【案例实战】SpringBoot整合Redis实现缓存分页数据查询

正式观看本文之前，设想一个问题，高并发情况下，首页列表数据怎么做？

类似淘宝首页，这些商品是从数据库中查出来的吗？答案肯定不是，在高并发的情况下，数据库是扛不住的，那么我们要怎么去扛住C端大并发量呢，这块我们可以借助Redis，我们知道Redis是一个基于内存的NoSQL数据库。学过操作系统我们都知道，内存要比磁盘的效率大的多，那Redis就是基于内存的，而数据库是基于磁盘的。

还有类似天猫聚划算商品类表。

我们现在知道要用Redis去做首页数据的分页，那么我们应该用Redis的那种数据结构来做呢。

Redis有5种基本的数据结构，我们这里用list类型做分页。

在 Redis 中，List（列表）类型是按照元素的插入顺序排序的字符串列表。你可以在列表的头部（左边）或者尾部（右部）添加新的元素。

ok，那么接下来我们就通过一个案例实操一下，首页热点数据怎么放到Redis中去查询。

SpringBoot整合RedisTemplate这里就不做过多介绍啦，大家可以网上找篇博文 整合一下。

<!-- 创建SpringBoot项目加入redis的starter依赖 -->
<dependency>
     <groupId>org.springframework.boot</groupId>
     <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

编写ProductService，定于数据分页方法。

public interface ProductService {

    Map<String,Object> productListPage(int current, int size) throws InterruptedException;

}

编写ProductServiceImpl实现类。

/**
 * @author lixiang
 * @date 2023/6/18 21:01
 */
@Service
@Slf4j
public class ProductServiceImpl implements ProductService {

    private static final String PRODUCT_LIST_KEY = "product:list";

    private static final List<Product> PRODUCT_LIST;

    //模拟从数据库中查出来的数据
    static {
        PRODUCT_LIST = new ArrayList<>();
        for (int i = 1; i <= 100; i++) {
            Product product = new Product();
            product.setId(UUID.randomUUID().toString().replace("-", ""));
            product.setName("商品名称:" + i);
            product.setDesc("商品描述:" + i);
            product.setPrice(new BigDecimal(i));
            product.setInventory(2);
            PRODUCT_LIST.add(product);
        }
    }

    @Autowired
    private RedisTemplate redisTemplate;

    @Override
    public Map<String, Object> productListPage(int current, int size) throws InterruptedException {

        //从缓存中拿到分页数据
        List<Product> productList = getProductListByRedis(current, size);

        if (productList == null || productList.size() == 0) {
            log.info("当前缓存中无分页数据，当前页:" + current + ",页大小:" + size);
            //从数据库中拿到分页数据
            productList = getProductListByDataSource(current, size);
        }
        Map<String, Object> resultMap = new HashMap<>();
        //计算当前总页数
        int totalPage = (PRODUCT_LIST.size() + size - 1) / size;
        resultMap.put("total", PRODUCT_LIST.size());
        resultMap.put("data", productList);
        resultMap.put("pages", totalPage);
        return resultMap;
    }

    private List<Product> getProductListByRedis(int current, int size) {
        log.info("从Redis取出商品信息列表，当前页:" + current + ",页大小:" + size);
        // 计算总页数
        int pages = pages(size);
        // 起始位置
        int start = current <= 0 ? 0 : (current > pages ? (pages - 1) * size : (current - 1) * size);
        // 终止位置
        int end = start+size-1;
        List<Product> list = redisTemplate.opsForList().range(PRODUCT_LIST_KEY, start, end);
        List<Product> productList = list;
        return productList;
    }

    /**
     * 获取商品信息集合
     *
     * @return
     */
    private List<Product> getProductListByDataSource(int current, int size) throws InterruptedException {
        //模拟从DB查询需要300ms
        Thread.sleep(300);
        log.info("从数据库取出商品信息列表，当前页:" + current + ",页大小:" + size);
        // 计算总页数
        int pages = pages(size);
        // 起始位置
        int start = current <= 0 ? 0 : (current > pages ? (pages - 1) * size : (current - 1) * size);
        //数据缓存到redis中
        redisTemplate.opsForList().rightPushAll(PRODUCT_LIST_KEY, PRODUCT_LIST);
        //设置当前key过期时间为1个小时
        redisTemplate.expire(PRODUCT_LIST_KEY,1000*60*60, TimeUnit.MILLISECONDS);
        return PRODUCT_LIST.stream().skip(start).limit(size).collect(Collectors.toList());
    }

    /**
     *  获取总页数
     * @param size
     * @return
     */
    private Integer pages(int size){
        int pages = PRODUCT_LIST.size() % size == 0 ? PRODUCT_LIST.size() / size : PRODUCT_LIST.size() / size + 1;
        return pages;
    }
}

ok，然后编写controller，进行测试。

@RestController
@RequestMapping("/api/v1/product")
public class ProductController {

    @Autowired
    private ProductService productService;

    @GetMapping("/page")
    public Map<String,Object> page(@RequestParam("current") int current,@RequestParam("size") int size){
        Map<String, Object> stringObjectMap;
        try {
            stringObjectMap = productService.productListPage(current, size);
        } catch (InterruptedException e) {
            stringObjectMap = new HashMap<>();
        }
        return stringObjectMap;
    }
}

