查询缓存实现、缓存更新策略选择、解决缓存穿透&缓存雪崩&缓存击穿问题

﹏ヽ暗。殇╰゛Y 2024-03-22 13:31 20阅读 0赞

#### 文章目录 ####

*   *  1 什么是缓存?
     *   *  1.1 为什么要使用缓存
         *  1.2 如何使用缓存
     *  2 给商户信息查询业务添加缓存
     *   *  2.1 缓存模型和思路
         *  2.2 代码如下
     *  3 缓存更新策略
     *   *  3.1 数据库缓存不一致解决方案：
         *  3.2 数据库和缓存不一致采用什么方案
         *  3.3 删除缓存还是更新缓存？
         *  3.4 如何保证缓存与数据库的操作的同时成功或失败？
         *  3.5 先操作缓存还是先操作数据库？
         *  3.6 缓存更新策略的最佳实践方案
         *  3.7 代码实现商铺和缓存与数据库双写一致
     *  4 缓存穿透问题的解决思路
     *   *  4.1 定义
         *  4.2 解决方案
         *  4.3 解决商品查询的缓存穿透问题
         *  4.4 总结
     *  5 缓存雪崩问题及解决思路
     *   *  5.1 定义
         *  5.2 解决方案
     *  6 缓存击穿问题及解决思路
     *   *  6.1 定义
         *  6.2 解决办法
         *   *  6.2.1 使用互斥锁来解决
             *  6.2.2 逻辑过期方案
         *  6.3 利用互斥锁解决缓存击穿问题代码
         *  6.4 利用逻辑过期解决缓存击穿问题代码
         *  6.5 封装Redis工具类
     *  总结

### 1 什么是缓存? ###

**缓存(Cache),就是数据交换的缓冲区**,俗称的缓存就是**缓冲区内的数据**,一般从数据库中获取,存储于本地代码(例如:

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;

#### 1.1 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,这么大数据量,如果没有缓存来作为"避震器",系统是几乎撑不住的,所以企业会大量运用到缓存技术;

但是缓存也会增加代码复杂度和运营的成本:

![07a96d80402c0644bb7bc0f9ffb0a4c4.png][]

#### 1.2 如何使用缓存 ####

实际开发中,会构筑多级缓存来使系统运行速度进一步提升,例如:本地缓存与redis中的缓存并发使用

**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

![28595ff2a84d5b4be52333eff9b96629.png][]

### 2 给商户信息查询业务添加缓存 ###

在我们查询商户信息时，我们是直接操作从数据库中去进行查询的，大致逻辑是这样，直接查询数据库那肯定慢咯，所以我们需要增加缓存

@GetMapping("/{id}")
    public Result queryShopById(@PathVariable("id") Long id) {
        
        //这里是直接查询数据库
        return shopService.queryById(id);
    }

#### 2.1 缓存模型和思路 ####

标准的操作方式就是查询数据库之前先查询缓存，如果缓存数据存在，则直接从缓存中返回，如果缓存数据不存在，再查询数据库，然后将数据存入redis。

![1653322097736][]

#### 2.2 代码如下 ####

代码思路：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。

![1653322190155][]

### 3 缓存更新策略 ###

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。

\*\*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)

\*\*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

\*\*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

![1653322506393][]

#### 3.1 数据库缓存不一致解决方案： ####

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**,其后果是:

用户使用缓存中的过时数据,就会产生类似多线程数据安全问题,从而影响业务,产品口碑等;怎么解决呢？有如下几种方案

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

Read/Write Through Pattern : 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

Write Behind Caching Pattern ：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

![1653322857620][]

#### 3.2 数据库和缓存不一致采用什么方案 ####

综合考虑使用方案一:Cache Aside Pattern，但是方案一调用者如何处理呢？这里有几个问题

操作缓存和数据库时有三个问题需要考虑：

#### 3.3 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

如果采用更新缓存方案，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，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

我们选择把缓存删除，等待再次查询时，将缓存中的数据加载出来

#### 3.4 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

#### 3.5 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

![1653323595206][]

看上图咱们来理一理——应该具体操作缓存还是操作数据库，我们应当是先操作数据库，再删除缓存

如果你选择**先删除换缓存，再操作数据库**，在两个线程并发来访问时，假设线程1先来，他先把缓存删了，此时线程2过来，他查询缓存数据并不存在，此时他写入缓存，当他写入缓存后，线程1再执行更新动作时，实际上写入的就是旧的数据，新的数据被旧数据覆盖了。

