緩存可以說(shuō)是無(wú)處不在，比如：PC電腦中的內(nèi)存、CPU中有二級(jí)緩存、http協(xié)議中的緩存控制、CDN加速技術(shù) 無(wú)不都是使用了緩存的思想來(lái)解決性能問(wèn)題。

緩存是用于解決高并發(fā)場(chǎng)景下系統(tǒng)的性能及穩(wěn)定性問(wèn)題的銀彈。

本文主要是討論我們經(jīng)常使用的分布式緩存Redis在開發(fā)過(guò)程中需要考慮的問(wèn)題。

1. 如何將業(yè)務(wù)邏輯與緩存之間進(jìn)行解耦?

大部分情況，大家都是把緩存操作和業(yè)務(wù)邏輯之間的代碼交織在一起的，比如(代碼一)：

public UserServiceImpl implements UserService { 
    @Autowired 
    private RedisTemplate<String, User> redisTemplate; 
     
    @Autowired 
    private UserMapper userMapper; 
     
    public User getUserById(Long userId) { 
        String cacheKey = "user_" + userId; 
        User user = redisTemplate.opsForValue().get(cacheKey); 
        if(null != user) { 
            return user; 
        } 
        user = userMapper.getUserById(userId); 
        redisTemplate.opsForValue().set(cacheKey, user); // 如果user 為null時(shí)，緩存就沒(méi)有意義了 
        return user; 
    } 
     
    public void deleteUserById(Long userId) { 
        userMapper.deleteUserById(userId); 
        String cacheKey = "user_" + userId; 
        redisTemplate.opsForValue().del(cacheKey); 
    } 
} 

從上面的代碼可以看出以下幾個(gè)問(wèn)題：

1. 緩存操作非常繁瑣，產(chǎn)生非常多的重復(fù)代碼;
2. 緩存操作與業(yè)務(wù)邏輯耦合度非常高，不利于后期的維護(hù);
3. 當(dāng)業(yè)務(wù)數(shù)據(jù)為null時(shí)，無(wú)法確定是否已經(jīng)緩存，會(huì)造成緩存無(wú)法***;
4. 開發(fā)階段，為了排查問(wèn)題，經(jīng)常需要來(lái)回開關(guān)緩存功能，使用上面的代碼是無(wú)法做到很方便地開關(guān)緩存功能;
5. 當(dāng)業(yè)務(wù)越來(lái)越復(fù)雜時(shí)，使用緩存的地方越來(lái)越多時(shí)，很難定位哪些數(shù)據(jù)要進(jìn)行主動(dòng)刪除;
6. 如果不想用Redis，換用別的緩存技術(shù)的話，那是多么痛苦的一件事。

因?yàn)楦唏詈蠋?lái)的問(wèn)題還很多，就不一一列舉了。接下來(lái)介紹筆者開源的一個(gè)緩存管理框架：AutoLoadCache是如何幫助我們來(lái)解決上述問(wèn)題的。

借鑒于Spring cache的思想使用AOP + Annotation 等技術(shù)實(shí)現(xiàn)緩存與業(yè)務(wù)邏輯的解耦。我們?cè)儆肁utoLoadCache 來(lái)重構(gòu)上面的代碼，進(jìn)行對(duì)比(代碼二)：

public interface UserMapper { 
    @Cache(expire = 120, key = "'user_' + #args[0]") 
    User getUserById(Long userId); 
     
    @CacheDelete({ @CacheDeleteKey(value = "'user' + #args[0].id") }) 
    void updateUser(User user); 
} 
 
public UserServiceImpl implements UserService { 
     
    @Autowired 
    private UserMapper userMapper; 
     
    public User getUserById(Long userId) { 
        return userMapper.getUserById(userId); 
    } 
    @Transactional(rollbackFor=Throwable.class) 
    public void updateUser(User user) { 
        userMapper.updateUser(user); 
    } 
} 

AutoloadCache 在AOP攔截到請(qǐng)求后，大概的流程如下：

1. 獲取到攔截方法的@Cache注解，并生成緩存key;
2. 通過(guò)緩存key，去緩存中獲取數(shù)據(jù);

如果緩存***，執(zhí)行如下流程：

1. 如果需要自動(dòng)加載，則把相關(guān)信息保存到自動(dòng)加載隊(duì)列中;
2. 否則判斷緩存是否即將過(guò)期，如果即將過(guò)期，則會(huì)發(fā)起異步刷新;
3. ***把數(shù)據(jù)返回給用戶;

