1、缓存定义

高速数据存储层，提高程序性能

2、为什么要用缓存（读多写少，高并发）

1、提高读取吞吐量

2、提升应用程序性能

3、降低数据库成本

4、减少后端负载

5、消除数据库热点

6、可预测的性能

3、缓存分类

3.1、单机缓存（localCache）

实现方案

1、基于JSR107规范自研（了解即可）：

1、Java Caching定义了5个核心接口，分别是CachingProvider, CacheManager, Cache, Entry 和 Expiry。
2、CachingProvider定义了创建、配置、获取、管理和控制多个CacheManager。一个应用可以在运行期访问多个CachingProvider。
3、CacheManager定义了创建、配置、获取、管理和控制多个唯一命名的Cache，这些Cache存在于CacheManager的上下文中。一个CacheManager仅被一个CachingProvider所拥有。
4、Cache是一个类似Map的数据结构并临时存储以Key为索引的值。一个Cache仅被一个CacheManager所拥有。
5、Entry是一个存储在Cache中的key-value对。
每一个存储在Cache中的条目有一个定义的有效期，即Expiry Duration。
一旦超过这个时间，条目为过期的状态。一旦过期，条目将不可访问、更新和删除。缓存有效期可以通过ExpiryPolicy设置。

2、基于ConcurrentHashMap实现数据缓存

3.2、分布式缓存（redis、Memcached）

4、单机缓存

1、自己实现一个单机缓存

创建缓存类

/*** @author yinfeng* @description 本地缓存实现：用map实现一个简单的缓存功能* @since 2022/2/8 13:54*/public class MapCacheDemo {/*** 在构造函数中，创建了一个守护程序线程，每5秒扫描一次并清理过期的对象*/private static final int CLEAN_UP_PERIOD_IN_SEC = 5;/*** ConcurrentHashMap保证线程安全的要求* SoftReference <Object>  作为映射值，因为软引用可以保证在抛出OutOfMemory之前，如果缺少内存，将删除引用的对象。*/private final ConcurrentHashMap<String, SoftReference<CacheObject>> cache = new ConcurrentHashMap<>();public MapCacheDemo() {//创建了一个守护程序线程，每5秒扫描一次并清理过期的对象Thread cleanerThread = new Thread(() -> {while (!Thread.currentThread().isInterrupted()) {try {Thread.sleep(CLEAN_UP_PERIOD_IN_SEC * 1000);cache.entrySet().removeIf(entry -> Optional.ofNullable(entry.getValue()).map(SoftReference::get).map(CacheObject::isExpired).orElse(false));} catch (InterruptedException e) {Thread.currentThread().interrupt();}}});cleanerThread.setDaemon(true);cleanerThread.start();}public void add(String key, Object value, long periodInMillis) {if (key == null) {return;}if (value == null) {cache.remove(key);} else {long expiryTime = System.currentTimeMillis() + periodInMillis;cache.put(key, new SoftReference<>(new CacheObject(value, expiryTime)));}}public void remove(String key) {cache.remove(key);}public Object get(String key) {return Optional.ofNullable(cache.get(key)).map(SoftReference::get).filter(cacheObject -> !cacheObject.isExpired()).map(CacheObject::getValue).orElse(null);}public void clear() {cache.clear();}public long size() {return cache.entrySet().stream().filter(entry -> Optional.ofNullable(entry.getValue()).map(SoftReference::get).map(cacheObject -> !cacheObject.isExpired()).orElse(false)).count();}/*** 缓存对象value*/private static class CacheObject {private Object value;private final long expiryTime;private CacheObject(Object value, long expiryTime) {this.value = value;this.expiryTime = expiryTime;}boolean isExpired() {return System.currentTimeMillis() > expiryTime;}public Object getValue() {return value;}public void setValue(Object value) {this.value = value;}}}

写个main方法测试一下

public static void main(String[] args) throws InterruptedException {MapCacheDemo mapCacheDemo = new MapCacheDemo();mapCacheDemo.add(\"uid_10001\", \"{1}\", 5 * 1000);mapCacheDemo.add(\"uid_10002\", \"{2}\", 5 * 1000);System.out.println(\"从缓存中取出值:\" + mapCacheDemo.get(\"uid_10001\"));Thread.sleep(5000L);System.out.println(\"5秒钟过后\");// 5秒后数据自动清除了System.out.println(\"从缓存中取出值:\" + mapCacheDemo.get(\"uid_10001\"));}

