瑞_Redis_商户查询缓存

文章目录

    • 项目介绍
    • 1 短信登录
    • 2 商户查询缓存
      • 2.1 什么是缓存
        • 2.1.1 缓存的应用场景
        • 2.1.2 为什么要使用缓存
        • 2.1.3 Web应用中缓存的作用
        • 2.1.4 Web应用中缓存的成本
      • 2.2 添加Redis缓存
        • 2.2.1 背景
        • 2.2.2 缓存模型和思路
        • 2.2.3 代码实现
        • 2.2.4 测试
        • 附:IDEA控制台输出自动换行设置
      • 2.3 缓存更新策略
        • 2.3.1 常见的缓存更新三大策略
          • 2.3.1.1 内存淘汰
          • 2.3.1.2 超时剔除
          • 2.3.1.3 主动更新
        • 2.3.2 主动更新策略——数据库缓存不一致的解决方案
        • 2.3.3 双写方案的三个注意事项
          • 2.3.3.1 删除缓存
          • 2.3.3.2 保证缓存与数据库的操作的同时成功或失败
          • 2.3.3.3 先操作数据库再删除缓存
        • 2.3.4 缓存更新策略的最佳实践方案
        • 2.3.5 案例:添加超时剔除和主动更新策略
        • 2.3.5.1 需求
        • 2.3.5.2 代码实现
        • 2.3.5.3 测试
      • 2.4 缓存穿透
      • 2.5 缓存雪崩
      • 2.6 缓存击穿
      • 2.7 缓存工具封装

🙊 前言:本文章为瑞_系列专栏之《Redis》的实战篇的商户查询缓存章节。由于博主是从B站黑马程序员的《Redis》学习其相关知识,所以本系列专栏主要是针对该课程进行笔记总结和拓展,文中的部分原理及图解等也是来源于黑马提供的资料,特此注明。本文仅供大家交流、学习及研究使用,禁止用于商业用途,违者必究!

  • 主机操作系统:Windows10
  • VMware版本: VMware Workstation 16.2.4
  • Linux版本:CentOS 7 64位
  • 远程连接工具:MobaXterm_Personal_23.2
  • Redis版本:redis-6.2.6.tar.gz
  • Redis客户端:resp-2022.2.0.0
  • MySQL版本:8.0.29(5.7+均可)
  • Navicat Premium:15.0.28
  • JDK:1.8

相关链接:《瑞_Java所有相关环境及软件的安装和卸载_图文超详细(持续更新)》
相关链接:《瑞_Redis_短信登录》

瑞&3l

项目介绍

  本文基于B站黑马程序员的《黑马点评》项目进行学习笔记总结和拓展,项目的相关资源和课程视频可以到B站获取。
  博主提供的该项目的相关资源的某度网盘链接:https://pan.baidu.com/s/1N-yr86yTRi3LbQdAL7prEQ?pwd=q0ry

  本项目具有以下功能点,本文为《商户查询缓存》篇

在这里插入图片描述

  • 短信登录
    这一块我们会使用redis共享session来实现

  • 商户查询缓存
    通过本章节,我们会理解缓存击穿,缓存穿透,缓存雪崩等问题,让小伙伴的对于这些概念的理解不仅仅是停留在概念上,更是能在代码中看到对应的内容

  • 优惠卷秒杀
    通过本章节,我们可以学会Redis的计数器功能, 结合Lua完成高性能的redis操作,同时学会Redis分布式锁的原理,包括Redis的三种消息队列

  • 附近的商户
    我们利用Redis的GEOHash来完成对于地理坐标的操作

  • UV统计
    主要是使用Redis来完成统计功能

  • 用户签到
    使用Redis的BitMap数据统计功能

  • 好友关注
    基于Set集合的关注、取消关注,共同关注等等功能,这一块知识咱们之前就讲过,这次我们在项目中来使用一下

  • 达人探店
    基于List来完成点赞列表的操作,同时基于SortedSet来完成点赞的排行榜功能

由于该项目主要是为了学习Redis,所以不会设计为微服务架构,简化代码复杂度,所以采用前后端分离的单体架构

说明

  手机或者app端发起请求,请求我们的nginx服务器,nginx基于七层模型走的事HTTP协议,可以实现基于Lua直接绕开tomcat访问redis,也可以作为静态资源服务器,轻松扛下上万并发, 负载均衡到下游tomcat服务器,打散流量,我们都知道一台4核8G的tomcat,在优化和处理简单业务的加持下,大不了就处理1000左右的并发, 经过nginx的负载均衡分流后,利用集群支撑起整个项目,同时nginx在部署了前端项目后,更是可以做到动静分离,进一步降低tomcat服务的压力,这些功能都得靠nginx起作用,所以nginx是整个项目中重要的一环。