当第一次访问的时候，先去Redis中查询，发现没有，然后就去查DB，将要缓存的数据页放到Redis中。

第二次访问的时候。就直接访问Redis啦

通过Redis和DB查询的对比，我们发现从Redis中拿出来只用了18ms，从公DB中需要300ms，由此可见Redis的一个强大之处。

那么我们观察一下查询逻辑，会不会有什么问题。

    public Map<String, Object> productListPage(int current, int size) throws InterruptedException {

        //从缓存中拿到分页数据
        List<Product> productList = getProductListByRedis(current, size);

        if (productList == null || productList.size() == 0) {
            log.info("当前缓存中无分页数据，当前页:" + current + ",页大小:" + size);
            //从数据库中拿到分页数据
            productList = getProductListByDataSource(current, size);
        }
    }

设想，假如某一时刻，Redis中的缓存失效啦，大量的请求，全部查到DB上，也会带来一个灾难。所以这快又涉及到一个缓存击穿的问题。

解决缓存击穿

• 方案一：永不过期
  • 提前把热点数据不设置过期时间，后台异步更新缓存。
• 方案二：加互斥锁或队列
  • 其实我理解缓存击穿和缓存穿透差不多，所以加一个互斥锁，让一个线程正常请求数据库，其他线程等待即可（这里可以使用线程池来处理），都创建完缓存，让其他线程请求缓存即可。

在这里我们采用第一种方式，让key永远不过期。

那可能有的人会说了，这很简单啊，那我就设置一个定时任务定时的去刷新key就可以了啊。于是写出了如下的定时作业代码。

// 定时任务，每隔30分钟，从数据库中读取商品列表，存储到缓存里面
priviate static final String PRODUCT_LIST_KEY = "product:list";

@Scheduled(cron = "0 */30 * * * ?")
public void loadActivityProduct() {
  //从数据库中查询参加活动的商品列表
  List<Product> productList = productMapper.queryAcitvityProductList();
  //删除旧的
  redisTemplate.delete(PRODUCT_LIST_KEY);
  //存储新的
  redis.opsForList.leftPushAll(PRODUCT_LIST_KEY, productList)
}

但是，不知道大家有没发现，我们即使加了定时任务的代码也会发生缓存击穿的问题。因为删除旧的数据 和 存储新的数据两个命令非原子操作，存在时间间隔。如果改用string结构存储，可以直接覆盖旧值，则没有原子性问题，但是业务需求需要支持分页，只能用list结构。

	//就在我删除旧的key的时候，这会还没有往redis中放入，大的并发量进来导致请求都跑到了数据库上，造成缓存击穿。
	//删除旧的
  redisTemplate.delete(PRODUCT_LIST_KEY);
  //存储新的
  redis.opsForList.leftPushAll(PRODUCT_LIST_KEY, productList)

解决方案

• 业务架构里面强调降级，兜底数据，那缓存击穿是不是也可以考虑这个方案，空间换时间

• 缓存两份数据，一份是List结构(先删除，再设置新值)， 一份是String结构（直接覆盖旧值）

  • 查询的时候优先查询list结构，如果没有则解析String结构成为list，进行内存分页，一般数据量不大

// 定时任务，每隔30分钟，从数据库中读取商品列表，存储到缓存里面
priviate static final String PRODUCT_LIST_KEY = "product:list";
priviate static final String PRODUCT_LIST_KEY_STR = "product:liststr";

@Scheduled(cron = "0 */30 * * * ?")
public void loadActivityProduct() {
  //从数据库中查询参加活动的商品列表
  List<Product> productList = productMapper.queryAcitvityProductList();
  
  //先缓存一份String类型的数据，直接set，如果要分页则解析成list再返回
  redis.opsForValue.set(PRODUCT_LIST_KEY_STR, JSON.toString(productList))
  
  //删除旧的
  redisTemplate.delete(PRODUCT_LIST_KEY);
  //存储新的
  redis.opsForList.leftPushAll(PRODUCT_LIST_KEY, productList)
}

查询的时候，先去查list结构，list结构如果没有数据，则查String类型的数据。

priviate static final String PRODUCT_LIST_KEY = "product:list";
priviate static final String PRODUCT_LIST_KEY_STR = "product:liststr";

// 将商品列表从 Redis 缓存中读取
public List<Product> getProductListFromCache(int begin, int end) {
    List<Product> list = new ArrayList();

    //从缓存里分页获取
    list = redisTemplate.opsForList().range(PRODUCT_LIST_KEY, begin,end)
    if (productListStr != null) {
      return list;
    } else {
        // 缓存A中不存在商品列表，则从缓存B读取
        String productStrList = redis.opsForValue.get(PRODUCT_LIST_KEY_STR);
        // 缓存中存在商品列表，将 JSON 字符串转换为对象
        List<Product> productList = JSON.parseArray(productStrList, Product.class);
        //分页计算
        list = CommonUtil.pageList(productList,begin, end);
       return list;
    }
}

OK，整篇的案例整合 我们就到这里，觉得博主写的不错的，记得给个三连哦！！！

文章来源地址https://www.toymoban.com/news/detail-491649.html

到了这里，关于【案例实战】SpringBoot整合Redis实现缓存分页数据查询的文章就介绍完了。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！