关于redis:深入浅出redis缓存应用

https://blog.waterflow.link/articles/1663169309611

只读缓存的流程是这样的：

当查问申请过去时，先从 redis 中查问数据，如果有的话就间接返回。如果没有的话，就从数据库查问，并写入到缓存中。

当删改申请过去时，会间接从数据库中删除批改数据，并把 redis 中保留的数据删除。

这样做的益处是，所有最新的数据都在数据库中，而数据库是有数据可靠性保障的。

读写缓存的流程是这样的：

当查问申请过去时，先从 redis 中查问数据，如果有的话就间接返回。如果没有的话，就从数据库查问，并写入到缓存中。
当增删改申请过去时，得益于 Redis 的高性能拜访个性，数据的增删改操作能够在缓存中疾速实现，处理结果也会疾速返回给业务利用，这就能够晋升业务利用的响应速度。
然而和只读缓存不同的是，最新的数据都是在 redis 中，一旦呈现掉电宕机，因为 redis 的长久化机制，最新的数据有可能会失落，就会给业务带来危险。

所以，依据业务利用对数据可靠性和缓存性能的不同要求，咱们会有同步直写和异步写回两种策略。其中，同步直写策略优先保证数据可

靠性，而异步写回策略优先提供疾速响应。

当增删改申请过去时，申请到 redis 的同时，也会申请 mysql，等到 redis 和 mysql 都写完数据才会返回数据。

这样，即便缓存宕机或产生故障，最新的数据依然保留在数据库中，这就提供了数据可靠性保障。

然而也会升高缓存的使用性能，因为写缓存很快，然而写数据库就要慢很多，整个的响应工夫就会减少。

异步写回优先思考了响应速度，写到缓存会立刻响应客户端。等到数据要从 redis 中淘汰时，再同步到 mysql。

然而如果产生掉电，数据还是没有写到 mysql，还是有失落的危险。

如果须要对写申请进行减速，咱们抉择读写缓存；
如果写申请很少，或者是只须要晋升读申请的响应速度的话，咱们抉择只读缓存。

对于读写缓存的异步写回，因为是只写 redis，淘汰时才会写入 mysql，如果产生宕机不能保障一致性
对于读写缓存的同步写回，因为 redis 和 mysql 是同时写，须要退出事物机制，要么都执行要么都不执行，能够保障一致性。（问题：如何保障原子性？当有并发写过来时即便都执行了也可能会不统一，这是就要引入锁保障互斥性）
对于只读缓存，如果产生删改操作，利用既要更新数据库，也要在缓存中删除数据。因为 redis 和 mysql 是同时操作，须要退出事物机制，要么都执行要么都不执行，能够保障一致性。（问题：如何保障原子性？）

先删除缓存，再更新数据库

如果缓存删除胜利，然而数据库更新失败，那么，利用再拜访数据时，缓存中没有数据，就会产生缓存缺失。而后，利用再拜访数库，然而数据库中的值为旧值，利用就拜访到旧值了。
如果线程 A 都胜利了，然而同时另一个线程 B 在线程 A 的这俩个申请两头过去。这个时候缓存曾经删除，然而数据库还是旧值，线程 B 发现没有缓存，就从数据库读读取了旧值更新到 redis 中，而后线程 A 把新值更新到数据库。此时 redis 中是旧值，mysql 中是新值。

先更新数据库，再删除缓存中的值

如果利用先实现了数据库的更新，然而，在删除缓存时失败了，那么，数据库中的值是新值，而缓存中的是旧值，这必定是不统一的。这个时候，如果有其余的并发申请来拜访数据，依照失常的缓存拜访流程，就会先在缓存中查问，但此时，就会读到旧值了。
如果线程 A 删除了数据库中的值，但还没来得及删除缓存值，线程 B 就开始读取数据了，那么此时，线程 B 查问缓存时，发现缓存命中，就会间接从缓存中读取旧值。不过，在这种状况下，如果其余线程并发读缓存的申请不多，那么，就不会有很多申请读取到旧值。而且，线程 A 个别也会很快删除缓存值，这样一来，其余线程再次读取时，就会产生缓存缺失，进而从数据库中读取最新值。所以，这种状况对业务的影响较小。（ 能够了解为最终一致性，读到旧数据只是临时的，最终都会读到新数据 ）

所以个别我的项目中应用只读缓存，先更新数据库，再删除缓存。这样的代价是最小的，而且尽量保障了一致性。

缓存雪崩是指，大量的申请无奈在 redis 中解决（redis 没拦住），间接打到了 mysql，导致数据库压力激增，甚至服务解体。

redis 无奈解决的起因有两种：

缓存中大量数据同时过期

解决方案：

给过期工夫减少一个较小的随机数，过期的数据通过工夫去摊派
服务降级，间接返回错误信息

Redis 缓存实例产生故障宕机了，无奈解决申请，这就会导致大量申请一下子积压到数据库层

解决方案：

服务熔断或者申请限流，redis 客户端间接返回，不会申请到 redis 服务，然而影响范畴比拟大
构建 redis 集群，进步可用性

缓存击穿是指，拜访某个热点数据，无奈在缓存中解决，大量申请打到 mysql，导致数据库压力激增，甚至服务解体。

解决方案：

对于频繁拜访的热点数据不设置过期工夫

缓存穿透是指，要拜访的数据既不在 redis 中，也不在 mysql 中。申请 redis 发现数据不存在，持续拜访 mysql 发现数据还是不存在，而后也无奈写回缓存，下次持续申请的时候还是会打到 mysql。