  在 tomcat 支撑起并发流量后,我们如果让 tomcat 直接去访问 Mysql ,根据经验 Mysql 企业级服务器只要上点并发,一般是16或32 核心cpu,32 或64G内存,像企业级mysql加上固态硬盘能够支撑的并发,大概就是4000起~7000左右,上万并发, 瞬间就会让Mysql服务器的cpu,硬盘全部打满,容易崩溃,所以我们在高并发场景下,会选择使用mysql集群,同时为了进一步降低Mysql的压力,同时增加访问的性能,我们也会加入Redis,同时使用Redis集群使得Redis对外提供更好的服务。

在这里插入图片描述

1 短信登录

瑞:见《瑞_Redis_短信登录》




2 商户查询缓存

  本章节基于hm-dianping【1.3Redis代替session的业务流程】的代码,需要请自取

链接:https://pan.baidu.com/s/1DomlH_sXyAkrciXk8-bWww?pwd=z6lu 
提取码:z6lu

2.1 什么是缓存

缓存就是数据交换的缓冲区(称作Cache [ kæʃ ] ),是存贮数据的临时地方,一般读写性能较高

2.1.1 缓存的应用场景

  缓存的应用场景:浏览器缓存、应用层缓存(如Redis)、数据库缓存(如:索引)、CPU多级缓存、磁盘缓存

  • 浏览器缓存:主要是存在于浏览器端的缓存

  • 应用层缓存:可以分为tomcat本地缓存,比如之前提到的map,或者是使用redis作为缓存

  • 数据库缓存:在数据库中有一片空间是 buffer pool,增改查数据都会先加载到mysql的缓存中

  • CPU缓存:当代计算机最大的问题是 cpu性能提升了,但内存读写速度没有跟上,所以为了适应当下的情况,增加了cpu的L1,L2,L3级的缓存

在这里插入图片描述

  CPU多级缓存的诞生:在计算机中,主要的构造为CPU、内存、磁盘。由于CPU的运算能力随着科技的发展,其计算能力已经远远的超过内存和磁盘的读写数据的能力,但是CPU所做的任何运算都需要从内存或者磁盘中读到数据,再放到自己的寄存器里,才可以进行运算。正是由于这种数据读写的能力远远低于CPU的运算能力,导致计算机性能受到瓶颈。所以人们在CPU的内部添加了缓存,即CPU会把经常需要读写的数据放入CPU缓存中,当进行高速运算的时候,就不需要每次都去内存或磁盘中读取数据再运算,而是直接从缓存中获取数据直接运算,这样就可以充分释放CPU的运算能力。

  缓存的常见使用示例

1:Static final ConcurrentHashMap<K,V> map = new ConcurrentHashMap<>(); 本地用于高并发

例2:static final Cache<K,V> USER_CACHE = CacheBuilder.newBuilder().build(); 用于redis等缓存

例3:Static final Map<K,V> map =  new HashMap(); 本地缓存

由于其被Static修饰,所以随着类的加载而被加载到内存之中,作为本地缓存,由于其又被 final 修饰,所以其引用 (例3:map) 和对象 (例3:new HashMap()) 之间的关系是固定的,不能改变,因此不用担心赋值(=)导致缓存失效。

2.1.2 为什么要使用缓存

一句话:因为速度快,好用

  缓存数据存储于代码中,而代码运行在内存中,内存的读写性能远高于磁盘,缓存可以大大降低用户访问并发量带来的服务器读写压力

  实际开发过程中,企业的数据量,少则几十万,多则几千万,这么大的数据量,如果没有缓存来作为"避震器",系统是几乎是撑不住的,所以企业会大量运用到缓存技术。

2.1.3 Web应用中缓存的作用

缓存的作用

  1️⃣ 降低后端负载:请求先进入缓存中查找数据,若缓存中不存在再将请求向数据库发送,大大降低后端数据库压力。

  2️⃣ 提高读写效率,降低响应时间

2.1.4 Web应用中缓存的成本

缓存的成本

  1️⃣ 数据一致性成本:数据本身只保存在数据库,现在将数据缓存了一份放到了内存中(如Redis),如果数据库中的数据发生了变化而缓存中的数据仍然是旧数据,由于请求先进入缓存中查找数据,就会造成数据的不一致性。