如果緩存沒(méi)有***，執(zhí)行如下流程：

1. 選舉出一個(gè)leader回到數(shù)據(jù)源中去加載數(shù)據(jù)，加載到數(shù)據(jù)后通知其它請(qǐng)求從內(nèi)存中獲取數(shù)據(jù)(拿來(lái)主義機(jī)制);
2. leader負(fù)責(zé)把數(shù)據(jù)寫入緩存;如果需要自動(dòng)加載，則把相關(guān)信息保存到自動(dòng)加載隊(duì)列中;
3. ***把數(shù)據(jù)返回給用戶;

這里提到的異步刷新、自動(dòng)加載、拿來(lái)主義機(jī)制，我們會(huì)在后面再說(shuō)明。

2. 對(duì)緩存進(jìn)行“包裝”

上面代碼一的例子中，當(dāng)從數(shù)據(jù)源獲取的數(shù)據(jù)為null時(shí)，緩存就沒(méi)有意義了，所獲取這個(gè)數(shù)據(jù)的請(qǐng)求，都會(huì)回到數(shù)據(jù)源去獲取數(shù)據(jù)。當(dāng)請(qǐng)求量非常大的話，會(huì)造成數(shù)據(jù)源負(fù)載過(guò)高而宕機(jī)。所以對(duì)于null的數(shù)據(jù)，需要做特殊處理，比如使用特殊字符串進(jìn)行替換。而在AutoloadCache中使用了一個(gè)包裝器對(duì)所有緩存數(shù)據(jù)進(jìn)行包裝(代碼三)：

public class CacheWrapper<T> implements Serializable, Cloneable { 
 
    private T cacheObject; // 緩存數(shù)據(jù) 
 
    private long lastLoadTime; // 加載時(shí)間 
 
    private int expire; // 緩存時(shí)長(zhǎng) 
     
    /** 
     * 判斷緩存是否已經(jīng)過(guò)期 
     * @return boolean 
     */ 
    public boolean isExpired() { 
        if(expire > 0) { 
            return (System.currentTimeMillis() - lastLoadTime) > expire * 1000; 
        } 
        return false; 
    } 
} 

在這上面的代碼中，除了封裝了緩存數(shù)據(jù)外，還封裝了數(shù)據(jù)加載時(shí)間和緩存時(shí)長(zhǎng)，通過(guò)這兩項(xiàng)數(shù)據(jù)，很容易判斷緩存是否即將過(guò)期或者已經(jīng)過(guò)期。

3. 如何提升緩存key生成表達(dá)式性能?

使用Annotation解決緩存與業(yè)務(wù)之間的耦合后，我們最主要的工作就是如何來(lái)設(shè)計(jì)緩存KEY了，緩存KEY設(shè)計(jì)的粒度越小，緩存的復(fù)用性也就越好。

上面例子中我們是使用Spring EL表達(dá)式來(lái)生成緩存KEY，有些人估計(jì)會(huì)擔(dān)心Spring EL表達(dá)式的性能不好，或者不想用Spring的情況該怎么辦?

框架中為了滿足這些需求，支持?jǐn)U展表達(dá)式解析器：繼承com.jarvis.cache.script. AbstractScriptParser后就可以任你擴(kuò)展。

框架現(xiàn)在除了支持Spring EL表達(dá)式外，還支持Ognl，javascript表達(dá)式。對(duì)于性能要求非常高的人，可以使用Ognl，它的性能非常接近原生代碼。

4. 如何解決緩存Key沖突問(wèn)題?

在實(shí)際情況中，可能有多個(gè)模塊共用一個(gè)Redis服務(wù)器或是一個(gè)Redis集群的情況，那么有可能造成緩存key沖突了。

為了解決這個(gè)問(wèn)題AutoLoadCache，增加了namespace。如果設(shè)置了namespace就會(huì)在每個(gè)緩存Key最前面增加namespace(代碼四)：

public final class CacheKeyTO implements Serializable { 
 
    private final String namespace; 
 
    private final String key;// 緩存Key 
 
    private final String hfield;// 設(shè)置哈希表中的字段，如果設(shè)置此項(xiàng)，則用哈希表進(jìn)行存儲(chǔ) 
 
    public String getCacheKey() { // 生成緩存Key方法 
        if(null != this.namespace && this.namespace.length() > 0) { 
            return new StringBuilder(this.namespace).append(":").append(this.key).toString(); 
        } 
        return this.key; 
    } 
} 

