.asList(2l); //每天执行，预热推荐用户 @Scheduled(cron = "0 31 19 * * ? ") public void doCacheRecommendUser() { for (Long userId : mainUserList) { QueryWrapper<User> queryWrapper = new QueryWrapper<>(); Page<User> userPage = userService.page(new Page<>(1, 20), queryWrapper); String redisKey = String.format("yupao:user:recommend:%s", userId); ValueOperations<String, Object> valueOperations = redisTemplate.opsForValue(); //写缓存 try { valueOperations.set(redisKey, userPage, 30000, TimeUnit.MILLISECONDS); } catch (Exception e) { log.error("redis set key error", e); } } } }
    2. Quartz（独立于spring存在的定时任务框架）
    3. XXL-job分布式任务调度平台（界面+sdk）