  2️⃣ 代码维护成本:由于要保证数据一致性,自然会增加业务编码,且会出现缓存穿透、雪崩、击穿等问题,会大幅度提高代码复杂度。

  3️⃣ 运维成本:为了避免缓存雪崩或缓存的高可用,需要搭建成缓存集群模式,提高了运维成本。

2.2 添加Redis缓存

2.2.1 背景

  给访问MySQL数据库的接口添加缓存,提高查询性能。

  在我们查询商户信息时,资料中ShopController类的 queryShopById 方法,是调用 MyBatisPlus 的 getById 方法,从对应数据表通过主键 id 查询数据的方法。由于该方法是直接操作从数据库中去进行查询的,现在我们对其增加一层缓存,提高该接口的查询效率。

    /**
     * 根据id查询商铺信息
     * @param id 商铺id
     * @return 商铺详情数据
     */
    @GetMapping("/{id}")
    public Result queryShopById(@PathVariable("id") Long id) {
        return Result.ok(shopService.getById(id)); // 目前是直接查询数据库
    }
2.2.2 缓存模型和思路

瑞:遇事不决,加一层

  未添加缓存前的逻辑:客户端向服务器发起的请求,会直接发送到数据库,通过数据库查询后,将结果返回给客户端,如下图

在这里插入图片描述

  添加缓存就相当于,在客户端和数据库之间添加了中间层(如Redis缓存),这样客户端的请求就有限到达缓存(Redis),如果Redis中有该查询结果,则直接返回,就不会到达数据库,这样数据库压力就大幅度减轻了。若Redis中无该查询结果(未命中),再将该请求发送至数据库,数据库将查询结果返回给客户端并写入缓存中

在这里插入图片描述

  相对应的业务流程也要修改,如下图

在这里插入图片描述

2.2.3 代码实现

  主要是改进ShopController类的 queryShopById 方法,当前代码如下:

    /**
     * 根据id查询商铺信息
     * @param id 商铺id
     * @return 商铺详情数据
     */
    @GetMapping("/{id}")
    public Result queryShopById(@PathVariable("id") Long id) {
        return Result.ok(shopService.getById(id));
    }

  1️⃣ 将ShopController类的 queryShopById 方法的业务搬至 Service 层中的自定义 queryByI d方法

    @GetMapping("/{id}")
    public Result queryShopById(@PathVariable("id") Long id) {
        return shopService.queryById(id);
    }

  2️⃣ IShopService 接口创建 queryById 方法

public interface IShopService extends IService<Shop> {

    Result queryById(Long id);
}

  3️⃣ 在ShopServiceImpl实现类中实现 queryById 方法

   queryById 实现思路:如果缓存有,则直接返回,如果缓存不存在,则查询数据库,然后存入redis

  3️⃣➖1️⃣ 先注入StringRedisTemplate

    @Resource
    private StringRedisTemplate stringRedisTemplate;

  3️⃣➖2️⃣ RedisConstants中加入常量

    public static final String CACHE_SHOP_KEY = "cache:shop:";

  3️⃣➖3️⃣ 实现 queryById


import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONUtil;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.hmdp.mapper.ShopMapper;
import com.hmdp.service.IShopService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisConstants;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

import javax.annotation.Resource;

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryById(Long id) {
        String key = RedisConstants.CACHE_SHOP_KEY + id;
        // 1.从Redis查询商铺缓存
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isNotBlank(shopJson)){
            // 3.存在,直接返回
            Shop shop = JSONUtil.toBean(shopJson,Shop.class);
            return Result.ok(shop);
        }
        // 4.不存在,根据id查询数据库
        Shop shop = getById(id);
        // 5.不存在,返回错误
        if (shop == null){
            return Result.fail("商铺不存在!");
        }
        // 6.存在,写入Redis
        stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop));
        // 7.返回
        return Result.ok(shop);
    }
}
2.2.4 测试

