黑马Redis视频教程实战篇(二)

这篇具有很好参考价值的文章主要介绍了黑马Redis视频教程实战篇(二)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

一、什么是缓存?

1.1 为什么要使用缓存?

1.2 如何使用缓存?

二、添加商户缓存

2.1 缓存模型和思路

2.2 代码实现

三、缓存更新策略

2.1 数据库缓存不一致解决方案

2.2 数据库和缓存不一致采用什么方案

四、实现商铺和缓存与数据库双写一致

五、缓存穿透问题的解决思路

六、编码解决缓存穿透问题

七、缓存雪崩问题及解决思路

八、缓存击穿问题及解决思路

九、利用互斥锁解决缓存击穿问题

十、封装Redis工具类


一、什么是缓存?

缓存(Cache),就是数据交换的缓冲区,俗称的缓存就是缓冲区内的数据,一般从数据库中获取,存储于本地代码(例如:

例1:Static final ConcurrentHashMap<K,V> map = new ConcurrentHashMap<>(); 本地用于高并发

例2:static final Cache<K,V> USER_CACHE = CacheBuilder.newBuilder().build(); 用于redis等缓存

例3:Static final Map<K,V> map =  new HashMap(); 本地缓存

由于其被Static修饰,所以随着类的加载而被加载到内存之中,作为本地缓存,由于其又被final修饰,所以其引用(例3:map)和对象(例3:new HashMap())之间的关系是固定的,不能改变,因此不用担心赋值(=)导致缓存失效;

1.1 为什么要使用缓存?

一句话:因为速度快,好用

缓存数据存储于代码中,而代码运行在内存中,内存的读写性能远高于磁盘,缓存可以大大降低用户访问并发量带来的服务器读写压力。

实际开发过程中,企业的数据量,少则几十万,多则几千万,这么大数据量,如果没有缓存来作为"避震器",系统是几乎撑不住的,所以企业会大量运用到缓存技术;

但是缓存也会增加代码复杂度和运营的成本:

黑马Redis视频教程实战篇(二)

1.2 如何使用缓存?

实际开发中,会构筑多级缓存来使系统运行速度进一步提升,例如:本地缓存与redis中的缓存并发使用

浏览器缓存:主要是存在于浏览器端的缓存。

应用层缓存:可以分为tomcat本地缓存,比如之前提到的map,或者是使用redis作为缓存。

数据库缓存:在数据库中有一片空间是 buffer pool,增改查数据都会先加载到mysql的缓存中。

CPU缓存:当代计算机最大的问题是 cpu性能提升了,但内存读写速度没有跟上,所以为了适应当下的情况,增加了cpu的L1,L2,L3级的缓存。

二、添加商户缓存

在我们查询商户信息时,我们是直接操作从数据库中去进行查询的,大致逻辑是这样,直接查询数据库那肯定慢咯,所以我们需要增加缓存。

/**
 * 根据id查询商铺信息
 * @param id 商铺id
 * @return 商铺详情数据
 */
@GetMapping("/{id}")
public Result queryShopById(@PathVariable("id") Long id) {
	return Result.ok(shopService.getById(id));
}

2.1 缓存模型和思路

标准的操作方式就是查询数据库之前先查询缓存,如果缓存数据存在,则直接从缓存中返回,如果缓存数据不存在,再查询数据库,然后将数据存入redis。

黑马Redis视频教程实战篇(二)

2.2 代码实现

@Override
public Result queryById(Long id) {
	//1、从redis查询商铺缓存
	String shopJson = stringRedisTemplate.opsForValue().get("cache:shop:" + id);
	//2、判断redis中是否存在
	if (StrUtil.isNotBlank(shopJson)){
		//3、存在,直接返回
		Shop shop = JSONUtil.toBean(shopJson,Shop.class);
		return Result.ok(shop);
	}
	//4、redis中不存在,根据id查询数据库
	Shop shop = getById(id);
	if (shop == null){
		//数据库不存在数据,直接返回错误
		return Result.fail("店铺不存在!");
	}
	//5、数据库中存在,将数据写入redis缓存一份
	stringRedisTemplate.opsForValue().set("cache:shop:" + id,JSONUtil.toJsonStr(shop));
	return Result.ok(shop);
}

