当前位置：首页 > news >正文

上门做指甲哪个网站网络营销产品策略

news 2025/7/10 2:59:04

上门做指甲哪个网站,网络营销产品策略,常用素材网站,高端开发网站哪家专业目录介绍缓存穿透缓存击穿缓存雪崩原因影响解决方案缓存穿透防止缓存穿透->空值缓存案例缓存击穿使用互斥锁解决缓存击穿介绍缓存穿透定义：缓存穿透是指用户查询数据，缓存和数据库中都不存在该数据（一般是发起恶意…

介绍

缓存穿透

缓存击穿

缓存雪崩

原因

影响

解决方案

缓存穿透

防止缓存穿透->空值缓存案例

缓存击穿

使用互斥锁解决缓存击穿

介绍

缓存穿透

定义：缓存穿透是指用户查询数据，缓存和数据库中都不存在该数据（一般是发起恶意的查询，试图击穿缓存，直接查询数据库），这时用户每次查询都会直接打到数据库上，而数据库中也没有该数据，如果用户不断发起这样的请求，数据库压力会非常大，甚至可能拖垮数据库。

解决方案：

布隆过滤器（Bloom Filter）：布隆过滤器可以快速判断一个元素是否在一个集合中，但是会有一定的误判率。在数据放入缓存之前，先使用布隆过滤器判断数据是否存在，如果不存在则直接返回，不进行数据库查询。
空值缓存：对于不存在的数据，也在缓存中存放一个空值（或者一个特殊标记），这样下次查询相同的数据时，可以直接返回缓存中的空值，避免了对数据库的查询。但是这种方法需要设置合理的过期时间，避免数据长时间不更新。
请求限流：对查询请求进行限流，限制查询频率，防止恶意查询。

缓存击穿

定义：缓存击穿是指缓存中没有但数据库中有的数据（一般是缓存时间到期），这时由于并发用户特别多，同时读缓存没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大，造成过大压力。

解决方案：

设置热点数据永不过期，即逻辑缓存：对于一些热点数据，可以将其设置为永不过期，从而避免缓存击穿问题。但是这种方法会占用较多的缓存空间，需要谨慎使用。
加互斥锁：在查询数据库之前，先尝试获取一个分布式锁，如果获取到锁，则查询数据库并更新缓存；如果未获取到锁，则等待一段时间后重试。这样可以保证同一时间只有一个请求去查询数据库，从而减轻数据库压力。
双缓存策略：使用两个缓存，一个缓存的过期时间较短，用于应对大部分请求；另一个缓存的过期时间较长，用于应对缓存击穿的情况。当短缓存过期时，先从长缓存中获取数据，然后再去查询数据库并更新两个缓存。

缓存雪崩

缓存雪崩是指在缓存中存储的大量数据同时失效或过期，导致缓存系统无法承载大量请求压力，造成服务宕机甚至瘫痪的情况。这种情况下，大量的请求会直接涌入数据库，导致数据库崩溃或响应缓慢，影响应用程序的正常使用。

原因

缓存雪崩通常由于以下几个原因引起：

缓存过期策略：如果大量的缓存数据被设置为相同的过期时间，那么在这些数据同时过期时，就会引发缓存雪崩。
缓存服务器故障：当缓存服务器（如Redis）宕机或网络中断时，缓存服务将不可用，所有请求都会直接打到数据库上。
大量突发请求：在特定时间段内，如果请求量激增且超出缓存系统的处理能力，也可能导致缓存雪崩。

影响

缓存雪崩的影响是灾难性的，主要包括以下几个方面：

数据库负载过高：大量的请求直接打到数据库上，导致数据库负载急剧增加，响应时间延长。
服务不可用：在极端情况下，数据库可能因为压力过大而崩溃，导致整个服务不可用。
性能瓶颈：数据库成为瓶颈，系统整体处理能力下降，用户体验受到严重影响。
连锁反应：由于服务间的依赖关系，缓存雪崩可能导致多个服务相继瘫痪，形成连锁反应。

解决方案

为了防范和应对缓存雪崩，可以采取以下策略：

设置随机过期时间：为不同的缓存数据设置随机的过期时间，避免大量数据同时过期。
限流和熔断：当检测到缓存系统压力过大时，通过限流组件限制请求量，并在必要时采取熔断措施，如返回默认数据或静态页面。
主动更新缓存：在缓存失效前，主动提前重新加载数据至缓存，以减轻数据库压力。
加锁机制：当缓存失效后，通过加锁机制控制只有一个线程负责从数据库加载数据并回填缓存，其他线程等待或返回旧数据。
部署缓存集群：部署Redis Sentinel或Cluster集群等缓存集群方案，确保单点故障时能自动切换到其他节点。
使用布隆过滤器：在缓存之前使用布隆过滤器判断请求的键是否存在，减少对数据库的无效访问。