  1️⃣ 重启后端服务,登录账户,进入首页,点击美食,选择103茶餐厅,查看请求状态

在这里插入图片描述

  2️⃣ 打开Redis客户端查看数据是否存入缓存中

在这里插入图片描述

  3️⃣ 清空后端控制台,重新刷新该页面发送请求,检测该请求是否不再访问数据库(没有输出商品查询SQL日志)

在这里插入图片描述

瑞:控制台此时只输出 VoucherMapper.queryVoucherOfShop查询优惠券的SQL日志,而没有输出ShopMapper.selectById的SQL日志,证明该请求已被缓存拦截

附:IDEA控制台输出自动换行设置

File ➡️Settings… ➡️ Editor ➡️ General ➡️ Console ➡️ Use soft wraps in console ➡️ 勾选 ➡️ Apply

在这里插入图片描述

2.3 缓存更新策略

瑞:缓存是一个双刃剑,带来好处的同时也导致了数据一致性等问题,缓存的更新策略就是为了解决这个问题

  由于我们的缓存的数据源来自于数据库,而数据库的数据是会发生变化的,因此,如果当数据库中数据发生变化,而缓存却没有同步,此时就会有一致性问题存在

2.3.1 常见的缓存更新三大策略

  缓存更新是redis为了节约内存而设计出来的一个东西,主要是因为内存数据宝贵,当我们向redis插入太多数据,此时就可能会导致缓存中的数据过多,所以redis会对部分数据进行更新,或者把他叫为淘汰更合适。

  常见的缓存更新策略见下表⬇️

内存淘汰超时剔除主动更新
说明不用自己维护,利用Redis的内存淘汰机制,当内存不足时自动淘汰部分数据。下次查询时更新缓存给缓存数据添加TTL时间,到期后自动删除缓存。下次查询时更新缓存编写业务逻辑,在修改数据库的同时,更新缓存
一致性一般
维护成本

业务场景

  • 低一致性需求:使用内存淘汰机制、超时剔除。例如店铺类型的查询缓存。
  • 高一致性需求:主动更新,并以超时剔除作为兜底方案,两者结合。例如店铺详情查询的缓存。
2.3.1.1 内存淘汰

  内存淘汰:redis自动进行,当redis内存达到咱们设定的max-memery的时候,会自动触发淘汰机制,淘汰掉一些不重要的数据(可以自己设置策略方式)

2.3.1.2 超时剔除

  超时剔除:当我们给redis设置了过期时间ttl之后,redis会将超时的数据进行删除,方便咱们继续使用缓存

2.3.1.3 主动更新

  主动更新:我们可以手动调用方法把缓存删掉,通常用于解决缓存和数据库不一致问题

2.3.2 主动更新策略——数据库缓存不一致的解决方案

  主动更新策略的三种模式

  1️⃣ Cache Aside Pattern 人工编码方式:缓存调用者在更新完数据库后再去更新缓存,也称之为双写方案

瑞:该模式在大多数场景中被采用,所以可以认为:数据库和缓存不一致采用的是双写方案。但双写方案需要注意下一节提到的三个问题。

  2️⃣ Read/Write Through Pattern : 缓存与数据库整合为一个服务,由服务来维护一致性。调用者调用该服务,无需关心缓存一致性问题。由系统本身完成,数据库与缓存的问题交由系统本身去处理

瑞:该模式开发成本高

  3️⃣ Write Behind Caching Pattern 写回:调用者只操作缓存,其他线程去异步处理数据库,实现最终一致

瑞:该模式的好处在于,频繁的读写操作在缓存中进行,将多次的读写转化为1次,有效降低了数据库压力,相当于数据库的缓冲区。但问题比较多:该异步任务的开发困难;以及数据一致性难以保证,任务间隔中缓存和数据库的数据不一致;并且可靠性也存在问题,如果任务期间缓存服务器宕机,则可能会导致数据丢失

2.3.3 双写方案的三个注意事项

  综合考虑使用方案1️⃣Cache Aside Pattern,但是方案1️⃣的调用者需要思考操作缓存和数据库的以下三个问题

2.3.3.1 删除缓存
  • 1️⃣ 删除缓存还是更新缓存?
    • ❌ 更新缓存:每次更新数据库都更新缓存,无效写操作较多 ❌
    • 删除缓存:更新数据库时让缓存失效,查询时再更新缓存