选择**先操作数据库，再删除缓存**，线程1来查询时，恰好缓存失效，于是查完了数据库，打算去写缓存（快）。说时迟那时快，就在这时线程2来更新数据库（慢）、删除缓存。这时候线程1才写缓存。  
但是这种方案出现问题的概率很低，因为数据库更新操作比缓存慢得多，出现这种情况概率极地。

#### 3.6 缓存更新策略的最佳实践方案 ####

![92518340050d1597c35ab8053515c69f.png][]

#### 3.7 代码实现商铺和缓存与数据库双写一致 ####

核心思路如下：

修改ShopController中的业务逻辑，满足下面的需求：

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

根据id修改店铺时，先修改数据库，再删除缓存

**修改重点代码1**：修改**ShopServiceImpl**的queryById方法

**设置redis缓存时添加过期时间**

![1653325871232][]

**修改重点代码2**

代码分析：通过之前的淘汰，我们确定了采用删除策略，来解决双写问题，当我们修改了数据之后，然后把缓存中的数据进行删除，查询时发现缓存中没有数据，则会从mysql中加载最新的数据，从而避免数据库和缓存不一致的问题

![3e660b12ba0421076b20d3f0f22542da.png][]

### 4 缓存穿透问题的解决思路 ###

缓存穿透（一根针）

#### 4.1 定义 ####

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。

#### 4.2 解决方案 ####

常见的解决方案有两种：

![df10d9504b437b965f2289b7a1c33e16.png][]

**缓存空对象**: 当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到缓存了

**布隆过滤**: 布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中，

假设布隆过滤器判断这个数据不存在，则直接返回

这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突

![1653326156516][]

#### 4.3 解决商品查询的缓存穿透问题 ####

核心思路如下：

在原来的逻辑中，我们如果发现这个数据在mysql中不存在，直接就返回404了，这样是会存在缓存穿透问题的

现在的逻辑中：如果这个数据不存在，我们不会返回404 ，还是会把这个数据写入到Redis中，并且将value设置为空，当再次发起查询时，我们如果发现命中之后，判断这个value是否是null，如果是null，则是之前写入的数据，证明是缓存穿透数据，如果不是，则直接返回数据。

![1653327124561][]

#### 4.4 总结 ####

缓存穿透产生的原因是什么？

*  用户请求的数据在缓存中和数据库中都不存在，不断发起这样的请求，给数据库带来巨大压力

缓存穿透的解决方案有哪些？

*  缓存null值
 *  布隆过滤
 *  增强id的复杂度，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

### 5 缓存雪崩问题及解决思路 ###

缓存雪崩（好多没了）

#### 5.1 定义 ####

缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

![1653327884526][]

#### 5.2 解决方案 ####

*  给不同的Key的TTL添加**随机**值
 *  利用Redis**集群**提高服务的可用性
 *  给缓存业务添加降级限流策略
 *  给业务添加多级缓存

### 6 缓存击穿问题及解决思路 ###

缓存击穿（热点Key）

#### 6.1 定义 ####

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较复杂的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。

#### 6.2 解决办法 ####

常见的解决方案有两种：

*  互斥锁
 *  逻辑过期

逻辑分析：假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法， 那么这些线程都不能从缓存中查询到数据，那么他们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大。

![1ddc1c1211114b34ad2623fe48261e02.png][]

##### 6.2.1 使用互斥锁来解决 #####

因为锁能实现互斥性。假设线程过来，只能一个人一个人的来访问数据库，从而避免对于数据库访问压力过大，但这也会影响查询的性能，因为此时会让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。

假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。

![3b049476aed84ea6b598ebcabb5ab19a.png][]

##### 6.2.2 逻辑过期方案 #####

方案分析：我们之所以会出现这个缓存击穿问题，主要原因是在于我们对key设置了过期时间，假设我们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们内存了吗，我们可以采用逻辑过期方案。

我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续通过逻辑去处理。这个expire并不是Redis的TTL，而是一个标志位用于判断这个数据是否是过期的。即使是过期的也不会自动从Redis中移除。

假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个 线程去进行 以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁， 而线程1直接进行返回，假设现在线程3过来访问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据。

这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据。

![1653328663897][]