5. 壓縮緩存數(shù)據(jù)及提升序列化與反序列化性能

我們希望緩存數(shù)據(jù)包越小越好，能減少內(nèi)存占用，以及減輕帶寬壓力;同時(shí)也要考慮序列化與反序列化的性能。

AutoLoadCache為了滿足不同用戶的需要，已經(jīng)實(shí)現(xiàn)了基于JDK、Hessian、JacksonJson、Fastjson、JacksonMsgpack等技術(shù)序列化及反序列工具。也可以通過(guò)實(shí)現(xiàn)com.jarvis.cache.serializer.ISerializer 接口自行擴(kuò)展。

JDK自帶的序列化與反序列化工具產(chǎn)生的數(shù)據(jù)包非常大，而且性能也非常差，不建議大家使用;JacksonJson 和 Fastjson 是基于JSON的，所有用到緩存的函數(shù)的參數(shù)及返回值都必須是具體類型的，不能是不確定類型的(不能是Object, List等)，另外有些數(shù)據(jù)轉(zhuǎn)成Json是其一些屬性是會(huì)被忽略,存在這種情況時(shí)，也不能使用Json;

而Hessian 則是非常不錯(cuò)的選擇，非常成熟和穩(wěn)定性。阿里的dubbo和HSF兩個(gè)RPC框架都是使用了Hessian進(jìn)行序列化和返序列化。

6. 如何減少回源并發(fā)數(shù)?

當(dāng)緩存未***時(shí)，都需要回到數(shù)據(jù)源去取數(shù)據(jù)，如果這時(shí)有多個(gè)并發(fā)來(lái)請(qǐng)求相同一個(gè)數(shù)據(jù)(即相同緩存key請(qǐng)求)，都回到數(shù)據(jù)源加載數(shù)據(jù)，并寫緩存，造成資源極大的浪費(fèi)，也可能造成數(shù)據(jù)源負(fù)載過(guò)高而無(wú)法服務(wù)。

AutoLoadCache 使用拿來(lái)主義機(jī)制和自動(dòng)加載機(jī)制來(lái)解決這個(gè)問(wèn)題：

拿來(lái)主義機(jī)制

拿來(lái)主交機(jī)制，指的是當(dāng)有多個(gè)用戶請(qǐng)求同一個(gè)數(shù)據(jù)時(shí)，會(huì)選舉出一個(gè)leader去數(shù)據(jù)源加載數(shù)據(jù)，其它用戶則等待其拿到的數(shù)據(jù)。并由leader將數(shù)據(jù)寫入緩存。

自動(dòng)加載機(jī)制

自動(dòng)加載機(jī)制，將用戶請(qǐng)求及緩存時(shí)間等信息放到一個(gè)隊(duì)列中，后臺(tái)使用線程池定期掃這個(gè)隊(duì)列，發(fā)現(xiàn)緩存即將過(guò)期，則去數(shù)據(jù)源加載***的數(shù)據(jù)放到緩存中。達(dá)到將數(shù)據(jù)長(zhǎng)駐內(nèi)存的效果。從而將這些數(shù)據(jù)的請(qǐng)求，全部引向了緩存，而不會(huì)回到數(shù)據(jù)源去獲取數(shù)據(jù)。非常適合用于緩存使用非常頻繁的數(shù)據(jù)，以及非常耗時(shí)的數(shù)據(jù)。

為了防止自動(dòng)加載隊(duì)列過(guò)大，設(shè)置了容量限制;同時(shí)會(huì)將超過(guò)一定時(shí)間沒(méi)有用戶請(qǐng)求的也會(huì)從自動(dòng)加載隊(duì)列中移除，把服務(wù)器資源釋放出來(lái)，給真正需要的請(qǐng)求。

往緩存里寫數(shù)據(jù)的性能相比讀的性能差非常多，通過(guò)上面兩種機(jī)制，可以減少寫緩存的并發(fā)，提升緩存服務(wù)能力。

7. 異步刷新

AutoLoadCache 從緩存中獲取到數(shù)據(jù)后，借助于上面提到的CacheWrapper，能很方便判斷緩存是否即將過(guò)期， 如果即將過(guò)期，則會(huì)把發(fā)起異步刷新請(qǐng)求。

使用異步刷新的目的，提前將數(shù)據(jù)緩存起來(lái)，避免緩存失效后，大量請(qǐng)求穿透到數(shù)據(jù)源。

8. 支持多種緩存操作

大部分情況下，我們都是對(duì)緩存進(jìn)行讀與寫操作，可有時(shí)，我們只需要從緩存中讀取數(shù)據(jù)，或者只寫數(shù)據(jù)，那么可以通過(guò) @Cache 的 opType 指定緩存操作類型。現(xiàn)支持以下幾種操作類型：