2、谷歌guava cache缓存框架

2.1、简介

Guava Cache是一个内存缓存模块，用于将数据缓存到jvm内存中，是单个应用运行时的本地缓存，他不将数据放到文件或外部服务器。

2.2 简单使用

/*** @author yinfeng* @description guava测试，https://github.com/google/guava* @since 2022/2/8 14:13*/public class GuavaCacheDemo {public static void main(String[] args) throws ExecutionException {//缓存接口这里是LoadingCache，LoadingCache在缓存项不存在时可以自动加载缓存LoadingCache<String, User> userCache//CacheBuilder的构造函数是私有的，只能通过其静态方法newBuilder()来获得CacheBuilder的实例= CacheBuilder.newBuilder()//设置并发级别为8，并发级别是指可以同时写缓存的线程数.concurrencyLevel(8)//设置写缓存后8秒钟过期.expireAfterWrite(8, TimeUnit.SECONDS)//设置写缓存后1秒钟刷新.refreshAfterWrite(1, TimeUnit.SECONDS)//设置缓存容器的初始容量为10.initialCapacity(10)//设置缓存最大容量为100，超过100之后就会按照LRU最近虽少使用算法来移除缓存项.maximumSize(100)//设置要统计缓存的命中率.recordStats()//设置缓存的移除通知.removalListener(notification -> System.out.println(notification.getKey() + \" 被移除了，原因： \" + notification.getCause()))//build方法中可以指定CacheLoader，在缓存不存在时通过CacheLoader的实现自动加载缓存.build(new CacheLoader<String, User>() {@Overridepublic User load(String key) {System.out.println(\"缓存没有时，从数据库加载\" + key);// TODO jdbc的代码~~忽略掉return new User(\"yinfeng\" + key, key);}});// 第一次读取for (int i = 0; i < 20; i++) {User user = userCache.get(\"uid\" + i);System.out.println(user);}// 第二次读取for (int i = 0; i < 20; i++) {User user = userCache.get(\"uid\" + i);System.out.println(user);}System.out.println(\"cache stats:\");//最后打印缓存的命中率等 情况System.out.println(userCache.stats().toString());}@Data@AllArgsConstructorpublic static class User implements Serializable {private String userName;private String userId;@Overridepublic String toString() {return userId + \" --- \" + userName;}}}

5、分布式缓存

5.1 redis

5.1.1 介绍

Redis是一个开源的使用C语言缩写、支持网络、可基于内存亦可持久化的日志型，Key-Value数据库，并提供多种语言的API。

本质是客户端-服务端应用软件程序。

特点是使用简单,性能强悍,功能应用场景丰富。

5.1.2通用命令

5.1.3 数据结构

1. String

定义

String数据结构是简单的key-value类型，value其实不仅是String，也可以是数字。

使用场景：微博数，粉丝数(常规计数)

常用命令

2. List

定义

List就是链表，依赖于链表结构

使用场景：微博的关注列表，粉丝列表

常用命令

3. Set

定义

Set就是一个集合，集合的概念就是一堆不重复值的组合。利用Reds提供的Set数据结构，可以存储一些集合性的数据。

使用场景：实现如共同关注，共同喜好，二度好友

常用命令

4. Sorted set

定义

Sorted set的使用场景与set类似，区别是set不是自动有序的，而sorted set可以通过用户额外提供一个优先级（score）的参数来为成员排序，并且是插入有序的，即自动排序。

使用场景：排行榜、按照用户投票和时间排序

常用命令

5. Hash

定义

Hash是一个sting类型的field和value的映射表

使用场景：存储部分变更数据，如用户信息

常用命令

6. GEO

定义

GEO3.2版本开始对GEO(地理位置)的支持

使用场景：LBS应用开发

常用命令

7. Stream

定义

Stream5.0版本开始的新结构“流”