解决方案：

缓存空值或者缺省值
应用布隆过滤器

布隆过滤器

布隆过滤器由一个初值都为 0 的 bit 数组和 N 个哈希函数组成，能够用来疾速判断某个数据是否存在（精确说是判断不存在，如果布隆过滤器不存在数据库中肯定不存在，如果布隆过滤器判断存在，数据库不肯定存在，这是布隆过滤器的机制决定的）。当咱们想标记某个数据存在时（例如，数据已被写入数据库），布隆过滤器会通过三个操作实现标记：

首先，应用 N 个哈希函数，别离计算这个数据的哈希值，失去 N 个哈希值。
而后，咱们把这 N 个哈希值对 bit 数组的长度取模，失去每个哈希值在数组中的对应地位。
最初，咱们把对应地位的 bit 位设置为 1，这就实现了在布隆过滤器中标记数据的操作。

如果数据不存在（例如，数据库里没有写入数据），咱们也就没有用布隆过滤器标记过数据，那么，bit 数组对应 bit 位的值依然为 0。

所以当咱们写入数据库时，应用布隆过滤器做个标记。当缓存缺失后，利用查询数据库时，能够通过查问布隆过滤器疾速判断数据是否存在。如果不存在，就不必再去数据库中查问了。

咱们看下 go-zero 中是如何应用缓存的，go-zero 中应用的只读缓存，当数据有更新删除操作的时候，redis 中的对应 Primary 记录和查问条件记录会同步删除。go-zero 中对某行的缓存，会缓存主键到行记录的缓存，和查问条件（惟一索引）到主键的缓存

咱们看下查问的逻辑（针对的是单行的记录）：

通过查问条件查问某条记录时，如果没有查问条件到主键的缓存
通过查问条件到 mysql 查问行记录，而后把主键到行记录的缓存，和查问条件（惟一索引）到主键的缓存更新到 redis（前者的过期工夫会多余后者几秒工夫）
持续回到 1，如果有查问条件到主键的缓存，如果没有主键到记录的缓存，通过主键到 mysql 查问并写入 redis

上面看下 go-zero 源码：

// v - 须要读取的数据对象
// key - 缓存 key
// query - 用来从 DB 读取残缺数据的办法
// cacheVal - 用来写缓存的办法
func (c cacheNode) doTake(v interface{}, key string, query func(v interface{}) error,
  cacheVal func(v interface{}) error) error {
  // singleflight 一批申请过去，只容许一个去真正拜访数据，避免缓存击穿
  val, fresh, err := c.barrier.DoEx(key, func() (interface{}, error) {
    // 从 cache 里读取数据
    if err := c.doGetCache(key, v); err != nil {
      // 如果是事后放进来的 placeholder（用来避免缓存穿透）的，那么就返回预设的 errNotFound
      // 如果是未知谬误，那么就间接返回，因为咱们不能放弃缓存出错而间接把所有申请去申请 DB，// 这样在高并发的场景下会把 DB 打挂掉的
      if err == errPlaceholder {return nil, c.errNotFound} else if err != c.errNotFound {
        // why we just return the error instead of query from db,
        // because we don't allow the disaster pass to the DBs.
        // fail fast, in case we bring down the dbs.
        return nil, err
      }

      // 申请 DB
      // 如果返回的 error 是 errNotFound，那么咱们就须要在缓存里设置 placeholder，避免缓存穿透
      if err = query(v); err == c.errNotFound {if err = c.setCacheWithNotFound(key); err != nil {logx.Error(err)
        }

        return nil, c.errNotFound
      } else if err != nil {
        // 统计 DB 失败
        c.stat.IncrementDbFails()
        return nil, err
      }

      // 把数据写入缓存
      if err = cacheVal(v); err != nil {logx.Error(err)
      }
    }
  
    // 返回 json 序列化的数据
    return jsonx.Marshal(v)
  })
  if err != nil {return err}
  if fresh {return nil}

  // got the result from previous ongoing query
  c.stat.IncrementTotal()
  c.stat.IncrementHit()

  // 把数据写入到传入的 v 对象里
  return jsonx.Unmarshal(val.([]byte), v)
}

从下面代码咱们能够看到：

应用 sigleflight 避免缓存击穿
缓存穿透，应用了占位符，即在 redis 中保留一个空值

关于redis:深入浅出redis缓存应用

0.1、索引

1、只读缓存

2、读写缓存

2.1、同步直写

2.2、异步写回

3、如何抉择

4、对于一致性

4.1、对于只读缓存的一致性问题

5、缓存异样

5.1、缓存雪崩

5.2、缓存击穿

5.3、缓存穿透

6、利用场景

Just My Socks（注册教程内含优惠码）

关于redis:深入浅出redis缓存应用

0.1、索引

1、只读缓存

2、读写缓存

2.1、同步直写

2.2、异步写回

3、如何抉择

4、对于一致性

4.1、对于只读缓存的一致性问题

5、缓存异样

5.1、缓存雪崩

5.2、缓存击穿

5.3、缓存穿透

6、利用场景

Just My Socks（注册教程 内含优惠码）

Just My Socks（注册教程内含优惠码）