前言
让我们来聊一下数据缓存，它是如何为我们带来快速的数据响应的。
你知道吗，为了提高数据的读取速度，我们通常会引入数据缓存。
但是，你知道吗，不是所有的数据都适合缓存，有些数据更适合直接从数据库查询。
现在，我们就来一起讨论一下，什么样的数据适合直接从数据库查询，什么样的数据适合从缓存中读取。
这将有助于我们更好地利用缓存，提高系统的性能。让我们开始吧！
一、影响因素
当涉及到数据查询和缓存时，有几个因素可以考虑来确定什么样的数据适合直接从数据库查询，什么样的数据适合从缓存中读取。
- 访问频率：如果某个数据被频繁访问，且对实时性要求不高，那么将其缓存在内存中会显著提高响应速度。这样的数据可以是经常被查询的热点数据，比如网站的热门文章、商品信息等。
- 数据更新频率：如果某个数据经常发生更新，那么将其缓存可能导致缓存和数据库中的数据不一致。对于这种情况，最好直接从数据库中查询最新数据。比如用户个人信息、订单状态等经常变动的数据。
- 数据大小：较大的数据对象，如图片、视频等，由于其体积较大，将其缓存到内存中可能会占用大量资源。这种情况下，可以将这些数据存储在分布式文件系统或云存储中，并通过缓存存储其访问路径或标识符。
- 数据一致性：一些数据在不同地方的多个副本可能会导致一致性问题。对于需要保持强一致性的数据，建议直接从数据库查询。而对于可以容忍一定程度的数据不一致的场景，可以考虑将数据缓存。
- 查询复杂度：某些复杂的查询操作可能会消耗大量的计算资源和时间，如果这些查询结果需要频繁访问，可以将其缓存，避免重复计算，提高响应速度。
需要注意的是，数据缓存并非适用于所有情况。缓存的使用需要谨慎，需要权衡数据的实时性、一致性和存储成本等方面的需求。此外，对于缓存数据的更新和失效策略也需要考虑，以确保缓存数据的准确性和及时性。
综上所述，数据适合直接从数据库查询还是缓存读取，取决于数据的访问频率、更新频率、大小、一致性要求和查询复杂度等因素。在实际应用中，需要根据具体情况进行综合考虑和合理选择。
二、db or redis or local
1.db
- 查询复杂度低
- 字段少
- sql执行效率高
- 实时性高
通常数据库适合查询字典类型数据，如类似 key value 键值对，数据更新频繁，实时性高的数据。
对于sql效率高的查询，redis查询不一定比db查询快。
2.redis
- 查询复杂度高
- 字段相对不多
- 实时性低
Redis适合查询复杂度较高、实时性要求较低的数据。当SQL查询效率较低，或者需要进行字段code和value的转换存储时，Redis可以提供更高效的查询方式。
不过，需要注意的是，Redis的主要瓶颈在于数据的序列化和反序列化过程。如果数据量较大，包含大量字段或者数据量巨大，那么Redis的查询速度可能不一定比数据库快，当然此时数据库本身执行效率也低。
在这种情况下，我们需要综合考虑数据的复杂度、实时性要求以及数据量的大小，选择最适合的查询方式。
有时候，可能需要在数据库和Redis之间进行权衡和折中，以找到最佳的性能和效率平衡点。因此，为了提高查询速度，我们需要根据具体的业务需求和数据特性，选择合适的存储和查询方案。
3. local
- 查询复杂度高
- 字段多
- 实时性低
本地缓存通常是最快的。它可以在内存中直接读取数据，速度非常快。然而，由于受限于内存大小，本地缓存的数据量是有限的。
对于那些数据库和Redis难以处理的大型数据，我们可以考虑使用本地缓存。通过将一部分频繁访问的数据存储在本地缓存中，可以大大提高系统的响应速度。
这样，我们可以在不牺牲太多内存资源的情况下，快速获取到需要的数据。当然，需要注意的是，由于本地缓存的数据是存储在内存中的，所以在服务器重启或缓存过期时，需要重新从数据库或Redis中加载数据到本地缓存中。
因此，在使用本地缓存时，需要权衡数据的大小、更新频率以及内存资源的限制，以获得最佳的性能和可用性。
三、redisson 和 CaffeineCache 封装
提供缓存查询封装，查询不到时直接查数据库后存入缓存。
3.1 redisson
- 3.1.1 maven
org.redissonredisson-spring-boot-starter
- 3.1.2 封装
import cn.hutool.core.util.ObjectUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONUtil;
import com.cuzue.common.core.exception.BusinessException;
import com.cuzue.dao.cache.redis.RedisClient;
import org.redisson.api.RBucket;
import org.redisson.api.RKeys;
import org.redisson.api.RedissonClient;
import java.util.List;
import java.util.concurrent.TimeUnit;
import java.util.function.Supplier;
public class RedisCacheProvider {
private static RedissonClient redissonClient;
public RedisCacheProvider(RedissonClient redissonClient) {
this.redissonClient = redissonClient;
}
/**
* 从redissonClient缓存中取数据，如果没有，查数据后存入
*
* @param key redis key
* @param dataFetcher 获取数据
* @param ttl 缓存时间
* @param timeUnit 缓存时间单位
* @param
* @return 数据
*/
public List getCachedList(String key, Supplier> dataFetcher, long ttl, TimeUnit timeUnit) {
if (ObjectUtil.isNotNull(redissonClient)) {
// 尝试从缓存中获取数据
List cachedData = redissonClient.getList(key);
if (cachedData.size() > 0) {
// 缓存中有数据，直接返回
return cachedData;
} else {
// 缓存中没有数据，调用数据提供者接口从数据库中获取
List data = dataFetcher.get();
cachedData.clear();
cachedData.addAll(data);
// 将数据存入缓存，并设置存活时间
// 获取 bucket 对象，为了设置过期时间
RBucket> bucket = redissonClient.getBucket(key);
// 为整个列表设置过期时间
bucket.expire(ttl, timeUnit);
// 返回新获取的数据
return data;
}
} else {
throw new BusinessException("redissonClient has not initialized");
}
}
/**
* 删除缓存
*
* @param key redis key
*/
public void deleteCachedList(String systemName, String key) {
if (ObjectUtil.isNotNull(redissonClient)) {
RKeys keys = redissonClient.getKeys();
keys.deleteByPattern(key);
} else {
throw new BusinessException("redis client has not initialized");
}
}
}
- 3.1.3 使用
启动类添加：@Import({RedissonConfig.class})
直接引用：
@Resource
private RedissonClient redissonClient;
//缓存数据获取
