Redis专题详细教程（四）

缓存穿透

用户想要查询一个数据，发现redis内存数据库中没有，也就是缓存没有命中，于是向持
久层数据库查询，发现也没有，于是本次查询失败，当用户很多的时候，缓存都没有命
中（秒杀），于是都请求了持久层的数据，这会给持久层造成很大的压力,这时候就相当
于缓存穿透！

解决方案：
布隆过滤器，是一种数据结构，对所有可能查询的参数以hash存储，在控制层进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力

但是这种方案会存在两个问题：
1.如果空值能够被缓存起来，这就意味着，需要更多的空间存储更多的键，因为这当中
可能会有很多空值的键
2.即使对空值设置了过期时间，还是会存在缓存层和存储层的数据会有一段时间窗口的
不一致，这对于需要保持一致性的业务会有影响

缓存击穿

指一个key非常热点，在不停的扛着大并发，大并发集中对这一点进行访问，当这个key
在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了
一个洞！

解决方案：

设置热点数据永不过期
从缓存层面来看，没有设置时间，所以不会出现热点key过期后产生的问题

加互斥锁
分布式锁：保证每个key同时只有一个线程去查询后端服务，其他线程没有获得分布式锁的权限，因此只需要等待即可，这种方式将高并发的压力转移到了分布式锁，因此对分布式锁的考验很大

分布式锁案例：
setnx命令（setIfAbsent #java中写法）此命令适用于实现redis分布式锁
如果为空就set值，并返回1
如果存在(不为空)不进行操作，并返回0

/**
 *
 * @desc 加锁
 * @param key
 * @param value
 * @param timeout 超时时间
 * @param autoReleaseTime 自动释放锁时间
 */
public boolean lock(String key, String value, long timeout, long autoReleaseTime) {
    boolean flag = true;

    long time = System.currentTimeMillis();
    long maxTime = time + timeout;

    // 自旋等待-如果在指定时间内还没获取到锁就退出自旋，并且设置过期时间避免死锁。
    while (!stringRedisTemplate.opsForValue().setIfAbsent(key, value) && time <= maxTime) {
        try {
            TimeUnit.MICROSECONDS.sleep(10);
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
            flag = false;
            break;
        }

        time = System.currentTimeMillis();
    }

    // 设置过期时间
    if (flag) {
        stringRedisTemplate.expire(key, autoReleaseTime, TimeUnit.MILLISECONDS);
    }

    return flag;
}

 /**
 *
 * @desc 解锁
 * @param key
 * @param value
 */
public void unLock(String key, String value) {
    try {
        if(StringUtils.isNotBlank(stringRedisTemplate.opsForValue().get(key))
                && stringRedisTemplate.opsForValue().get(key).equals(value)) {
            stringRedisTemplate.delete(key);
        }
    } catch (Exception e) {
        logger.error(e.getMessage(), e);
    }
}


/**
 * 扣减库存
 */
public String decreaseStock(String key, String value){
    try{
        lock(key,value,6000,6000 * 2);
    }catch (Exception e){
        logger.error(e.getMessage(),e);
    }finally {
        unLock(key,value);
    }
    return "";
}

 /**
 *  测试可模拟多个线程扣减库存
 * @param skuId 商品ID
 */
public String test(String skuId) {

    decreaseStock("KEY_SKU_"+skuId, skuId);

    //线程1
    new Thread(()->{
        decreaseStock("KEY_SKU_"+skuId, skuId);
    });

    //线程2
    new Thread(()->{
        decreaseStock("KEY_SKU_"+skuId, skuId);
    });

    return "";
}

缓存雪崩

解决方案：