1. READ_WRITE：讀寫緩存操:如果緩存中有數(shù)據(jù)，則使用緩存中的數(shù)據(jù)，如果緩存中沒(méi)有數(shù)據(jù)，則加載數(shù)據(jù)，并寫入緩存。默認(rèn)是READ_WRITE;
2. WRITE：從數(shù)據(jù)源中加載***的數(shù)據(jù)，并寫入緩存。對(duì)數(shù)據(jù)源和緩存數(shù)據(jù)進(jìn)行同步;
3. READ_ONLY： 只從緩存中讀取，并不會(huì)去數(shù)據(jù)源加載數(shù)據(jù)。用于異地讀寫緩存的場(chǎng)景;
4. LOAD ：只從數(shù)據(jù)源加載數(shù)據(jù)，不讀取緩存中的數(shù)據(jù)，也不寫入緩存。

另外在@Cache中只能靜態(tài)指寫緩存操作類型，如果想在運(yùn)行時(shí)調(diào)整操作類型，需要通過(guò)CacheHelper.setCacheOpType()方法來(lái)進(jìn)行調(diào)整。

9. 批量刪除緩存

在很多時(shí)候，數(shù)據(jù)查詢條件是比較復(fù)雜，我們無(wú)法獲取或還原要?jiǎng)h除的緩存key。

AutoLoadCache 為了解決這個(gè)問(wèn)題，使用Redis的hash表來(lái)管理這部分的緩存。把需要批量刪除的緩存放在同一個(gè)hash表中，如果需要需要批量刪除這些緩存時(shí)，直接把這個(gè)hash表刪除即可。這時(shí)只要設(shè)計(jì)合理粒度的緩存key即可。

通過(guò)@Cache的hfield設(shè)置hash表的key。

我們舉個(gè)商品評(píng)論的場(chǎng)景(代碼五)：

public interface ProuductCommentMapper { 
    @Cache(expire=600, key="'prouduct_comment_list_'+#args[0]", hfield = "#args[1]+'_'+#args[2]") 
    // 例如：prouductId=1, pageNo=2, pageSize=3 時(shí)相當(dāng)于Redis命令：HSET prouduct_comment_list_1 2_3  List<Long> 
    public List<Long> getCommentListByProuductId(Long prouductId, int pageNo, int pageSize); 
         
    @CacheDelete({@CacheDeleteKey(value="'prouduct_comment_list_'+#args[0].prouductId")})  
    // 例如：#args[0].prouductId = 1時(shí)，相當(dāng)于Redis命令: DEL prouduct_comment_list_1 
    public void addComment(ProuductComment comment) ; 
     
} 

如果添加評(píng)論時(shí)，我們只需要主動(dòng)刪除前3頁(yè)的評(píng)論(代碼六)：

public interface ProuductCommentMapper { 
    @Cache(expire=600, key="'prouduct_comment_list_'+#args[0]+'_'+#args[1]", hfield = "#args[2]") 
    public List<Long> getCommentListByProuductId(Long prouductId, int pageNo, int pageSize); 
         
    @CacheDelete({ 
        @CacheDeleteKey(value="'prouduct_comment_list_'+#args[0].prouductId+'_1'"), 
        @CacheDeleteKey(value="'prouduct_comment_list_'+#args[0].prouductId+'_2'"), 
        @CacheDeleteKey(value="'prouduct_comment_list_'+#args[0].prouductId+'_3'") 
    })  
    public void addComment(ProuductComment comment) ; 
     
} 

10. 雙寫不一致問(wèn)題

在“代碼二”中使用updateUser方法更新用戶信息時(shí)， 同時(shí)會(huì)主動(dòng)刪除緩存中的數(shù)據(jù)。 如果在事務(wù)還沒(méi)提交之前又有一個(gè)請(qǐng)求去加載用戶數(shù)據(jù)，這時(shí)就會(huì)把數(shù)據(jù)庫(kù)中舊數(shù)據(jù)緩存起來(lái)，在下次主動(dòng)刪除緩存或緩存過(guò)期之前的這一段時(shí)間內(nèi)，緩存中的數(shù)據(jù)與數(shù)據(jù)庫(kù)中的數(shù)據(jù)是不一致的。AutoloadCache框架為了解決這個(gè)問(wèn)題，引入了一個(gè)新的注解：@CacheDeleteTransactional (代碼七):

public UserServiceImpl implements UserService { 
     
    @Autowired 
    private UserMapper userMapper; 
     
    public User getUserById(Long userId) { 
        return userMapper.getUserById(userId); 
    } 
    @Transactional(rollbackFor=Throwable.class) 
    @CacheDeleteTransactional 
    public void updateUser(User user) { 
        userMapper.updateUser(user);  
    } 
}  