黑马Redis视频教程实战篇(二)

三、缓存更新策略

缓存更新是redis为了节约内存而设计出来的一个东西,主要是因为内存数据宝贵,当我们向redis插入太多数据,此时就可能会导致缓存中的数据过多,所以redis会对部分数据进行更新,或者把他叫为淘汰更合适。

内存淘汰:redis自动进行,当redis内存达到咱们设定的max-memery的时候,会自动触发淘汰机制,淘汰掉一些不重要的数据(可以自己设置策略方式)。

超时剔除:当我们给redis设置了过期时间ttl之后,redis会将超时的数据进行删除,方便咱们继续使用缓存。

主动更新:我们可以手动调用方法把缓存删掉,通常用于解决缓存和数据库不一致问题。

黑马Redis视频教程实战篇(二)

2.1 数据库缓存不一致解决方案

由于我们的缓存的数据源来自于数据库,而数据库的数据是会发生变化的,因此,如果当数据库中数据发生变化,而缓存却没有同步,此时就会有一致性问题存在,其后果是:

用户使用缓存中的过时数据,就会产生类似多线程数据安全问题,从而影响业务,产品口碑等;怎么解决呢?有如下几种方案

Cache Aside Pattern 人工编码方式:缓存调用者在更新完数据库后再去更新缓存,也称之为双写方案。

Read/Write Through Pattern : 由系统本身完成,数据库与缓存的问题交由系统本身去处理。

Write Behind Caching Pattern :调用者只操作缓存,其他线程去异步处理数据库,实现最终一致。

黑马Redis视频教程实战篇(二)

2.2 数据库和缓存不一致采用什么方案

综合考虑使用方案一,但是方案一调用者如何处理呢?这里有几个问题

操作缓存和数据库时有三个问题需要考虑:

如果采用第一个方案,那么假设我们每次操作数据库后,都操作缓存,但是中间如果没有人查询,那么这个更新动作实际上只有最后一次生效,中间的更新动作意义并不大,我们可以把缓存删除,等待再次查询时,将缓存中的数据加载出来

第一问:删除缓存还是更新缓存?
  - 更新缓存:每次更新数据库都更新缓存,无效写操作较多
  - 删除缓存:更新数据库时让缓存失效,查询时再更新缓存 √

第二问:如何保证缓存与数据库的操作的同时成功或失败?
  - 单体系统,将缓存与数据库操作放在一个事务
  - 分布式系统,利用TCC等分布式事务方案

第三问:先操作缓存还是先操作数据库?
  - 先删除缓存,再操作数据库
  - 先操作数据库,再删除缓存 √

应该具体操作缓存还是操作数据库,我们应当是先操作数据库,再删除缓存,原因在于,如果你选择第一种方案,在两个线程并发来访问时,假设线程1先来,他先把缓存删了,此时线程2过来,他查询缓存数据并不存在,此时他写入缓存,当他写入缓存后,线程1再执行更新动作时,实际上写入的就是旧的数据,新的数据被旧数据覆盖了。

正常情况下,这样做是最好的:

黑马Redis视频教程实战篇(二)

线程1(商户)要修改一下店铺地址信息,这时先删除了缓存老数据,然后再将新数据更新到数据库,第二天线程2(买家)想要查看店铺信息,先查Redis缓存,缓存没有,就查了数据库,然后再写入缓存中,这些操作是我们理想的。

但往往事与愿违,如果出现以下的情况,那就不太好了:

黑马Redis视频教程实战篇(二)