如果采用第一个方案,那么假设我们每次操作数据库后,都操作缓存,但是中间如果没有人查询(写多读少),那么这个更新动作实际上只有最后一次生效,中间的更新动作意义并不大,所以我们可以把缓存删除,等待再次查询时,将缓存中的数据加载出来

2.3.3.2 保证缓存与数据库的操作的同时成功或失败
  • 2️⃣ 如何保证缓存与数据库的操作的同时成功或失败?
    • 单体系统,将缓存与数据库操作放在一个事务 ✅
    • 分布式系统,利用TCC等分布式事务方案 ✅

瑞:分布式系统中也可以使用消息队列等方案处理

2.3.3.3 先操作数据库再删除缓存
  • 3️⃣ 先操作缓存还是先操作数据库?
    • ❌ 先删除缓存,再操作数据库 ❌
    • 先操作数据库,再删除缓存

瑞:为尽量保证数据一致性,我们应当先操作数据库,再删除缓存。虽然两种方案都有可能会造成数据不一致性的问题,但方案二发生的概率远远小于方案一,且方案二的数据不一致问题容易得到解决。

  下图为:先删除缓存,再操作数据库的正常情况

在这里插入图片描述

  先删除缓存,再操作数据库。在正常情况下好像没问题,但在多线程环境下不安全,由于删缓存、查缓存、查数据库的操作较快(相对),而更新数据库即写操作较慢(相对),所以很容易在过程中被其它线程重新写入缓存,造成数据不一致的问题

  下图为:先删除缓存,再操作数据库的异常情况

在这里插入图片描述

假设此时数据库是存储10,需要更新为20,在两个线程并发来访问时,线程1先来,线程1会先把缓存删了,此时线程2过来,他查询缓存数据并不存在(因为线程1并未更新数据库的值,线程1此刻只删除了缓存值10),由于线程2未命中,则会查询数据库(旧值10),此时他写入缓存(旧值10),当线程2写入缓存后,线程1再执行更新动作,把数据库的值改为了20,导致此时数据库的值为20,而缓存的值为10,数据不一致❗️ ❗️ ❗️


  下图为:先操作数据库,再删除缓存的正常情况

在这里插入图片描述

  先操作数据库,再删除缓存。在正常情况下也没问题,但在多线程环境下仍然可能不安全,但相对情况一要好很多。因为:首先线程1来时恰好缓存失效的概率低、其次在线程1查询缓存恰好失效的情况下,线程1查询到数据库的值之后,在更新缓存这微妙级别的时间范围内,突然来一个线程2,先更新数据库(较慢)然后线程2删除缓存,这么多操作要在微妙的时间内完成,才会造成数据不一致的问题,同时满足这三个巧合的概率相对低。且如果发生这种情况,只要加上超时时间即可有效解决

  下图为:先操作数据库,再删除缓存的异常情况

在这里插入图片描述

假设此时数据库是10,由于某些原因,恰好缓存失效,线程1来查,则一定未命中,需要查询数据库,得到10,由于线程1未命中,要把10写入缓存,此时,线程2来更新数据库(将数据库修改为20),线程2在更新完数据库后再删除缓存,但此时缓存中其实已经失效,所以删除操作等于没删,然后线程1(得到的数据库是旧值10)将10写入数据库,导致了数据不一致❗️但这种概率极低,且如果万一发生了,只要加上超时时间,由于数据库的数据是正确的,过一段时间缓存便会同步,容易解决

2.3.4 缓存更新策略的最佳实践方案

  1️⃣ 低一致性需求:使用Redis自带的内存淘汰机制

  2️⃣ 高一致性需求:主动更新,并以超时剔除作为兜底方案
    2️⃣➖1️⃣ 读操作:
      2️⃣➖1️⃣➖1️⃣ 缓存命中则直接返回
      2️⃣➖1️⃣➖2️⃣ 缓存未命中则查询数据库,并写入缓存,设定超时时间
    2️⃣➖2️⃣ 写操作:
      2️⃣➖2️⃣➖1️⃣ 先写数据库,然后再删除缓存
      2️⃣➖2️⃣➖2️⃣ 要确保数据库与缓存操作的原子性

2.3.5 案例:添加超时剔除和主动更新策略

ShopController 代码回顾(点我跳转)