与逻辑过期方案进行对比

![1653357522914][]

**互斥锁方案**: 由于保证了互斥性，所以数据一致，且实现简单，因为仅仅只需要加一把锁而已，也没其他的事情需要操心，所以没有额外的内存消耗，缺点在于有锁就有死锁问题的发生，且只能串行执行性能肯定受到影响

**逻辑过期方案**: 线程读取过程中不需要等待，性能好，有一个额外的线程持有锁去进行重构数据，但是在重构数据完成前，其他的线程只能返回之前的数据，且实现起来麻烦

#### 6.3 利用互斥锁解决缓存击穿问题代码 ####

核心思路：相较于原来从缓存中查询不到数据后直接查询数据库而言，现在的方案是 进行查询之后，如果从缓存没有查询到数据，则进行互斥锁的获取，获取互斥锁后，判断是否获得到了锁，如果没有获得到，则休眠，过一会再进行尝试，直到获取到锁为止，才能进行查询

如果获取到了锁的线程，再去进行查询，查询后将数据写入redis，再释放锁，返回数据，利用互斥锁就能保证只有一个线程去执行操作数据库的逻辑，防止缓存击穿

![1653357860001][]

**操作锁的代码：**

核心思路就是利用redis的`setnx`方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true， 如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。

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

**操作代码：**

public Shop queryWithMutex(Long id)  {
        
            String key = CACHE_SHOP_KEY + id;
            // 1、从redis中查询商铺缓存
            String shopJson = stringRedisTemplate.opsForValue().get("key");
            // 2、判断是否存在
            if (StrUtil.isNotBlank(shopJson)) {
        
                // 存在,直接返回
                return JSONUtil.toBean(shopJson, Shop.class);
            }
            //判断命中的值是否是空值
            if (shopJson != null) {
        
                //返回一个错误信息
                return null;
            }
            // 4.实现缓存重构
            //4.1 获取互斥锁
            String lockKey = "lock:shop:" + id;
            Shop shop = null;
            try {
        
                boolean isLock = tryLock(lockKey);
                // 4.2 判断否获取成功
                if(!isLock){
        
                    //4.3 失败，则休眠重试
                    Thread.sleep(50);
                    return queryWithMutex(id);
                }
                //4.4 成功，根据id查询数据库
                 shop = getById(id);
                // 5.不存在，返回错误
                if(shop == null){
        
                     //将空值写入redis
                    stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL,TimeUnit.MINUTES);
                    //返回错误信息
                    return null;
                }
                //6.写入redis
                stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),CACHE_NULL_TTL,TimeUnit.MINUTES);
    
            }catch (Exception e){
        
                throw new RuntimeException(e);
            }
            finally {
        
                //7.释放互斥锁
                unlock(lockKey);
            }
            return shop;
        }

#### 6.4 利用逻辑过期解决缓存击穿问题代码 ####

**需求：修改根据id查询商铺的业务，基于逻辑过期方式来解决缓存击穿问题**

思路分析：当用户开始查询redis时，判断是否命中，如果没有命中则直接返回空数据，不查询数据库，而一旦命中后，将value取出，判断value中的过期时间是否满足，如果没有过期，则直接返回redis中的数据，如果过期，则在开启独立线程后直接返回之前的数据，独立线程去重构数据，重构完成后释放互斥锁。

![1653360308731][]

如果封装数据：因为现在redis中存储的数据的value需要带上过期时间，此时要么你去修改原来的实体类，要么你

**步骤一、**

新建一个实体类，我们采用第二个方案，这个方案，对原来代码没有侵入性。

@Data
    public class RedisData {
        
        private LocalDateTime expireTime;
        private Object data;
    }

**步骤二、**

在**ShopServiceImpl** 新增此方法，利用单元测试进行缓存预热

![1653360807133][]

**在测试类中**

![1653360864839][]

步骤三：正式代码

**ShopServiceImpl**

private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
    public Shop queryWithLogicalExpire( Long id ) {
        
        String key = CACHE_SHOP_KEY + id;
        // 1.从redis查询商铺缓存
        String json = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isBlank(json)) {
        
            // 3.存在，直接返回
            return null;
        }
        // 4.命中，需要先把json反序列化为对象
        RedisData redisData = JSONUtil.toBean(json, RedisData.class);
        Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);
        LocalDateTime expireTime = redisData.getExpireTime();
        // 5.判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())) {
        