我们现在数据库和缓存都是数据为10,这时线程1(商铺)删除缓存,但还没等更新数据库,线程2(买家)先行发力(什么时候来不好,偏偏这时候来),查询缓存发现未命中,直接查询数据库,但这时数据库里的数据还是老的数据10,然后将10写入缓存中,线程2执行完毕,这时线程1再继续执行剩下的更新数据库操作,将数据变为20,但这时数据已经不一致了,数据库20,缓存10。 

所以我们选用先操作数据库,再删缓存的方式,虽然这种也会出现线程安全问题,但概率比第一种低太多了。

四、实现商铺和缓存与数据库双写一致

核心思路如下:

修改ShopController中的业务逻辑,满足下面的需求:

根据id查询店铺时,如果缓存未命中,则查询数据库,将数据库结果写入缓存,并设置超时时间

根据id修改店铺时,先修改数据库,再删除缓存

@Override
@Transactional
public Result update(Shop shop) {
	Long id = shop.getId();
	if (id == null){
		return Result.fail("店铺id不能为空");
	}
	//1、更新数据库
	updateById(shop);
	//2、删除缓存
	stringRedisTemplate.delete("cache:shop:" + id);
	return null;
}

五、缓存穿透问题的解决思路

缓存穿透:缓存穿透是指缓存和数据库中都没有的数据,而用户不断发起请求,我们数据库的 id 都是1开始自增上去的,如发起为id值为 -1 的数据或 id 为特别大不存在的数据。这时的用户很可能是攻击者,攻击会导致数据库压力过大,严重会击垮数据库。

常见的解决方案有三种:

1、缓存空对象
  - 优点:实现简单,维护方便
  - 缺点:
    - 额外的内存消耗
    - 可能造成短期的不一致

解释:缓存空对象是什么意思呢?比如攻击者传了一个根本不存在的id(例如-1)进行查询,那么当缓存和数据库都未命中,返回为null,那他一定用大量并发再次刷新请求,因为他的目的就是把你数据库搞崩,那么我们直接给他放入Redis一个空对象{},这样就不会将大量请求打到我们的数据库上,当他请求-1时,直接命中缓存里的空对象给他返回。

2、参数校验

我会在接口层增加校验,比如用户鉴权校验,参数做校验,不合法的参数直接代码Return,比如:id 做基础校验,id <=0的直接拦截等。

举个简单的例子,你这个接口是分页查询的,但是你没对分页参数的大小做限制,调用的人万一一口气查 Integer.MAX_VALUE 一次请求就要你几秒,多几个并发你不就挂了么?是公司同事调用还好大不了发现了改掉,但是如果是黑客或者竞争对手呢?


3、布隆过滤器
  - 优点:内存占用较少,没有多余key
  - 缺点:
    - 实现复杂
    - 存在误判可能

布隆过滤器其实采用的是哈希思想来解决这个问题,通过一个庞大的二进制数组,走哈希思想去判断当前这个要查询的这个数据是否存在,如果布隆过滤器判断存在,则放行,这个请求会去访问redis,哪怕此时redis中的数据过期了,但是数据库中一定存在这个数据,在数据库中查询出来这个数据后,再将其放入到redis中。

假设布隆过滤器判断这个数据不存在,则直接返回。

这种方式优点在于节约内存空间,存在误判,误判原因在于:布隆过滤器走的是哈希思想,只要哈希思想,就可能存在哈希冲突。

布隆过滤器要是说不存在,那就是真的不存在,当他告诉你存在的时候,可能不一定存在。

简单解释其实就是利用高效的数据结构和算法快速判断出你这个Key是否在数据库中存在,不存在你return就好了,存在你就去查了DB刷新KV再return。

六、编码解决缓存穿透问题

核心思路如下:

在原来的逻辑中,我们如果发现这个数据在mysql中不存在,直接就返回404了,这样是会存在缓存穿透问题的。

现在的逻辑中:如果这个数据不存在,我们不会返回404 ,还是会把这个数据写入到Redis中,并且将value设置为空,当再次发起查询时,我们如果发现命中之后,判断这个value是否是null,如果是null,则是之前写入的数据,证明是缓存穿透数据,如果不是,则直接返回数据。