使用场景:消费者生产者场景(类似MO)

常用命令

5.1.4 持久化机制

1. 介绍

redis的数据都存放在内存中，如果没有配置持久化，重启后数据就全丢失，于是需要开启redis的持久化功能，将数据保存到磁盘上，当redis重启后,可以从磁盘中恢复数据

2. 持久化方式

1. RDB持久化：RDB持久化方式能够在指定的时间间隔对你的数据进行快照存储
2. AOF持久化： AOF持久化方式记录每次对服务器写的操作,当服务器重后的时候会重新执行这些命令来恢复原始的数据

3.RDB方式

客户端直接通过命令BGSAVE或者SAVE来创建一个内存快照：

1. BGSAVE调用fork来创建一个子进程，子进程负责将快照写入磁盘,而父进程仍然继续处理命令。
2. SAVE执行SAVE命令过程中,不再响应其他命令。

在redis.conf中调整save配置选项，当在规定的时间内，redis发生了写操作的个数满足条件会触发BGSAVE命令

#900秒之内至少一次写操作save 900 1#300秒之内至少发生10次写操作save 300 10

优缺点

4. AOF持久化方式

开启AOF持久化

appendonty yes

AOF策略调整

#每次有数据修改发生时都会写入AOF文件appendfsync always#每秒钟同步一次,该策略为AOF的默认策略appendfsync everysec#从不同步。高效但是数据不会被持久化appendfsync no

优点

5.1.5 内存管理

1、内存分配

不同数据类型的大小限制：

Strings类型：一个Strings类型的Value最大可以存储512M。

Lists类型：list的元素个数最多为2^32-1个

Sets类型：元素个数最多为2^32-1个

Hashes类型：键值对个数最多为2^32-1个

最大内存控制：

maxmemory 最大内存阈值

maxmemory-policy 到达阈值的执行策略

2、内存压缩

#配置字段最多512个hash-max-zipmap-entries 512#配置value最大为64字节hash-max-zipmap-value 64#配置元素个数最多512个lst-max-zipmap-entries 512#配置value最大为64字节list-max-zipmap-value 64#配置元素个数最多512个set-max-zipmap-entries 512

大小超出压缩范围，溢出后redis将自动将其转换为正常大小

3、过期数据的处理策略

主动处理(redis主动触发检测key足否过期)每秒抗行10次。过程如下：

1. 从具有相关过期的key集合中测试20个随机key
2. 删除找到的所有已过期key
3. 如果超过25%的key已过期,请从步骤1重新开始

被动处理:

1. 每次访问key的时候，发现超时后被动过期，清理掉

数据恢复阶段过期数据的处理策略：

RDB方式：过期的Key不会被持久化到文件中。载入时过期的key，会通过redis的主动和被动方式清理掉。

AOF方式：每次遇到过期的key，redis会追加一条DEL命令到AOF文件，也就是说只要我们顺序载入执行AOF命令文件就会删除过期的key

注意：过期数据的计算和计算机本身的时间是有直接联系的!

Redis内存回收策略：

配置文件中设置：maxmemory-poIicy noeviction

命令动态调整：config set maxmemory-policy noeviction

4、LRU算法

LRU(最近最少使用)：根据数据的历史访问记录来进行沟汰数据

核心思想：如果数据最近被访问过，那么将来被访问的几率也更高。

注意：Redis的LRU算法并非完整的实现，完整的LRU实现需要太多的内存。

方法：通过对少量keys进行取样(50%)，然后回收其中一个最好的key。

配置方式：maxmemory-samples 5

5、LFU算法

LFU：根据数据的历史访问频率来沟汰数据

核心思想：如果数据过去被访问多次,那么将来被访问的频率也更高。

启用LFU算法后，可以使用热点数据分析功能。

5.1.6 主从复制

1、介绍

为什么要主从复制

redis-server单点故障

单节点QPS有限

应用场景分析

读写分离场景，规避redis单机瓶颈

故障切换，master出问题后还有slave节点可以使用

2、搭建主从复制

主Redis Server以普通模式启动，主要是启动从服务器的方式

1. 命令行

   #连接需要实现从节点的rediS,执行下面的命令slaveof [ip] [port]