            // 5.1.未过期，直接返回店铺信息
            return shop;
        }
        // 5.2.已过期，需要缓存重建
        // 6.缓存重建
        // 6.1.获取互斥锁
        String lockKey = LOCK_SHOP_KEY + id;
        boolean isLock = tryLock(lockKey);
        // 6.2.判断是否获取锁成功
        if (isLock){
        
            CACHE_REBUILD_EXECUTOR.submit( ()->{
        
    
                try{
        
                    //重建缓存
                    this.saveShop2Redis(id,20L);
                }catch (Exception e){
        
                    throw new RuntimeException(e);
                }finally {
        
                    unlock(lockKey);
                }
            });
        }
        // 6.4.返回过期的商铺信息
        return shop;
    }

#### 6.5 封装Redis工具类 ####

基于StringRedisTemplate封装一个缓存工具类，满足下列需求：

*  方法1：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间
 *  方法2：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题
 *  方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题
 *  方法4：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑过期解决缓存击穿问题

将逻辑进行封装

@Slf4j
    @Component
    public class CacheClient {
        
    
        private final StringRedisTemplate stringRedisTemplate;
    
        private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
    
        public CacheClient(StringRedisTemplate stringRedisTemplate) {
        
            this.stringRedisTemplate = stringRedisTemplate;
        }
    
        public void set(String key, Object value, Long time, TimeUnit unit) {
        
            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, unit);
        }
    
        public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit unit) {
        
            // 设置逻辑过期
            RedisData redisData = new RedisData();
            redisData.setData(value);
            redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));
            // 写入Redis
            stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));
        }
    
        public <R,ID> R queryWithPassThrough(String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit){
        
            String key = keyPrefix + id;
            // 1.从redis查询商铺缓存
            String json = stringRedisTemplate.opsForValue().get(key);
            // 2.判断是否存在
            if (StrUtil.isNotBlank(json)) {
        
                // 3.存在，直接返回
                return JSONUtil.toBean(json, type);
            }
            // 判断命中的是否是空值
            if (json != null) {
        
                // 返回一个错误信息
                return null;
            }
    
            // 4.不存在，根据id查询数据库
            R r = dbFallback.apply(id);
            // 5.不存在，返回错误
            if (r == null) {
        
                // 将空值写入redis
                stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
                // 返回错误信息
                return null;
            }
            // 6.存在，写入redis
            this.set(key, r, time, unit);
            return r;
        }
    
        public <R, ID> R queryWithLogicalExpire(String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        
            String key = keyPrefix + id;
            // 1.从redis查询商铺缓存
            String json = stringRedisTemplate.opsForValue().get(key);
            // 2.判断是否存在
            if (StrUtil.isBlank(json)) {
        
                // 3.存在，直接返回
                return null;
            }
            // 4.命中，需要先把json反序列化为对象
            RedisData redisData = JSONUtil.toBean(json, RedisData.class);
            R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
            LocalDateTime expireTime = redisData.getExpireTime();
            // 5.判断是否过期
            if(expireTime.isAfter(LocalDateTime.now())) {
        
                // 5.1.未过期，直接返回店铺信息
                return r;
            }
            // 5.2.已过期，需要缓存重建
            // 6.缓存重建
            // 6.1.获取互斥锁
            String lockKey = LOCK_SHOP_KEY + id;
            boolean isLock = tryLock(lockKey);
            // 6.2.判断是否获取锁成功
            if (isLock){
        
                // 6.3.成功，开启独立线程，实现缓存重建
                CACHE_REBUILD_EXECUTOR.submit(() -> {
        
                    try {
        
                        // 查询数据库
                        R newR = dbFallback.apply(id);
                        // 重建缓存
                        this.setWithLogicalExpire(key, newR, time, unit);
                    } catch (Exception e) {
        
                        throw new RuntimeException(e);
                    }finally {
        
                        // 释放锁
                        unlock(lockKey);
                    }
                });
            }
            // 6.4.返回过期的商铺信息
            return r;
        }
    
        public <R, ID> R queryWithMutex(
                String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        
            String key = keyPrefix + 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
                return JSONUtil.toBean(shopJson, type);
            }
            // 判断命中的是否是空值
            if (shopJson != null) {
        