@Override
public Result queryById(Long id) {
	//1、从redis查询商铺缓存
	String shopJson = stringRedisTemplate.opsForValue().get("cache:shop:" + id);
	//2、判断redis中是否存在
	if (StrUtil.isNotBlank(shopJson)){
		//3、存在,直接返回
		Shop shop = JSONUtil.toBean(shopJson,Shop.class);
		return Result.ok(shop);
	}
	//4、redis中不存在,根据id查询数据库
	Shop shop = getById(id);
	if (shop == null){
		//防止缓存穿透的发生,设置空值进缓存中
		stringRedisTemplate.opsForValue().set("cache:shop:" + id,"",30L, TimeUnit.MINUTES);
		//数据库不存在数据,直接返回错误
		return Result.fail("店铺不存在!");
	}
	//5、数据库中存在,将数据写入redis缓存一份,并设置超时时间
	stringRedisTemplate.opsForValue().set("cache:shop:" + id,JSONUtil.toJsonStr(shop),30L, TimeUnit.MINUTES);
	return Result.ok(shop);
}

七、缓存雪崩问题及解决思路

缓存雪崩:指在同一时段大量的缓存key同时失效或者Redis服务宕机,导致大量请求到达数据库,带来巨大压力。

解决方案:

  • 给不同的Key的TTL添加随机值
  • 利用Redis集群提高服务的可用性
  • 给业务添加多级缓存

八、缓存击穿问题及解决思路

缓存击穿:这个跟缓存雪崩有点像,但是又有一点不一样,缓存雪崩是因为大面积的缓存失效,打崩了DB,而缓存击穿不同的是缓存击穿是指一个Key非常热点,在不停的扛着大并发,大并发集中对这一个点进行访问,当这个Key在失效的瞬间,持续的大并发就穿破缓存,直接请求数据库,就像在一个完好无损的桶上凿开了一个洞。

常见的解决方案有两种:

  • 互斥锁
  • 设置热点数据永不过期

解决方案一、使用锁来解决:

因为锁能实现互斥性。假设线程过来,只能一个人一个人的来访问数据库,从而避免对于数据库访问压力过大,但这也会影响查询的性能,因为此时会让查询的性能从并行变成了串行,我们可以采用tryLock方法 + double check来解决这样的问题。

假设现在线程1过来访问,他查询缓存没有命中,但是此时他获得到了锁的资源,那么线程1就会一个人去执行逻辑,假设现在线程2过来,线程2在执行过程中,并没有获得到锁,那么线程2就可以进行到休眠,直到线程1把锁释放后,线程2获得到锁,然后再来执行逻辑,此时就能够从缓存中拿到数据了。

黑马Redis视频教程实战篇(二)

这样确实可以解决缓存击穿的问题,但有一点,就是互相等待,比如我有1000个线程来了,只有线程1在构建(如上图),其它999个线程都在等待,那如果说线程1构建的时间比较久,比如说200ms,那其余的999个线程都只能等待。

九、利用互斥锁解决缓存击穿问题

核心思路:相较于原来从缓存中查询不到数据后直接查询数据库而言,现在的方案是 进行查询之后,如果从缓存没有查询到数据,则进行互斥锁的获取,获取互斥锁后,判断是否获得到了锁,如果没有获得到,则休眠,过一会再进行尝试,直到获取到锁为止,才能进行查询。

如果获取到了锁的线程,再去进行查询,查询后将数据写入redis,再释放锁,返回数据,利用互斥锁就能保证只有一个线程去执行操作数据库的逻辑,防止缓存击穿。

黑马Redis视频教程实战篇(二)

操作锁的代码:

核心思路就是利用redis的setnx方法来表示获取锁,该方法含义是redis中如果没有这个key,则插入成功,返回1,在stringRedisTemplate中返回true,  如果有这个key则插入失败,则返回0,在stringRedisTemplate返回false,我们可以通过true,或者是false,来表示是否有线程成功插入key,成功插入的key的线程我们认为他就是获得到锁的线程。