public List listCache(ListQO qo) {
RedisCacheProvider cache = new RedisCacheProvider(redissonClient);
List resps = cache.getCachedList("testList", () -> {
// 缓存数据查询
}, 20, TimeUnit.SECONDS);
return resps;
}
3.2 CaffeineCache
也可以使用hashMap
- 3.1.1 maven
com.github.ben-manes.caffeinecaffeine3.0.5
- 3.1.2 封装
CaffeineCache
import com.github.benmanes.caffeine.cache.Cache;
import com.github.benmanes.caffeine.cache.Caffeine;
import com.github.benmanes.caffeine.cache.Weigher;
import java.util.concurrent.TimeUnit;
import java.util.function.Function;
public class CaffeineCache {
private final Cache cache;
/**
* 不过期缓存
*
* @param maxSize 缓存条目数量 注意对象大小不要超过jvm内存
*/
public CaffeineCache(long maxSize) {
this.cache = Caffeine.newBuilder()
.maximumSize(maxSize)
.build();
}
/**
* 初始化Caffeine
*
* @param maxSize
* @param expireAfterWriteDuration
* @param unit
*/
public CaffeineCache(long maxSize, long expireAfterWriteDuration, TimeUnit unit) {
this.cache = Caffeine.newBuilder()
.maximumSize(maxSize)
.expireAfterWrite(expireAfterWriteDuration, unit)
.build();
}
/**
* 初始化Caffeine 带权重
*
* @param maxSize
* @param weigher 权重
* @param expireAfterWriteDuration
* @param unit
*/
public CaffeineCache(long maxSize, Weigher weigher, long expireAfterWriteDuration, TimeUnit unit) {
this.cache = Caffeine.newBuilder()
.maximumSize(maxSize)
.weigher(weigher)
.expireAfterWrite(expireAfterWriteDuration, unit)
.build();
}
public V get(K key) {
return cache.getIfPresent(key);
}
public void put(K key, V value) {
cache.put(key, value);
}
public void remove(K key) {
cache.invalidate(key);
}
public void clear() {
cache.invalidateAll();
}
// 如果你需要一个加载功能（当缓存miss时自动加载值），你可以使用这个方法
public V get(K key, Function super K, ? extends V> mappingFunction) {
return cache.get(key, mappingFunction);
}
// 添加获取缓存统计信息的方法
public String stats() {
return cache.stats().toString();
}
}
LocalCacheProvider
import cn.hutool.core.util.ObjectUtil;
import com.cuzue.dao.cache.localcache.CaffeineCache;
import java.util.List;
import java.util.concurrent.TimeUnit;
import java.util.function.Function;
import java.util.function.Supplier;
/**
* 本地缓存
*/
public class LocalCacheProvider {
private static CaffeineCache cache;
/**
* 无过期时间
* @param maxSize 缓存最大条数
*/
public LocalCacheProvider(long maxSize) {
cache = new CaffeineCache(maxSize);
}
/**
* 带过期时间
* @param maxSize 缓存最大条数
* @param ttl 过期时间
* @param timeUnit 时间单位
*/
public LocalCacheProvider(long maxSize, long ttl, TimeUnit timeUnit) {
cache = new CaffeineCache(maxSize, ttl, timeUnit);
}
public static List getCachedList(String key, Supplier> dataFetcher) {
if (ObjectUtil.isNotNull(cache.get(key))) {
return (List) cache.get(key);
} else {
List data = dataFetcher.get();
cache.put(key, data);
return data;
}
}
public static List getCachedList(String key, Function> dataFetcher) {
return (List) cache.get(key, dataFetcher);
}
/**
* 删除缓存
*
* @param key redis key
*/
public void deleteCachedList(String key) {
cache.remove(key);
}
}
- 3.1.3 使用
//初始化caffeine对象
LocalCacheProvider cache = new LocalCacheProvider(5000, 20, TimeUnit.SECONDS);
//缓存数据获取
public List listLocalCache(ListQO qo) {
List resps = cache.getCachedList("testList", (s) -> {
// 缓存数据查询
});
return resps;
}
注意：Caffeine 实现的缓存占用 JVM 内存，小心 OutOfMemoryError
解决场景：
- 1.本地缓存适用不限制缓存大小,导致OOM，适合缓存小对象
- 2.本地缓存长时间存在,未及时清除无效缓存,导致内存占用资源浪费
- 3.防止人员api滥用, 未统一管理随意使用,导致维护性差等等
总结
从前的无脑经验，db查询慢，redis缓存起来，redis真不一定快！
一个简单性能测试：（测试响应时间均为二次查询的大概时间）
1.前置条件： 一条数据转换需要200ms，共5条数据，5个字段项，数据量大小463 B
db > 1s redis > 468ms local > 131ms
2.去除转换时间，直接响应
db > 208ms redis > 428ms local > 96ms
以上为个人经验，希望能给大家一个参考，也希望大家多多支持IT俱乐部。