2. redis.conf配置文件

   #配置文件中增加slaveof [ip] [port]#从服务器是否只读(默认yes)slave-read-only yes

3. 退出主从集群的方式

   slaveof no one

3、检查主从复制

#redis客户端执行info replication

4、主从复制流程

1. 从服务器通过psync命令发送服务器已有的同步进度(同步源ID，同步进度offset)
2. master收到请求，同步源为当前master，则根据偏移量增量同步
3. 同步源非当前master，则进入全量同步：maser生成rdb，传输到slave，加载到slave内存

5、主从复制核心知识

1. Redis默认使用异步复制，slave和master之间异步地确认处理的数据量
2. 一个master可以拥有多个slave
3. Slave可以接受其他slave的连接。slave可以有下级sub slave
4. 主从同步过程在master侧是非阻塞的
5. slave初次同步需要删除旧数据，加载新数据，会阻塞到来的连接请求

6、应用场景

1. 主从复制可以用来支持读写分离
2. slave服务器设定为只读，可以用在数据安全的场景下。
3. 可以使用主从复制来避免master持久化造成的开销。master关闭持久化，slave设置为不定期保存或开启AOF
4. 注意：重新启动的master程序将从一个空数据集开始,如果一个slave试图与它同步，那么这个slave也会被清空。

7、注意事项

1. 读写分离场景:

   数据复制延时导致读到过期数据或者读不到数据(网络原因，slave阻塞)

   从节点故障(多个client如何迁移)

2. 全量复制情况下:

   第一次建立主从关系或者runid不匹配会导致全量复制

   故障转移的时候也会出现全量复制

3. 复制风暴:

   master故障重启，如果slave节点过多，所有slave都要复制，对服务器的性能，网络的压力都有很大影响。

   如果一个机器部署了多个master

4. 写能力有限

   主从复制还是只有一台master，提供的写服务能力有限

5. master故障情况下:

   如果是mater无持久化，Slave开启持久化来保留数据的场展，建议不要配置redis自动重启。

   启动redis自动重启，master启动后，无备份数据，可能导致集群数据丢失的情况

6. 带有效期的key:

   Slave不会让key过期，而是等待master让key过期

   在Lua脚本执行期间，不执行任何key过期操作

5.1.7 哨兵模式

1、哨兵(Sentinel)机制核心作用

2、核心运作流程

服务发现和健康检查流程

搭建redis主从集群 ==> 启动哨兵(客户端通过哨兵发现Redis实例信息) ==> 哨兵通过连接master发现主从集群内的所有实例信息 ==> 哨兵监控redis实例的健康状况

故障切换流程

哨兵一旦发现master不能正常提供服务，则通知给其他哨兵 ==> 当一定数量的哨兵都认为master挂了 ==> 选举一个哨兵作为故障转移的执行者 ==> 执行者在slave中选取一个作为新的master ==> 将其他slave重新设定为新master的从属

3、哨兵如何知道Redis主从信息

哨兵配置文件中，保存着主从集群中master的信息，可以通过info replication命令，进行主从信息自动发现。

4、什么是主观下线(sdown)

主观下线：单个哨兵自身认为redis实例已经不能提供服务

检测机制：哨兵向redis发送ping请求，+PONG，-LOADING，-MASTERDOWN三种情况视为正常，其他回复均视为无效

对应配置文件的配置项：sentinel down-after-milliseconds mymaster 1000

5、什么是客观下线(odown)

客观下线：一定数量值的哨兵认为master已经下线。

检测机制：当哨兵主观认为maser下线后，则会通过SENTINEL is-master-down-by-addr命令询问其他哨兵是否认为master已经下线，如果达成共识（达到quorum个数），就会认为master节点客观下线，开始故障转移流程

对应配置文件的配置项：sentinel monitor mymaster 1.0.0.1 6380 2

6、哨兵之间如何通信

1. 哨兵之间的自动发现：发布自己的信息，订阅其他哨兵消息（pub/sub）
2. 哨兵之间通过命令进行通信：直连发送命令
3. 哨兵之间通过订阅发布进行通信：相互订阅指定主题（pub/sub）