//上互斥锁setnx
private boolean tryLock(String key) {
	//setIfAbsent方法就是setnx命令
	Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
	return BooleanUtil.isTrue(flag);
}

//解锁
private void unlock(String key) {
	stringRedisTemplate.delete(key);
}
//解决缓存击穿
public Shop queryWithMutex(Long id)  {
	String key = "cache:shop:" + id;
	// 1、从redis中查询商铺缓存
	String shopJson = stringRedisTemplate.opsForValue().get("key");
	// 2、判断是否存在
	if (StrUtil.isNotBlank(shopJson)) {
		// 存在,直接返回
		return JSONUtil.toBean(shopJson, Shop.class);
	}
	//判断命中的值是否是空值
	if (shopJson != null) {
		//返回一个错误信息
		return null;
	}
	// 4.实现缓存重构
	//4.1 获取互斥锁
	String lockKey = "lock:shop:" + id;
	Shop shop = null;
	try {
		boolean isLock = tryLock(lockKey);
		// 4.2 判断否获取成功
		if(!isLock){
			//4.3 失败,则休眠重试
			Thread.sleep(50);
			return queryWithMutex(id);
		}
		//4.4 成功,根据id查询数据库
		shop = getById(id);
		// 5.不存在,返回错误
		if(shop == null){
			//将空值写入redis,解决缓存穿透
			stringRedisTemplate.opsForValue().set(key,"",30L,TimeUnit.MINUTES);
			//返回错误信息
			return null;
		}
		//6.写入redis
		stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(shop),30L,TimeUnit.MINUTES);

	}catch (Exception e){
		throw new RuntimeException(e);
	}
	finally {
		//7.释放互斥锁
		unlock(lockKey);
	}
	return shop;
}

十、封装Redis工具类

基于StringRedisTemplate封装一个缓存工具类,满足下列需求:文章来源地址https://www.toymoban.com/news/detail-469326.html

  • 方法1:将任意Java对象序列化为json并存储在string类型的key中,并且可以设置TTL过期时间
  • 方法2:将任意Java对象序列化为json并存储在string类型的key中,并且可以设置逻辑过期时间,用于处理缓存击穿问题
  • 方法3:根据指定的key查询缓存,并反序列化为指定类型,利用缓存空值的方式解决缓存穿透问题
  • 方法4:根据指定的key查询缓存,并反序列化为指定类型,需要利用逻辑过期解决缓存击穿问题
package com.hmdp.utils;

import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONObject;
import cn.hutool.json.JSONUtil;
import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

import java.time.LocalDateTime;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;
import java.util.function.Function;

@Slf4j
@Component
public class CacheClient {

    private final StringRedisTemplate stringRedisTemplate;

    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

    public CacheClient(StringRedisTemplate stringRedisTemplate) {
        this.stringRedisTemplate = stringRedisTemplate;
    }

    public void set(String key, Object value, Long time, TimeUnit unit) {
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, unit);
    }

    public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit unit) {
        // 设置逻辑过期
        RedisData redisData = new RedisData();
        redisData.setData(value);
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));
        // 写入Redis
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));
    }

    //解决缓存穿透
    public <R,ID> R queryWithPassThrough(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit){
        String key = keyPrefix + id;
        // 1.从redis查询商铺缓存
        String json = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isNotBlank(json)) {
            // 3.存在,直接返回
            return JSONUtil.toBean(json, type);
        }
        // 判断命中的是否是空值
        if (json != null) {
            // 返回一个错误信息
            return null;
        }

