构建网站系统,网站标题title怎么写,国外网页设计网站,项目推广渠道有哪些前言#xff1a; 针对缓存我们并不陌生#xff0c;而今天所讲的是使用redis作为缓存工具进行缓存数据。redis缓存是将数据保存在内存中的#xff0c;而内存的珍贵性是不可否认的。所以在缓存之前#xff0c;我们需要明确缓存的对象#xff0c;是否有必要缓存#xff0c;怎…前言 针对缓存我们并不陌生而今天所讲的是使用redis作为缓存工具进行缓存数据。redis缓存是将数据保存在内存中的而内存的珍贵性是不可否认的。所以在缓存之前我们需要明确缓存的对象是否有必要缓存怎么做好缓存怎样避免缓存失效。 处理Redis常见问题与提高Redis缓存性能 一、Redis作为缓存常见问题及其处理方案
1缓存穿透
根源请求不断的查询一个不存在的key缓存层和存储层都不会命中。
解决方案
对接口参数进行校验、防止出现恶意攻击查询不到值时将value设置成一个标记为加入缓存中下次再查询就返回一个标记数而不必经过数据库例如查询id为5的商品不存在则返回一个-9999然后在做逻辑判断但是需要设置一个较短的缓存有效时间防止以后key对应的value有数据的时候仍然返回空造成错误。使用bitmap类型定义一个可以访问的白名单id作为偏移量。采用布隆过滤器
2缓存击穿
根源缓存击穿是指对于一些设置了过期时间的key这些key可能在某些时间被超高并发访问是一种’热点‘数据然后在这个数据被访问前正好key失效了那么对这个key的查询会全部转到数据库上造成数据库压力增大导致卡顿崩溃的现象。
解决方案
设置热点数据永不过期加锁大量并发只让一个人去查其他人等待直到以后释放锁其他人读取到锁先查缓存。
3缓存雪崩
根源大量的热数据key同时过期过期之后涌入大量请求导致请求直接访问数据库骤增数据库压力。
解决方案
设置热点数据永不过期将缓存过期时间设置成某一段时间内的随机数这样就不会同时过期分布式处理缓存将缓存存在不同的地方 依赖隔离组件为后端限流熔断并降级。比如使用Sentinel或Hystrix限流降级组件 4缓存与数据不一致问题
1、双写不一致情况修改数据更新缓存
线程1先写入了数据库这时候准备更新缓存但是因为某原因导致出现延迟此时线程二快速将新数据写入数据库并且成功更新了缓存完事之后线程1恢复了速度开始更新缓存就导致了线程2是最后写入数据的但是缓存的内容还是旧值从而达到双写不一致的错误场景 2、读写并发不一致修改数据删除缓存
线程一先写入数据10并删除了缓存之后线程三读取数据发现缓存为空于是去查询数据库而此时查询数据库的时间较长与此同时线程二写入数据6又删除了缓存在这之后线程三也读成功更新了缓存造成了数据库的结果是6而缓存的结果是10这种错误情况 解决方案
1、对于并发几率很小的数据(如个人维度的订单数据、用户数据等)这种几乎不用考虑这个问题很少会发生缓存不一致可以给缓存数据加上过期时间每隔一段时间触发读的主动更新即可。
2、就算并发很高如果业务上能容忍短时间的缓存数据不一致(如商品名称商品分类菜单等)缓存加上过期时间依然可以解决大部分业务对于缓存的要求。
3、如果不能容忍缓存数据不一致可以通过加分布式读写锁保证并发读写或写写的时候按顺序排好队读读的时候相当于无锁。
4、也可以用阿里开源的canal通过监听数据库的binlog日志及时的去修改缓存但是引入了新的中间件增加了系统的复杂度。 二、针对不同热度的数据采用不同的处理方式
1热点数据
处理方案
1、缓存永不过期
2、缓存读延期功能
当命中缓存的时候设置key的过期时间为默认时间相当于时间设满设置过期时间所需要的时间是非常非常少的对性能的影响也是微乎其微。对于热数据的获取可以实现无线续期的效果
2冷门数据
处理方案 针对冷门数据最好不进行缓存避免内存浪费以及无意义的缓存在过期 基础缓存代码分析
源码与图示
很基础的Redis工具类
Component
public class RedisUtil {Autowiredprivate RedisTemplate redisTemplate;public void set(String key, Object value) {redisTemplate.opsForValue().set(key, value);}public void set(String key, Object value, long timeout, TimeUnit unit) {redisTemplate.opsForValue().set(key, value, timeout, unit);}public boolean setIfAbsent(String key, Object value, long timeout, TimeUnit unit) {return redisTemplate.opsForValue().setIfAbsent(key, value, timeout, unit);}public T T get(String key, Class? T) {return (T) redisTemplate.opsForValue().get(key);}public String get(String key) {return (String) redisTemplate.opsForValue().get(key);}public Long decr(String key) {return