7、哨兵领导选举机制

基于Raft算法实现的选举机制，流程简述如下:

1. 拉票阶段：每个哨兵节点希望自己成为领导者;
2. Sentinel节点收到拉票命令后，如果没有收到或同意过其他sentinel节点的请求，就同意该sentinel节点的请求(每个sentinel只持有一个同意票数)
3. 如果sentinel节点发现自己的票数已经超过一半的数值，那么它将成为领导者，去执行故障转移
4. 投票结束后，如果超过failover-timeout的时间内，没进行实际的故障转移操作，则重新拉票选举。

8、slave选举方案

slave节点状态 > 优先级 > 数据同步情况 > 最小的run id

9、最终主从切换的过程

针对即将成为master的slave节点，将其撒出主从集群，自动执行：slaveof NO ONE

针对其他slave节点，使它们成为新master的从属，自动执行：slaveof new_master_host new_master_port

10、哨兵服务部署方案

不推荐：一主一从，两个哨兵

推荐：一主两从，三个哨兵

redis集群非强一致：一主两从,网络分区下可能出现数据不一致或丢失。

5.1.8 redis集群分片存储

1、为什么要分片存储

redis的内存需求可能超过机器的最大内存。(一台机器不够用)

2、官方集群方案

redis cluster是redis的分布式集科解决方案，在3.0版本推出后有效地解决了redis分布式分面的需求，实现了数据在多个Redis节点之间自动分片,故障自动转移,扩容机制等功能。

主要基于CRC16(key) % 16384 计算出每个key对应的slot，然后根据redis集群中实例的预设槽slot（16384个）进行对应的操作，slot不存储数据，仅仅用来做片区划分。

3、搭建集群

1. 准备6个独立的redis服务
2. 通过redis-cli工具创建集群
3. 检验集群
4. 故障转移测试
5. 集群扩容
6. 集群节点删除

4、集群关心的问题

1. 增加了slot槽的计算,是不是比单机性能差?

   不是的，为了避免每次都需要服务器计算重定向，优秀的Java客户端都实现了本地计算，并且缓存服务器slots分配，有变动时再更新本地内容，从而避免了多次重定向带来的性能损耗。

2. redis集群大小,到底可以装多少数据?

   理论是可以做到16384个槽，每个槽对应一个实例，但是redis宫方建议是最大1000个实例，因为存储已经足够大了。

3. 集群节点间是怎么通信的?

   每个Redis群集节点都有一个额外的TCP端口，每个节点使用TCP连接与每个其他节点连接。检测和故障转移这些步骤基本和哨兵模式类似。

4. ask和moved重定向的区别

   重定向包括两种情况

   若确定slot不属于当前节点，redis会返回moved。

   若当前redis节点正在处理slot迁移，则代表此处请求对应的key暂时不在此节点，返回ask，告诉客户端本次请求重定向。

5. 数据倾斜和访问倾斜的问题

   倾斜导致集群中部分节点数据多，压力大。解决方案分为前期和后期:

   前期是业务层面提前预测，哪些key是热点，在设计的过程中规避。

   后期是slot迁移，尽量将压力分摊(slot调整有自动rebalance、reshard和手动)。

6. slot手动迁移怎么做?

   在迁移目的节点执行cluster setslot IMPORTING 命令，指明需要迁移的slot和迁移源节点。

7. 在迁移源节点执行cluster setslot MIGRATING 命令，指明需要迁移的slot和迁移目的节点。
8. 在迁移源节点执行cluster getkeysinslot获取该slot的key列表
9. 在迁移源节点执行对每个key执行migrate命令，该命令会同步把该key迁移到目的节点。
10. 在迁移源节点反复执行cluster getkeysinslo命令，直到该slot的列表为空。
11. 在迁移源节点和目的节点执行cluster setslot NODE ，完成迁移操作。