        // 4.不存在,根据id查询数据库
        R r = dbFallback.apply(id);
        // 5.不存在,返回错误
        if (r == null) {
            // 将空值写入redis
            stringRedisTemplate.opsForValue().set(key, "", 30L, TimeUnit.MINUTES);
            // 返回错误信息
            return null;
        }
        // 6.存在,写入redis
        this.set(key, r, time, unit);
        return r;
    }

    public <R, ID> R queryWithLogicalExpire(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + id;
        // 1.从redis查询商铺缓存
        String json = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isBlank(json)) {
            // 3.存在,直接返回
            return null;
        }
        // 4.命中,需要先把json反序列化为对象
        RedisData redisData = JSONUtil.toBean(json, RedisData.class);
        R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
        LocalDateTime expireTime = redisData.getExpireTime();
        // 5.判断是否过期
        if(expireTime.isAfter(LocalDateTime.now())) {
            // 5.1.未过期,直接返回店铺信息
            return r;
        }
        // 5.2.已过期,需要缓存重建
        // 6.缓存重建
        // 6.1.获取互斥锁
        String lockKey = "lock:shop:" + id;
        boolean isLock = tryLock(lockKey);
        // 6.2.判断是否获取锁成功
        if (isLock){
            // 6.3.成功,开启独立线程,实现缓存重建
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    // 查询数据库
                    R newR = dbFallback.apply(id);
                    // 重建缓存
                    this.setWithLogicalExpire(key, newR, time, unit);
                } catch (Exception e) {
                    throw new RuntimeException(e);
                }finally {
                    // 释放锁
                    unlock(lockKey);
                }
            });
        }
        // 6.4.返回过期的商铺信息
        return r;
    }

    public <R, ID> R queryWithMutex(
            String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {
        String key = keyPrefix + id;
        // 1.从redis查询商铺缓存
        String shopJson = stringRedisTemplate.opsForValue().get(key);
        // 2.判断是否存在
        if (StrUtil.isNotBlank(shopJson)) {
            // 3.存在,直接返回
            return JSONUtil.toBean(shopJson, type);
        }
        // 判断命中的是否是空值
        if (shopJson != null) {
            // 返回一个错误信息
            return null;
        }

        // 4.实现缓存重建
        // 4.1.获取互斥锁
        String lockKey = "lock:shop:" + id;
        R r = null;
        try {
            boolean isLock = tryLock(lockKey);
            // 4.2.判断是否获取成功
            if (!isLock) {
                // 4.3.获取锁失败,休眠并重试
                Thread.sleep(50);
                return queryWithMutex(keyPrefix, id, type, dbFallback, time, unit);
            }
            // 4.4.获取锁成功,根据id查询数据库
            r = dbFallback.apply(id);
            // 5.不存在,返回错误
            if (r == null) {
                // 将空值写入redis
                stringRedisTemplate.opsForValue().set(key, "", 30L, TimeUnit.MINUTES);
                // 返回错误信息
                return null;
            }
            // 6.存在,写入redis
            this.set(key, r, time, unit);
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        }finally {
            // 7.释放锁
            unlock(lockKey);
        }
        // 8.返回
        return r;
    }

    private boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        return BooleanUtil.isTrue(flag);
    }

    private void unlock(String key) {
        stringRedisTemplate.delete(key);
    }
}

到了这里,关于黑马Redis视频教程实战篇(二)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 黑马Redis视频教程高级篇(安装OpenResty)

    目录 一、安装 1.1、安装开发库 1.2、安装OpenResty仓库 1.3、安装OpenResty 1.4、安装opm工具 1.5、目录结构 1.6、配置nginx的环境变量 二、启动和运行 三、备注 首先你的Linux虚拟机必须联网。 首先要安装OpenResty的依赖开发库,执行命令: 你可以在你的 CentOS 系统中添加 openresty 仓库

    2024年02月08日
    浏览(44)
  • 黑马的redis实战篇-短信登录

    目录 四、实战篇-短信登录 4.1 导入黑马点评项目 1、后端: 2、前端 4.2 基于Session实现登录 1、发送验证码 2、短信验证码登录注册 3、校验登录状态 4.3 集群的session共享问题 4.4 基于Redis实现共享session登录 1、发送验证码 2、短信验证码登录注册 3、校验登录状态 项目的架构:

    2023年04月15日
    浏览(85)
  • 黑马点评Redis实战(优惠卷秒杀)

    本文是上一篇文章的后续,上一篇文章链接 马点评Redis实战(短信登录;商户查询缓存) id是一个订单必备的属性,而订单的id属性是必须唯一的,首先我们会想到使用数据库主键id,并设置为自增。这样似乎就能满足唯一性。 但是,这样会存在一些问题: id的规律太过明显,因

    2024年02月04日
    浏览(35)
  • 黑马Redis学习笔记 (基础篇+实战篇)

    1.1.1结构化和非结构化 (1) SQL关系性数据库 ​ 传统关系型数据库是结构化数据,每一张表都有严格的约束信息:字段名、字段数据类型、字段约束等等信息,插入的数据必须遵守这些约束 (2) NoSql数据库 NoSql对数据库格式没有严格约束,往往形式松散,自由。 可以是key-value,可

    2024年02月09日
    浏览(50)
  • flutter开发实战-显示本地图片网络图片及缓存目录图片

    flutter开发实战-显示本地图片网络图片及缓存目录图片 在最近开发中碰到了需要显示缓存目录图片,这里顺便整理一下,显示本地图片、网络图片、缓存目录图片的方法。 1 在项目根目录下创建名为 images文件夹,也可以将images放在asserts文件夹下 2.在pubspec.yaml中配置images相关

    2024年02月14日
    浏览(39)
  • Redis学习(三)分布式缓存、多级缓存、Redis实战经验、Redis底层原理

    单节点Redis存在着: 数据丢失问题:单节点宕机,数据就丢失了。 并发能力和存储能力问题:单节点能够满足的并发量、能够存储的数据量有限。 故障恢复问题:如果Redis宕机,服务不可用,需要一种自动的故障恢复手段。 RDB持久化 RDB(Redis database backup file,Redis数据库备份

    2024年02月16日
    浏览(42)
  • [学习笔记]黑马程序员-Hadoop入门视频教程

    黑马程序员大数据Hadoop入门视频教程,适合零基础自学的大数据Hadoop教程 学习目标 1.理解大数据基本概念 2.掌握数据分析基本步骤 3.理解分布式、集群概念 4.学会VMware虚拟机的导入与使用 5.掌握Linux常用操作命令使用 6.掌握vi/vim编辑器基础使用 1.1.1 企业数据分析方向 数据分

    2024年02月13日
    浏览(57)
  • Redis实战(3)——缓存模型与缓存更新策略

    1 什么是缓存? 缓存 就是数据交换的缓冲区, 是存贮数据的临时区,一般读写性能较高 textcolor{red}{是存贮数据的临时区,一般读写性能较高} 是存贮数据的临时区,一般读写性能较高 。缓存可在多个场景下使用 以一次 w e b 请求为例,演示不同阶段的缓存作用 textcolor{blue}

    2024年02月15日
    浏览(42)
  • 【Redis】什么是缓存穿透,如何预防缓存穿透?

    缓存穿透是指查询一个一定不存在的数据,由于缓存中不存在,这时会去数据库查询查不到数据则不写入缓存,这将导致这个不存在的数据每次请求都要到数据库去查询,这就造成缓存穿透。简单来说,就是访问业务系统不存在的数据,就可能会造成缓存穿透。 缓存穿透会产

    2024年02月12日
    浏览(39)
  • 【Redis】什么是缓存击穿,如何预防缓存击穿?

    缓存击穿是指一个 Key 非常热点,大并发集中对这一个点进行访问,当这个Key 在失效的瞬间,持续的大并发就会穿破缓存,直接请求数据库。缓存击穿和缓存雪崩的区别在于,缓存击穿是针对某一个 Key缓存而言,缓存雪崩则是很多 Key。一般的网站很难有某个数据达到缓存击

    2024年02月12日
    浏览(41)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包