redisTemplate.opsForValue().decrement(key);}public Long decr(String key, long delta) {return redisTemplate.opsForValue().decrement(key, delta);}public Long incr(String key) {return redisTemplate.opsForValue().increment(key);}public Long incr(String key, long delta) {return redisTemplate.opsForValue().increment(key, delta);}public void expire(String key, long time, TimeUnit unit) {redisTemplate.expire(key, time, unit);}} 代码
Service
public class ProductService {Autowiredprivate ProductDao productDao;Autowiredprivate RedisUtil redisUtil;Autowiredprivate Redisson redisson;public static final Integer PRODUCT_CACHE_TIMEOUT 60 * 60 * 24;public static final String EMPTY_CACHE {};public static final String LOCK_PRODUCT_HOT_CACHE_PREFIX lock:product:hot_cache:;public static final String LOCK_PRODUCT_UPDATE_PREFIX lock:product:update:;//新增数据Transactionalpublic Product create(Product product) {Product productResult productDao.create(product);redisUtil.set(RedisKeyPrefixConst.PRODUCT_CACHE productResult.getId(), JSON.toJSONString(productResult),genProductCacheTimeout(), TimeUnit.SECONDS);return productResult;}//修改数据Transactionalpublic Product update(Product product) {Product productResult null;RReadWriteLock readWriteLock redisson.getReadWriteLock(LOCK_PRODUCT_UPDATE_PREFIX product.getId());RLock writeLock readWriteLock.writeLock();writeLock.lock();try {productResult productDao.update(product);redisUtil.set(RedisKeyPrefixConst.PRODUCT_CACHE productResult.getId(), JSON.toJSONString(productResult),genProductCacheTimeout(), TimeUnit.SECONDS);} finally {writeLock.unlock();}return productResult;}//读数据方法public Product get(Long productId) throws InterruptedException {Product product null;String productCacheKey RedisKeyPrefixConst.PRODUCT_CACHE productId;//读取缓存中的数据具体方法实现看源码 getProductFromCacheproduct getProductFromCache(productCacheKey);if (product ! null) {//此处需要和前端进行约定如果对象的ID为空则需要提示商品不存在return product;}//DCL 如果存在很高的并发量导致竞争锁耗时过程可以采用定时阻塞的型式//需要精确预估执行完后面代码所需要的时候然后将该值设置为过期时间时间一过线程就可以继续执行RLock hotCacheLock redisson.getLock(LOCK_PRODUCT_HOT_CACHE_PREFIX productId);hotCacheLock.lock();try {//再次尝试从缓存中获取数据避免其他线程已经读取过db而这边线程又重复读取product getProductFromCache(productCacheKey);if (product ! null) {return product;}//从数据库中读取数据product productDao.get(productId);//读取到的数据不为空则将数据存入redis中。