5.1.9 redis监控

1、monitor命令

monitor是一个调试命令，返回服务器处理的每个命令。对于发现程序的错误非常有用。出于安全考虑，某些特殊管理命令CONFIG不会记录到MONITOR输出。

注意：运行一个MONITOR命令能够降低50%的吞吐量，运行多个MONITOR命令降低的吞吐量更多。

2、info命令

INFO命令以一种易于理解和阅读的格式，返回关于Redis服务器的各种信息和统计数值。

可以通过section返回部分信息，如果没有使用任何参数时，默认为detault。

3、图形化监控工具： Redis-Live

5.2 memcached入门

由于memcached慢慢淡出了人们的视野，使用的公司越来越少，所以这里只是做个入门介绍。

1、简介

是一个免费开源的、高性能的、具有分布式内存对象的缓存系统，它通过减轻数据库负载加速动态web应用。

本质上就是一个内存key-Value缓存

协议简单，使用的是基于文本行的协议

不支持数据的持久化，服务器关闭之后数据全部丢失

Memcached简洁而强大，便于快速开发，上手较为容易

没有安全机制

2、设计理念

1. 简单的键/值存储：服务器不关心你的数据是什么样的，只管数据存储

2. 服务端功能简单，很多逻辑依赖客户端实现

   客户端专注如何选择读取或写入的服务器，以及无法联系服务器时要执行的操作。

   服务器专注如何存储和管理何时清除或重用内存

3. Memcached实例之间没有通信机制

4. 每个命令的复杂度为0(1)：慢速机器上的查询应该在1ms以下运行。高端服务器的吞吐量可以达到每秒数百万

5. 缓存自动清除机制

6. 缓存失效机制

3、常用命令

4、客户端使用

客户端支持的特性：集群下多服务器选择，节点权重配置，失败/故障转移，数据压缩，连接管理

5、服务端配置

1. 命令行参数

   查看memcached-h或man memcached获取最新文档

2. init脚本

   如果通过yum应用商店安装，可以使用/etc/sysconfig/memcached文件进行参数配置

3. 检查运行配置

   stats settings查看运行中的memcached的配置

6、memcached性能

Memcached性能的关键是硬件，内部实现是hash表，读写操作都是0(1)。硬件好，几百万的OPS都是没问题的。

最大连接数限制：内部基于事件机制(类似JAVA NIO)所以这个限制和nio类似，只要内存，操作系统参数进行调整，轻松几十万。

集群节点数量限制：理论是没限制的，但是节点越多，客户端需要建立的连接就会越多。

注意：memcached服务端没有分布式的功能，所以不论是集群还是主从备份，都需要第三方产品支持。

7、服务器硬件需要

CPU要求：CPU占用率低，默认为4个工作线程

内存要求：

memcached内容存在内存里面，所有内存使用率高。

建议memcached实例独占服务器,而不是混用。

建议每个memcached实例内存大小都足一致的，如果不一致则需要进行权重调整

网络要求：

根据项目传输的内容来定，网络越大越好，虽然通常10M就够用了

建议:项目往memcached传输的内容保持尽可能的小

8、Memcached应用场景

1. 数据查询缓存：将数据库中的数据加载到memcached，提供程序的访问速度
2. 计数器的场景：通过incr/decr命令实现评论数量、点击数统计，操作次数等等场景。
3. 乐观锁实现：例如计划任务多实例部暑的场景下，通过CAS实现不重复执行
4. 防止重复处理：CAS命令

5.3 互联网高并发缓存架构

5.3.1 缓存架构分析图

5.3.2 缓存雪崩

定义：因为缓存服务挂掉或者热点缓存失效，从而导致所有请求都去查数据库，导致数据库连接不够用或者数据库处理不过来，从而导致整个系统不可用。

常用解决方案：

1. 缓存数据的过期时间设置随机，防止同一时间大量数据过期现象发生。
2. 缓存降级，直接返回错误码；
3. 加锁实现防止大量请求堆到数据库。
4. 设置热点数据永远不过期，防止了自动失效的情况，通过其他后台检查程序，防止缓存数据和数据库长期不同步

5.3.2 缓存击穿

定义：查询必然不存在的数据，请求透过Redis，直击数据库。

常用解决方案：

1. 用户内容预生成。
2. 访问频率限制。
3. 缓存中无数据，也不查询数据库，直接返回错误码。
4. 布隆过滤器