✅P172_缓存-SpringCache-原理与不足

读模式

缓存穿透

解决：保存空值

spring
  cache:
    redis:      
      cache-null-values: true

缓存击穿

解决：加锁，默认不加锁

@Cacheable(sync = true)

缓存雪崩

其实只要不是超大型并发，比如十几W的key同时过期，正好碰上十几W的请求过来查询，不用考虑这个问题

原来的解决方案是加随机时间，但是很容易弄巧成拙，假设数据不是同一时间放进去的，比如第1个数据是3秒过期，然后加了个随机数1秒，4秒过期，第2个数据是2秒过期，然后加了个随机数2秒，还是4秒过期，本来什么都不加的时候，它们过期时间不会冲撞在一起，结果有可能一加，倒还让他们撞在一起了，当时每一个数据存储的时间节点其实是不一样的，所以，只要指定过期时间就行

解决：加上过期时间

spring
  cache:
    redis:
      time-to-live: 3600000	# 单位ms

---

写模式

1. 读写加锁
2. 引入Cannel，感知MySQL的更新去更新数据库
3. 读多写多，直接查询数据库

---

原理

CacheManager -> Cache -> Cache负责缓存的读写

---

SpringCache的不足之处

读模式

• 缓存穿透：查询一个null数据。解决方案：缓存空数据
• 缓存击穿：大量并发进来同时查询一个正好过期的数据。解决方案：加锁 ? 默认是无加锁的;使用sync = true来解决击穿问题
• 缓存雪崩：大量的key同时过期。解决：加随机时间。加上过期时间

写模式：缓存与数据库一致

• 读写加锁
• 引入Canal,感知到MySQL的更新去更新Redis
• 读多写多，直接去数据库查询就行

总结

• 常规数据（读多写少，即时性，一致性要求不高的数据，完全可以使用Spring-Cache）：
• 写模式，只要缓存的数据有过期时间就足够了
• 特殊数据：特殊设计