                // 返回一个错误信息
                return null;
            }
    
            // 4.实现缓存重建
            // 4.1.获取互斥锁
            String lockKey = LOCK_SHOP_KEY + id;
            R r = null;
            try {
        
                boolean isLock = tryLock(lockKey);
                // 4.2.判断是否获取成功
                if (!isLock) {
        
                    // 4.3.获取锁失败，休眠并重试
                    Thread.sleep(50);
                    return queryWithMutex(keyPrefix, id, type, dbFallback, time, unit);
                }
                // 4.4.获取锁成功，根据id查询数据库
                r = dbFallback.apply(id);
                // 5.不存在，返回错误
                if (r == null) {
        
                    // 将空值写入redis
                    stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
                    // 返回错误信息
                    return null;
                }
                // 6.存在，写入redis
                this.set(key, r, time, unit);
            } catch (InterruptedException e) {
        
                throw new RuntimeException(e);
            }finally {
        
                // 7.释放锁
                unlock(lockKey);
            }
            // 8.返回
            return r;
        }
    
        private boolean tryLock(String key) {
        
            Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
            return BooleanUtil.isTrue(flag);
        }
    
        private void unlock(String key) {
        
            stringRedisTemplate.delete(key);
        }
    }

在ShopServiceImpl 中

@Resource
    private CacheClient cacheClient;
    
     	@Override
        public Result queryById(Long id) {
        
            // 解决缓存穿透
            Shop shop = cacheClient
                    .queryWithPassThrough(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);
    
            // 互斥锁解决缓存击穿
            // Shop shop = cacheClient
            //         .queryWithMutex(CACHE_SHOP_KEY, id, Shop.class, this::getById, CACHE_SHOP_TTL, TimeUnit.MINUTES);
    
            // 逻辑过期解决缓存击穿
            // Shop shop = cacheClient
            //         .queryWithLogicalExpire(CACHE_SHOP_KEY, id, Shop.class, this::getById, 20L, TimeUnit.SECONDS);
    
            if (shop == null) {
        
                return Result.fail("店铺不存在！");
            }
            // 7.返回
            return Result.ok(shop);
        }

### 总结 ###

![1b446f757a774bafa82af87045a01816.jpeg][]

[07a96d80402c0644bb7bc0f9ffb0a4c4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/cf9f7018067c4cd69ebadd6403eaed78.png
[28595ff2a84d5b4be52333eff9b96629.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/72036aa411fe4bbda80bb35e1a80a694.png
[1653322097736]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/12c443580aba470fa5d0d75585ba3071.png
[1653322190155]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/96b7308838b940a5a6cb0ed2edb7f6d1.png
[1653322506393]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/5a0148bdb40644b4b7931369fcb8cbe0.png
[1653322857620]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/d59bbf1cc4574479bee016eb6520fc78.png
[1653323595206]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/f44c0865f41f4775ad0d0c5a8617c9fe.png
[92518340050d1597c35ab8053515c69f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/d01d23df3ae74d9995157c80f5b5fe79.png
[1653325871232]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/8458ea49de2c459195f476381af01a85.png
[3e660b12ba0421076b20d3f0f22542da.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/d20816326e1a4b5c96794c84797ad1a7.png
[df10d9504b437b965f2289b7a1c33e16.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/d3bc3d06635a47bbaf8b69d6aa8d35d1.png
[1653326156516]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/ff152d5bbf3340bfb4258e374ff4cf65.png
[1653327124561]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/6641a9d4130044d9aa03ca04a92c2835.png
[1653327884526]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/fe61d3545776485488b628cca9ca1387.png
[1ddc1c1211114b34ad2623fe48261e02.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/be802277e83d41728dcbed5e35cd252f.png
[3b049476aed84ea6b598ebcabb5ab19a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/ff024cc1cf9442bbb41ffdcca3245830.png
[1653328663897]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/31a61e58fd134e188ccae978b5fb04a4.png
[1653357522914]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/0f3b8dc9862541ad9fb5d3891a59c4a3.png
[1653357860001]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/fb75361159594fab82c65b540945ce25.png
[1653360308731]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/2c4a2774ee6141d796062b7c63af2ca3.png
[1653360807133]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/c2b48066e4a54e2ca90866a2bf1e3e81.png
[1653360864839]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/0a200f46b5c34686a8e7acc1b6ccb661.png
[1b446f757a774bafa82af87045a01816.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/f980f0cbb4ab4634987c2fff64609359.png