if (product ! null) {redisUtil.set(productCacheKey, JSON.toJSONString(product),genProductCacheTimeout(), TimeUnit.SECONDS);} else {//当数据为空则存入一个特俗字符代表空数据避免缓存穿透//针对特俗key使用较短的过期时间可以避免短时间黑客反复攻击看能避免长时间造成的内存浪费redisUtil.set(productCacheKey, EMPTY_CACHE, genEmptyCacheTimeout(), TimeUnit.SECONDS);}} finally {hotCacheLock.unlock();}return product;}//从缓存中读取数据private Product getProductFromCache(String productCacheKey) {Product product null;String productStr redisUtil.get(productCacheKey);if (!StringUtils.isEmpty(productStr)) {if (EMPTY_CACHE.equals(productStr)) {//未查询到数据需要设置一个空对象返回并设置较短的过期时间redisUtil.expire(productCacheKey, genEmptyCacheTimeout(), TimeUnit.SECONDS);return new Product();}//如果真是查询到数据设置读延期product JSON.parseObject(productStr, Product.class);redisUtil.expire(productCacheKey, genProductCacheTimeout(), TimeUnit.SECONDS); //读延期}return product;}//设置较长的过期时间private Integer genProductCacheTimeout() {return PRODUCT_CACHE_TIMEOUT new Random().nextInt(5) * 60 * 60;}//设置较短的过期时间private Integer genEmptyCacheTimeout() {return 60 new Random().nextInt(30);}} 良好的Redis使用习惯 一、键值设计
1key名设计
(1)【建议】: 可读性和可管理性
以业务名(或数据库名)为前缀(防止key冲突)用冒号分隔比如业务名:表名:id
trade:order:1
(2)【建议】简洁性
保证语义的前提下控制key的长度当key较多时内存占用也不容忽视例如
user:{uid}:friends:messages:{mid} 简化为 u:{uid}:fr:m:{mid}
(3)【强制】不要包含特殊字符
反例包含空格、换行、单双引号以及其他转义字符 2 value设计
(1)【强制】拒绝bigkey(防止网卡流量、慢查询)
在Redis中一个字符串最大512MB一个二级数据结构例如hash、list、set、zset可以存储大约40亿个(2^32-1)个元素但实际中如果下面两种情况我就会认为它是bigkey。
字符串类型它的big体现在单个value值很大一般认为超过10KB就是bigkey。非字符串类型哈希、列表、集合、有序集合它们的big体现在元素个数太多。
一般来说string类型控制在10KB以内hash、list、set、zset元素个数不要超过5000。
反例一个包含200万个元素的list。
非字符串的bigkey不要使用del删除使用hscan、sscan、zscan方式渐进式删除同时要注意防止bigkey过期时间自动删除问题(例如一个200万的zset设置1小时过期会触发del操作造成阻塞 bigkey的危害 1.导致redis阻塞 2.网络拥塞 bigkey也就意味着每次获取要产生的网络流量较大假[[设一个bigkey为1MB客户端每秒访问量为1000那么每秒产生1000MB的流量对于普通的千兆网卡(按照字节算是128MB/s)的服务器来说简直是灭顶之灾而且一般服务器会采用单机多实例的方式来部署也就是说一个bigkey可能会对其他实例也造成影响其后果不堪设想。 3.过期删除 有个bigkey它安分守己只执行简单的命令例如hget、lpop、zscore等但它设置了过期时间当它过期后会被删除如果没有使用Redis 4.0的过期异步删除(lazyfree-lazy-expire yes)就会存在阻塞Redis的可能性。 bigkey的产生 一般来说bigkey的产生都是由于程序设计不当或者对于数据规模预料不清楚造成的来看几个例子 (1) 社交类粉丝列表如果某些明星或者大v不精心设计下必是bigkey。 (2) 统计类例如按天存储某项功能或者网站的用户集合除非没几个人用否则必是bigkey。 (3) 缓存类将数据从数据库load出来序列化放到Redis里这个方式非常常用但有两个地方需要注意第一是不是有必要把所有字段都缓存第二有没有相关关联的数据有的同学为了图方便把相关数据都存一个key下产生bigkey。 优化bigkey 1. 拆 big list list1、list2、...listNbig hash可以讲数据分段存储比如一个大的key假设存了1百万的用户数据可以拆分成200个key每个key下面存放5000个用户数据 如果bigkey不可避免也要思考一下要不要每次把所有元素都取出来(例如有时候仅仅需要hmget而不是hgetall)删除也是一样尽量使用优雅的方式来处理。 (2)【推荐】选择适合的数据类型。