2.3.5.1 需求

  修改代码中的ShopController中的业务逻辑,满足下面的需求:

  1️⃣ 根据id查询店铺时,如果缓存未命中,则查询数据库,将数据库结果写入缓存,并设置超时时间(超时剔除)

  2️⃣ 根据id修改店铺时,先修改数据库,再删除缓存(主动更新)

2.3.5.2 代码实现

  1️⃣ 实现超时剔除

  1️⃣➖1️⃣ 修改ShopServiceImpl的 queryById 方法的业务逻辑,设置超时时间stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);

import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONUtil;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.hmdp.mapper.ShopMapper;
import com.hmdp.service.IShopService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisConstants;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

import javax.annotation.Resource;
import java.util.concurrent.TimeUnit;

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryById(Long id) {
        String key = RedisConstants.CACHE_SHOP_KEY + id;
        // 1.从Redis查询商铺缓存
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isNotBlank(shopJson)) {
            // 3.存在,直接返回
            Shop shop = JSONUtil.toBean(shopJson, Shop.class);
            return Result.ok(shop);
        }
        // 4.不存在,根据id查询数据库
        Shop shop = getById(id);
        // 5.不存在,返回错误
        if (shop == null) {
            return Result.fail("商铺不存在!");
        }
        // 6.存在,写入Redis,并设置超时时间(超时剔除)
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
        // 7.返回
        return Result.ok(shop);
    }
}

在这里插入图片描述

(此图为未实现超时剔除前的代码)

  2️⃣ 实现主动更新

  2️⃣➖1️⃣ 修改ShopController的 updateShop 方法的业务逻辑

    /**
     * 更新商铺信息
     * @param shop 商铺数据
     * @return 无
     */
    @PutMapping
    public Result updateShop(@RequestBody Shop shop) {
        // 写入数据库
        return shopService.update(shop);
    }

在这里插入图片描述

(此图为未实现主动更新前的代码)

  2️⃣➖2️⃣ IShopService接口中添加 update 方法

public interface IShopService extends IService<Shop> {

    Result queryById(Long id);

    Result update(Shop shop);
}

  2️⃣➖3️⃣ ShopServiceImpl实现类中实现 update 方法


    @Override
    @Transactional
    public Result update(Shop shop) {
        Long id = shop.getId();
        if (id == null) {
            return Result.fail("店铺id不能为空");
        }
        // 1.更新数据库
        updateById(shop);
        // 2.删除缓存
        stringRedisTemplate.delete(RedisConstants.CACHE_SHOP_KEY + id);
        return Result.ok();
    }

瑞:要注意事务,本例为单体项目中事务的处理,如果是分布式 \ 微服务项目,需要用消息队列通知其它服务等方式保证数据的一致性

2.3.5.3 测试

  重启后端服务

  • 测试超时剔除
      1️⃣ 删除Redis中cache:shop:1的数据,因为之前的章节中没有设置TTL,所以要将其删除
      2️⃣ 前端登录账户,进入首页,点击美食,选择103茶餐厅,查看Redis中cache:shop:1的TTL是否被设置为了1800左右(30分钟)图中显示1794是因为博主操作了6秒钟,导致过期时间不是1800

在这里插入图片描述

  • 测试主动更新
      1️⃣ 由于更新商铺信息接口 updateShop 在前端没有对普通用户直接开放,所以使用postman测试(注意请求是PUThttp://localhost:8081/shop
{
    "area": "大关",
    "openHours": "10:00-22:00",
    "sold": 4215,
    "address": "金华路锦昌文华苑29号",
    "comments": 3035,
    "avgPrice": 80,
    "socrs": 37,
    "name": "101茶餐厅",
    "typeId": 1,
    "id": 1
}

在这里插入图片描述

    2️⃣ 在使用 postman 发送PUT更新请求后,不对页面进行其它操作,直接查看Redis客户端,刷新数据库,发现cache:shop:1已被删除,说明主动更新代码执行成功

在这里插入图片描述

    3️⃣ 对前端餐厅详情页面进行刷新,即访问ShopController的 queryShopById 方法,发现前端信息更新成功,是数据库中更新的名字(103 修改为了 postman发送的请求,即改为了101),且Redis客户端中存储了cache:shop:1的数据,并且半小时后该数据会被自动删除(不对该接口进行访问的前提下),说明超时剔除和主动更新实现成功