使用@CacheDeleteTransactional注解后，AutoloadCache 會(huì)先使用ThreadLocal緩存要?jiǎng)h除緩存KEY，等事務(wù)提交后再去執(zhí)行緩存刪除操作。其實(shí)不能說(shuō)是“解決不一致問(wèn)題”，而是緩解而已。

緩存數(shù)據(jù)雙寫不一致的問(wèn)題是很難解決的，即使我們只用數(shù)據(jù)庫(kù)(單寫的情況)也會(huì)存在數(shù)據(jù)不一致的情況(當(dāng)從數(shù)據(jù)庫(kù)中取數(shù)據(jù)時(shí)，同時(shí)又被更新了)，我們只能是減少不一致情況的發(fā)生。對(duì)于一些比較重要的數(shù)據(jù)，我們不能直接使用緩存中的數(shù)據(jù)進(jìn)行計(jì)算并回寫的數(shù)據(jù)庫(kù)中，比如扣庫(kù)存，需要對(duì)數(shù)據(jù)增加版本信息，并通過(guò)樂(lè)觀鎖等技術(shù)來(lái)避免數(shù)據(jù)不一致問(wèn)題。

11. 與Spring Cache的比較

AutoLoadCache 的思想其實(shí)是源自 Spring Cache，都是使用 AOP + Annotation ，將緩存與業(yè)務(wù)邏輯進(jìn)行解耦。區(qū)別在于：

1. AutoLoadCache 的AOP不限于Spring 中的AOP技術(shù)，即可以脫離Spring 生態(tài)使用，比如成功案例nutz;
2. Spring Cache不支持命名空間;
3. Spring Cache沒(méi)有自動(dòng)加載、異步刷新、拿來(lái)主義機(jī)制;
4. Spring Cache使用name 和 key的來(lái)管理緩存(即通過(guò)name和key就可以操作具體緩存了)，而AutoLoadCache 使用的是namespace + key + hfield 來(lái)管理緩存，同時(shí)每個(gè)緩存都可以指定緩存時(shí)間(expire)。也就是說(shuō)Spring Cache 比較適合用來(lái)管理Ehcache的緩存，而AutoLoadCache 更加適合管理Redis, Memcache，尤其是Redis，hfield 相關(guān)的功能都是針對(duì)它們進(jìn)行開發(fā)的(因?yàn)镸emcache不支持hash表，所以沒(méi)辦法使用hfield相關(guān)的功能)。
5. Spring Cache不能針對(duì)每個(gè)緩存Key，進(jìn)行設(shè)置緩存過(guò)期時(shí)間。而在緩存管理應(yīng)用中，不同的緩存其緩存時(shí)間要盡量設(shè)置為不同的。如果都相同的，那緩存同時(shí)失效的可能性會(huì)比較大些，這樣穿透到數(shù)據(jù)庫(kù)的可能性也就更大了，對(duì)系統(tǒng)的穩(wěn)定性是沒(méi)有好處的;
6. Spring Cache ***的缺點(diǎn)就是無(wú)法使用Spring EL表達(dá)式來(lái)動(dòng)態(tài)生成Cache name,而且Cache name是的必須在Spring 配置時(shí)指定幾個(gè)，非常不方便使用。尤其想在Redis中想精確清除一批緩存，是無(wú)法實(shí)現(xiàn)的，可能會(huì)誤刪除我們不希望被刪除的緩存;
7. Spring Cache只能基于Spring 中的AOP及Spring EL表達(dá)式來(lái)使用，而AutoloadCache 可以根據(jù)使用者的實(shí)際情況進(jìn)行擴(kuò)展;
8. AutoLoadCache中使用@CacheDeleteTransactional 來(lái)減少雙寫不一致問(wèn)題，而Spring Cache沒(méi)有相應(yīng)的解決方案;作者：家榆_77cd鏈接：http://www.jianshu.com/p/4f52d046c3d2來(lái)源：簡(jiǎn)書著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請(qǐng)聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請(qǐng)注明出處。