缓存穿透

缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。给数据库带来巨大压力

常见的解决方案有两种：

缓存空对象

优点：实现简单，维护方便
缺点：额外的内存消耗可能造成短期的不一致

布隆过滤

优点：内存占用较少，没有多余key

缺点：实现复杂存在误判可能

还有的解决方案：主动性的方案

增强id的复杂性，避免被猜测id规律
做好数据的基础格式校验
加强用户权限校验
做好热点参数的限流

防止缓存穿透->空值缓存案例

public Shop queryWithPassThrough(Long id) {String key = CACHE_SHOP_KEY + id;Map<Object, Object> shopFromCache = stringRedisTemplate.opsForHash().entries(key);System.out.println("Redis: " + shopFromCache);// 检查 Redis 返回的 shopFromCache 是否为 nullif (shopFromCache != null && !shopFromCache.isEmpty()) {// 缓存中有值，尝试反序列化 Shop 对象Shop shopFromCacheBean = BeanUtil.fillBeanWithMap(shopFromCache, new Shop(), false);return shopFromCacheBean;}// Redis 中不存在，从数据库中查询Shop shopFromDb = baseMapper.selectById(id);// 数据库中也不存在，则缓存空值以防缓存穿透if (ObjectUtil.isNull(shopFromDb)) {stringRedisTemplate.opsForHash().put(key, CACHE_SHOP_EMPTY_KEY, CACHE_SHOP_EMPTY_VALUE); // 使用特殊标记表示空值stringRedisTemplate.expire(key, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);return null;}// 将 Shop 对象转换为 Map 并写入 RedisMap<String, Object> shopMap = BeanUtil.beanToMap(shopFromDb, new HashMap<>(),CopyOptions.create().ignoreNullValue().setFieldValueEditor((fieldName, fieldValue) -> fieldValue != null ? fieldValue.toString() : null));stringRedisTemplate.opsForHash().putAll(key, shopMap);// 设置超时时间stringRedisTemplate.expire(key, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);return shopFromDb;
}

缓存击穿

缓存击穿问题也叫热点key问题，就是一个被高并发访问并且缓存重建业务复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击

解决方案优点缺点

互斥锁没有额外的内存消耗线程需要等待，性能受影响

保证一致性可能有死锁风险

实现简单

逻辑过期线程无需等待，性能较好不保证一致性

有额外内存消耗

实现复杂

使用互斥锁解决缓存击穿

@Overridepublic Result queryById(Long id) throws InterruptedException {// 缓存穿透
//            queryWithPassThrough(id);// 互斥锁解决缓存击穿Shop shop = queryWithMutex(id);if (shop==null) {return Result.fail("商品不存在");}return Result.ok(shop);}public Shop queryWithMutex(Long id) throws InterruptedException {String key = CACHE_SHOP_KEY + id;Map<Object, Object> shopFromCache = stringRedisTemplate.opsForHash().entries(key);System.out.println("Redis: " + shopFromCache);// 检查 Redis 返回的 shopFromCache 是否为 nullif (shopFromCache != null && !shopFromCache.isEmpty()) {// 缓存中有值，尝试反序列化 Shop 对象Shop shopFromCacheBean = BeanUtil.fillBeanWithMap(shopFromCache, new Shop(), false);return shopFromCacheBean;}// Redis 中不存在，从数据库中查询// 4.实现缓存重建// 4.1获取互斥锁// 4.2获取失败，休眠然后重试// 4.3获取成功，返回数据，释放锁Shop shopFromDb=null;try {boolean isLock = tryLock(LOCK_SHOP_KEY + id);if (!isLock) {// 拿不到锁，休眠，然后递归不断尝试// 这个返回结果会是在redis里拿到的数据Thread.sleep(50);return queryWithMutex(id);}// 拿到互斥锁，查询数据库，重建缓存shopFromDb= baseMapper.selectById(id);
//            模拟重建延迟Thread.sleep(200);// 数据库中也不存在，则缓存空值以防缓存穿透stringRedisTemplate.opsForHash().put(key, CACHE_SHOP_EMPTY_KEY, CACHE_SHOP_EMPTY_VALUE); // 使用特殊标记表示空值stringRedisTemplate.expire(key, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);return null;}// 将 Shop 对象转换为 Map 并写入 RedisMap<String, Object> shopMap = BeanUtil.beanToMap(shopFromDb, new HashMap<>(),CopyOptions.create().ignoreNullValue().setFieldValueEditor((fieldName, fieldValue) -> fieldValue != null ? fieldValue.toString() : null));stringRedisTemplate.opsForHash().putAll(key, shopMap);// 设置超时时间stringRedisTemplate.expire(key, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);} catch (InterruptedException e) {throw new RuntimeException(e);} finally {// 释放锁unLock(LOCK_SHOP_KEY + id);}return shopFromDb;}

public   boolean tryLock(String key) {Boolean b = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);return BooleanUtil.isTrue(b);
}public   void unLock(String key) {stringRedisTemplate.delete(key);
}

查看全文

http://www.khdw.cn/news/22958.html