在这里插入图片描述

2.4 缓存穿透

  尽快更新中…

2.5 缓存雪崩

  尽快更新中…

2.6 缓存击穿

  尽快更新中…

2.7 缓存工具封装

  尽快更新中…




本文是博主的粗浅理解,可能存在一些错误或不完善之处,如有遗漏或错误欢迎各位补充,谢谢

  如果觉得这篇文章对您有所帮助的话,请动动小手点波关注💗,你的点赞👍收藏⭐️转发🔗评论📝都是对博主最好的支持~


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/515668.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Railway免费部署Flowise AI工作流教程

&#x1f9d9;‍♂️ 诸位好&#xff0c;吾乃斜杠君&#xff0c;编程界之翘楚&#xff0c;代码之大师。算法如流水&#xff0c;逻辑如棋局。 &#x1f4dc; 吾之笔记&#xff0c;内含诸般技术之秘诀。吾欲以此笔记&#xff0c;传授编程之道&#xff0c;助汝解技术难题。 &#…

C++中的vector与C语言中的数组的区别

C中的vector和C语言中的数组在很多方面都有所不同&#xff0c;以下是它们之间的一些主要区别&#xff1a; 大小可变性&#xff1a; vector是C标准模板库&#xff08;STL&#xff09;提供的动态数组容器&#xff0c;它的大小可以动态增长或减少。这意味着你可以在运行时添加或删…

常见滤波算法(PythonC版本)

简介 受限于MCU自身的ADC外设缺陷&#xff0c;精度和稳定性通常较差&#xff0c;很多场景下需要用滤波算法进行补偿。滤波的主要目的是减少噪声与干扰对数据的影响&#xff0c;让数据更加接近真实值。 一阶低通滤波 一阶低通滤波是一种信号处理技术&#xff0c;用于去除信号中…

Verilog奇技淫巧(二)

1. Verilog系统函数及其作用总结 $time用来查看当前仿真时刻&#xff0c;返回一个64bit的整数来表示的当前仿真时刻&#xff1b; $ realtime和$time的作用相同&#xff0c;$realtime但是返回的时间数字是一个实型数&#xff1b; $readmemb&#xff0c;用来从文件中读取数据到…

从redux的基本概念渐进式理解redux/toolkit的用法

概念 Redux toolkit是帮助提高redux开发效率的一个库 React-redux 是将React和Redux toolkit绑定在一起的一个库 action 是一个对象,里面有一个type属性 action creator是一个函数,这个函数可以返回上面的action对象。 reducer 是一个函数,接受两个参数(initilastate, acti…

北京哪位医生治疗糖尿病比较好?

糖尿病是一种常见的慢性疾病&#xff0c;主要是由于胰岛素分泌不足或利用障碍导致的以高血糖为特征的代谢性疾病。持续的高血糖和长期的代谢紊乱可能导致全身组织器官&#xff0c;特别是眼、肾、心血管及神经系统的损害和功能障碍。 北京崇文门医院朱学敏主任在糖尿病领域有有着…

LLM端侧部署系列 | 如何将阿里千问大模型Qwen部署到手机上?实战演示(下篇)

引言 简介 编译Android可用的模型 转换权重 生成配置文件 模型编译 编译apk 修改配置文件 绑定android library 配置gradle 编译apk 手机上运行 安装 APK 植入模型 效果实测 0. 引言 清明时节雨纷纷&#xff0c;路上行人欲断魂。 小伙伴们好&#xff0c;我是《小…

Matlab有限元编程案例全家桶【源码+理论文本】

专栏导读 作者简介&#xff1a;工学博士&#xff0c;高级工程师&#xff0c;专注于工业软件算法研究本文已收录于专栏&#xff1a;《有限元编程从入门到精通》本专栏旨在提供 1.以案例的形式讲解各类有限元问题的程序实现&#xff0c;并提供所有案例完整源码&#xff1b;2.单元…

制作一个RISC-V的操作系统九-上下文切换和协作式多任务(任务 任务上下文 多任务 多任务系统分类 协作式多任务 代码实现 )

文章目录 任务任务上下文多任务多任务系统分类协作式多任务代码实现asm volatile("csrw mscratch, %0" : : "r" (x));lw和swp tp 和 zero寄存器 待实现 任务 理解为一个段要执行的指令 任务上下文 理解为执行该任务时对应的CPU的寄存器各个状态 多任务…