例如实体类型(要合理控制和使用数据结构但也要注意节省内存和性能之间的平衡)
反例
set user:1:name tom set user:1:age 19 set user:1:favor football
正例:
hmset user:1 name tom age 19 favor football
(3)【推荐】控制key的生命周期redis不是垃圾桶。
建议使用expire设置过期时间(条件允许可以打散过期时间防止集中过期)。 二、命令使用
1. O(N)命令关注N的数量
例如hgetall、lrange、smembers、zrange、sinter等并非不能使用但是需要明确N的值。有遍历的需求可以使用hscan、sscan、zscan代替。
2.禁用命令
禁止线上使用keys、flushall、flushdb等通过redis的rename机制禁掉命令或者使用scan的方式渐进式处理。
3.合理使用select
redis的多数据库较弱使用数字进行区分很多客户端支持较差同时多业务用多数据库实际还是单线程处理会有干扰。
4.使用批量操作提高效率
原生命令例如mget、mset。 非原生命令可以使用pipeline提高效率。
但要注意控制一次批量操作的元素个数(例如500以内实际也和元素字节数有关)。 注意两者不同 1. 原生命令是原子操作pipeline是非原子操作。 2. pipeline可以打包不同的命令原生命令做不到 3. pipeline需要客户端和服务端同时支持。 5.Redis事务功能较弱不建议过多使用可以用lua替代
三、客户端处理
1.避免多个应用使用一个Redis实例
正例不相干的业务拆分公共数据做服务化。
2.使用带有连接池的数据库可以有效控制连接同时提高效率标准使用方式
1 JedisPoolConfig jedisPoolConfig new JedisPoolConfig();
2 jedisPoolConfig.setMaxTotal(5);
3 jedisPoolConfig.setMaxIdle(2);
4 jedisPoolConfig.setTestOnBorrow(true);
5
6 JedisPool jedisPool new JedisPool(jedisPoolConfig, 192.168.0.60, 6379, 3000, null);
7
8 Jedis jedis null;
9 try {
10 jedis jedisPool.getResource();
11 //具体的命令
12 jedis.executeCommand()
13 } catch (Exception e) {
14 logger.error(op key {} error: e.getMessage(), key, e);
15 } finally {
16 //注意这里不是关闭连接在JedisPool模式下Jedis会被归还给资源池。
17 if (jedis ! null)
18 jedis.close();
19 } 连接池参数含义 序号 参数名 含义 默认值 使用建议 1 maxTotal 资源池中最大连接数 8 设置建议见下面 2 maxIdle 资源池允许最大空闲的连接数 8 设置建议见下面 3 minIdle 资源池确保最少空闲的连接数 0 设置建议见下面 4 blockWhenExhausted 当资源池用尽后调用者是否要等待。只有当为true时下面的maxWaitMillis才会生效 true 建议使用默认值 5 maxWaitMillis 当资源池连接用尽后调用者的最大等待时间(单位为毫秒) -1表示永不超时 不建议使用默认值 6 testOnBorrow 向资源池借用连接时是否做连接有效性检测(ping)无效连接会被移除 false 业务量很大时候建议设置为false(多一次ping的开销)。 7 testOnReturn 向资源池归还连接时是否做连接有效性检测(ping)无效连接会被移除 false 业务量很大时候建议设置为false(多一次ping的开销)。 8 jmxEnabled 是否开启jmx监控可用于监控 true 建议开启但应用本身也要开启 优化建议 1maxTotal最大连接数早期的版本叫maxActive 实际上这个是一个很难回答的问题考虑的因素比较多 业务希望Redis并发量客户端执行命令时间Redis资源例如 nodes(例如应用个数) * maxTotal 是不能超过redis的最大连接数maxclients。资源开销例如虽然希望控制空闲连接(连接池此刻可马上使用的连接)但是不希望因为连接池的频繁释放创建连接造成不必靠开销。 以一个例子说明假设: 一次命令时间borrow|return resource Jedis执行命令(含网络) 的平均耗时约为1ms一个连接的QPS大约是1000业务期望的QPS是50000 那么理论上需要的资源池大小是50000 / 1000 50个。但事实上这是个理论值还要考虑到要比理论值预留一些资源通常来讲maxTotal可以比理论值大一些。 