WEB 應用快取解析以及使用 Redis 實現分散式快取

低吟不作語發表於2020-09-22
Web快取Redis分散式

什麼是快取？

快取就是資料交換的緩衝區，用於臨時儲存資料（使用頻繁的資料）。當使用者請求資料時，首先在快取中尋找，如果找到了則直接返回。如果找不到，則去資料庫中查詢。快取的本質就是用空間換時間，犧牲資料的實時性，從而減輕資料庫壓力，儘可能提高吞吐量，有效提升響應速度。


快取的分類

快取的應用範圍十分廣泛，常見的有檔案快取、瀏覽器快取、資料庫快取等等。但今天我們著重關注的是 WEB 應用服務領域，根據快取與應用的耦合度，可以分為本地快取和分散式快取：

  • 本地快取

    指在應用中的快取元件，最大的優點是應用和快取是在同一個程式內部，請求快取速度快；同時，它的缺點也是因為快取跟應用程式耦合，多個應用程式無法直接共享快取，各應用或叢集的各節點都需要維護自己的單獨快取

  • 分散式快取

    指的是與應用分離的快取元件或服務，最大的優點是自身就是一個獨立的應用，與本地應用隔離，多個應用可直接共享快取


快取的特點

快取也是一個資料模型物件，那麼必然有它的一些特徵：

  • 命中率

    命中率 = 返回正確結果數 / 請求快取次數，命中率問題是快取中的一個非常重要的問題，它是衡量快取有效性的重要指標。命中率越高，表明快取的使用率越高。

  • 最大元素

    快取中可以存放的最大元素的數量，一旦快取中元素數量超過這個值，將會觸發快取清空策略。根據不同的場景合理設定最大元素值，可以在一定程度上提高快取的命中率，從而更有效的利用快取。


快取清空策略

快取的儲存空間有限制，當快取空間被用滿時，就需要快取清空策略來處理。常見的一般策略有：

  • 先進先出策略

    先進入快取的資料，在快取空間不足時會被優先被清理掉，以騰出新的空間接受新的資料。先進先出策略主要比較快取元素的建立時間，在資料實效性要求較高的場景下可選擇該類策略，優先保障最新資料可用

  • 最少使用策略

    無論是否過期，根據元素被使用的次數判斷，清除使用次數較少的元素。最少使用策略主要比較元素的命中次數，在保證高頻資料有效性場景下，可選擇該類策略

  • 最近最少使用策略

    無論是否過期，根據元素最後一次被使用的時間戳，清除最遠使用時間戳的元素。策略演算法主要比較元素最近一次被使用的時間。適用於熱點資料場景，優先保證熱點資料的有效性

此外，還有一些簡單策略，比如：

  • 根據過期時間判斷，清理過期時間最長的元素
  • 根據過期時間判斷，清理最近要過期的元素
  • 隨機清理
  • 根據關鍵字（或元素內容）清理等等

Redis 實現分散式快取

可以利用 Mybatis 自帶的本地快取，結合 Redis 實現分散式快取。主要思路是將 Mybatis 二級快取的存放地點從本地改為配置了 Redis 的遠端伺服器。

第一步，建立一個 SpringBoot 工程，整合 MyBatis 和 Redis，在 Mapper 檔案中加入 <cache/> 標籤開啟二級快取。

<cache/> 標籤預設採用 PrepetualCache，該類是 Cache 介面的實現類，維護一個 Map 來儲存資料。我們要作改造，就要自定義一個實現類並替換 <cache type="xxxx.RedisCache">

實現自定義 RedisCache

public class RedisCache implements Cache {

  	// 當前放入快取的 mapper 的 namespace，也是快取的唯一標識
    private final String id;

    public RedisCache(String id) {
        System.out.println("id:" + id);
        this.id = id;
    }


    /**
     * 返回 cache 的唯一標識
     */
    @Override
    public String getId() {
        return this.id;
    }

    /**
     * 快取放入值
     */
    @Override
    public void putObject(Object key, Object value) {
        System.out.println("放入快取");
        // 通過工具類獲取 redisTemplate
        RedisTemplate redisTemplate = getRedisTemplate();
        // 使用 redishash 型別作為快取儲存模型
        redisTemplate.opsForHash().put(id.toString(), key.toString(), value);
    }

    /**
     * 獲取快取中的值
     */
    @Override
    public Object getObject(Object key) {
        System.out.println("獲得快取");
        // 通過工具類獲取 redisTemplate
        RedisTemplate redisTemplate = getRedisTemplate();
        // 根據 key 從 redis 的 hash 型別中獲取資料
        return redisTemplate.opsForHash().get(id.toString(), key.toString());

    }

    /**
     * 根據指定的 key 刪除快取
     * 該方法為 mybatis 保留方法，預設沒有實現
     */
    @Override
    public Object removeObject(Object key) {
        System.out.println("根據指定的 key 刪除快取");
        return null;
    }

    @Override
    public void clear() {
        System.out.println("清空快取");
        // 通過工具類獲取 redisTemplate
        RedisTemplate redisTemplate = getRedisTemplate();
        // 清空 namespace
        redisTemplate.delete(id.toString());
    }

    /**
     * 計算快取數量
     */
    @Override
    public int getSize() {
        RedisTemplate redisTemplate = getRedisTemplate();
        return redisTemplate.opsForHash().size(id.toString()).intValue();
    }

    /**
     * 獲取 redisTemplate
     */
    private RedisTemplate getRedisTemplate() {
        RedisTemplate redisTemplate = (RedisTemplate) ApplicationContextUtils.getBean("redisTemplate");
        redisTemplate.setKeySerializer(new StringRedisSerializer());
        redisTemplate.setHashKeySerializer(new StringRedisSerializer());
        return redisTemplate;
    }
}

到此為止，使用 Redis 實現分散式快取的目標就完成了。還有一點要注意的是，涉及到多表查詢時，結果會包含另一個表的物件資訊。由於 Mybatis 二級快取清理只會清理自身 namespace 的快取，所以被包含的物件資訊不會被清理。如果此時表資訊發生改變，將導致資料不一致。解決辦法是每個 namespace 都使用同一個快取

<!-- 共享其他 namespace 的快取 -->
<cache-ref namespace="..."/>

快取穿透（擊穿）

客戶端查詢了一個資料庫中沒有的資料，導致快取在這種情況下無法利用（資料庫都沒有則快取更不可能有了）。此情況下可繞過快取直接攻擊資料庫。

對於這種惡意訪問，一種思路是先做校驗，對惡意資料直接過濾掉，不要傳送至資料庫層；第二種思路是快取空結果，就是對查詢不存在的資料也記錄在快取中，這樣就可以有效的減少查詢資料庫的次數。MyBatis 正是使用了第二種方式。


快取雪崩

在系統執行的某一時刻，快取全部失效，恰好這一時刻湧來大量客戶端請求，導致資料庫阻塞或掛起。導致快取失效的原因有很多，常見的是快取到了失效時間（所有的快取設定了同樣的過期時間），而沒有作合適的處理。

要解決這個問題，一種方式是設定快取永久儲存（不推薦），另一種方式是針對不同業務資料設定不同的超時時間，防止集體失效。


相關文章