Java并发编程基础面试题详细总结

1. 什么是线程和进程? 1.1 何为进程? 进程是程序的一次执行过程&#xff0c;是系统运行程序的基本单位&#xff0c;因此进程是动态的。系统运行一个程序即是一个进程从创建&#xff0c;运行到消亡的过程。 在 Java 中&#xff0c;当我们启动 main 函数时其实就是启动了一个…

【重学C语言】四、运算符和表达式

【重学C语言】四、运算符和表达式 概念左值与右值运算符一元运算符二元运算符三元运算符 优先级结合性 基本运算符赋值运算符算术运算符复合赋值运算符位运算符应用条件和逻辑运算符条件运算符逻辑运算符逻辑短路逻辑与&#xff08;&&&#xff09;的短路行为逻辑或&…

git版本控制工具

一、git工具介绍 1. 版本控制的概念与分类 版本控制是一种管理文件变更的技术&#xff0c;允许开发者记录文件或一组文件随时间的变化&#xff0c;以便能够恢复到先前的状态、查看历史更改、对比不同版本之间的差异&#xff0c;以及协同工作。版本控制系统主要有两种分…

jsp中使用session实现一个简单的购物车案例

1、需求分析 相信大家都有网上购物的经历&#xff0c;当用户选定某件商品时&#xff0c;只要选择“购买”&#xff0c;便可将商品添加到购物车中&#xff0c;购物车中包含了用户所有要购买的商品。接下来&#xff0c;以购买图书为例&#xff0c;使用Session模拟实现购物车功能…

vscode开发ESP32问题记录

vscode 开发ESP32问题记录 1. 解决vscode中的波浪线警告 1. 解决vscode中的波浪线警告 参考链接&#xff1a;https://blog.csdn.net/fucingman/article/details/134404485 首先可以通过vscode 中的IDF插件生成模板工程&#xff0c;这样会自动创建.vscode文件夹中的一些json配…

illustrator编组后透明图形也能挡住后面的图形的物体

今日学习使用illustrator&#xff0c;使用3D中的突出和斜角生成了一个圆柱体之后&#xff0c;扩展图形&#xff0c;修改之后发现一个奇怪的问题&#xff0c;编组中的透明物体挡住了后面的图形&#xff08;后面的图形是有颜色的&#xff09; 后面发现&#xff0c;原来是扩展生成…

Redis 事务 与 管道

redis事务 谈到事务大家可能就会想起mysql中的事务 注意这里的事务不是指的是事务的四大特性acid 持久性 原子性 隔离性 一致性 事务的概念就是 一组命令,串行化执行而不被打断 这里redis的事务和mysql的事务就不太一样 传统关系型数据库的事务主要强调的是一个没有执行完成就…

如何查询网站是否被搜索引擎收录

怎么看网站有没有被百度收录 对于网站所有者来说&#xff0c;了解自己的网站是否被百度搜索引擎收录是非常重要的。只有被收录&#xff0c;网站才能在百度搜索结果中展现&#xff0c;从而获取流量和曝光。下面介绍几种方法&#xff0c;让您快速了解自己的网站是否被百度收录。…

ctf_show笔记篇(web入门---SSRF)

ssrf简介 ssrf产生原理&#xff1a; 服务端存在网络请求功能/函数&#xff0c;例如&#xff1a;file_get_contens()这一类类似于curl这种函数传入的参数用户是可控的没有对用户输入做过滤导致的ssrf漏洞 ssrf利用: 用于探测内网服务以及端口探针存活主机以及开放服务探针是否存…

Java多线程三种实现方式

一、继承Thread方法 public class MyThread extends Thread{Overridepublic void run() {for (int i 0; i < 10; i) {System.out.println(getName() "输出内容");}}public static void main(String[] args) {MyThread thread1 new MyThread();MyThread thread…

2024年清明节安装matlab 2024a

下载安装离线支持包SupportSoftwareDownloader_R2024a_win64&#xff0c;地址https://ww2.mathworks.cn/support/install/support-software-downloader.html&#xff0c;运行软件&#xff08;自解压运行&#xff09;&#xff0c;登录账号&#xff08;需要提前在官网注册&#x…