但这个值不是越大越好一方面连接太多占用客户端和服务端资源另一方面对于Redis这种高QPS的服务器一个大命令的阻塞即使设置再大资源池仍然会无济于事。 2maxIdle和minIdle maxIdle实际上才是业务需要的最大连接数maxTotal是为了给出余量所以maxIdle不要设置过小否则会有new Jedis(新连接)开销。 连接池的最佳性能是maxTotal maxIdle这样就避免连接池伸缩带来的性能干扰。但是如果并发量不大或者maxTotal设置过高会导致不必要的连接资源浪费。一般推荐maxIdle可以设置为按上面的业务期望QPS计算出来的理论连接数maxTotal可以再放大一倍。 minIdle最小空闲连接数与其说是最小空闲连接数不如说是至少需要保持的空闲连接数在使用连接的过程中如果连接数超过了minIdle那么继续建立连接如果超过了maxIdle当超过的连接执行完业务后会慢慢被移出连接池释放掉。 如果系统启动完马上就会有很多的请求过来那么可以给redis连接池做预热比如快速的创建一些redis连接执行简单命令类似ping()快速的将连接池里的空闲连接提升到minIdle的数量。 连接池预热示例代码 ListJedis minIdleJedisList new ArrayListJedis(jedisPoolConfig.getMinIdle());
2
3 for (int i 0; i jedisPoolConfig.getMinIdle(); i) {
4 Jedis jedis null;
5 try {
6 jedis pool.getResource();
7 minIdleJedisList.add(jedis);
8 jedis.ping();
9 } catch (Exception e) {
10 logger.error(e.getMessage(), e);
11 } finally {
12 //注意这里不能马上close将连接还回连接池否则最后连接池里只会建立1个连接。。
13 //jedis.close();
14 }
15 }
16 //统一将预热的连接还回连接池
17 for (int i 0; i jedisPoolConfig.getMinIdle(); i) {
18 Jedis jedis null;
19 try {
20 jedis minIdleJedisList.get(i);
21 //将连接归还回连接池
22 jedis.close();
23 } catch (Exception e) {
24 logger.error(e.getMessage(), e);
25 } finally {
26 }
27 } 总之要根据实际系统的QPS和调用redis客户端的规模整体评估每个节点所使用的连接池大小。 3.高并发下建议客户端添加熔断功能(例如sentinel、hystrix)
4.设置合理的密码如有必要可以使用SSL加密访问
5.Redis对于过期键有三种清除策略
被动删除当读/写一个已经过期的key时会触发惰性删除策略直接删除掉这个过期key主动删除由于惰性删除策略无法保证冷数据被及时删掉所以Redis会定期(默认每100ms)主动淘汰一批已过期的key这里的一批只是部分过期key所以可能会出现部分key已经过期但还没有被清理掉的情况导致内存并没有被释放当前已用内存超过maxmemory限定时触发主动清理策略 主动清理策略在Redis 4.0 之前一共实现了 6 种内存淘汰策略在 4.0 之后又增加了 2 种策略总共8种 a) 针对设置了过期时间的key做处理 volatile-ttl在筛选时会针对设置了过期时间的键值对根据过期时间的先后进行删除越早过期的越先被删除。volatile-random就像它的名称一样在设置了过期时间的键值对中进行随机删除。volatile-lru会使用 LRU 算法筛选设置了过期时间的键值对删除。volatile-lfu会使用 LFU 算法筛选设置了过期时间的键值对删除。 b) 针对所有的key做处理 allkeys-random从所有键值对中随机选择并删除数据。allkeys-lru使用 LRU 算法在所有数据中进行筛选删除。allkeys-lfu使用 LFU 算法在所有数据中进行筛选删除。 c) 不处理 noeviction不会剔除任何数据拒绝所有写入操作并返回客户端错误信息(error) OOM command not allowed when used memory此时Redis只响应读操作。 LRU 算法Least Recently Used最近最少使用 淘汰很久没被访问过的数据以最近一次访问时间作为参考。 LFU 算法Least Frequently Used最不经常使用 淘汰最近一段时间被访问次数最少的数据以次数作为参考。 当存在热点数据时LRU的效率很好但偶发性的、周期性的批量操作会导致LRU命中率急剧下降缓存污染情况比较严重。这时使用LFU可能更好点。 根据自身业务类型配置好maxmemory-policy(默认是noeviction)推荐使用volatile-lru。如果不设置最大内存当 Redis 内存超出物理内存限制时内存的数据会开始和磁盘产生频繁的交换 (swap)会让 Redis 的性能急剧下降。 当Redis运行在主从模式时只有主结点才会执行过期删除策略然后把删除操作”del key”同步到从结点删除数据。
