Redis与本地缓存组合食用，味道更佳！

发布时间：2025-11-05 09:18:22 来源：云智核 作者：人工智能

前言

我们开发中经常用到Redis作为缓存，地缓道更将高频数据放在Redis中能够提高业务性能，存组降低MySQL等关系型数据库压力，合食甚至一些系统使用Redis进行数据持久化，用味Redis松散的地缓道更文档结构非常适合业务系统开发，在精确查询，存组数据统计业务有着很大的合食优势。

但是用味高频数据流处理系统中，Redis的地缓道更压力也会很大，同时I/0开销才是存组耗时的主要原因，这时候为了降低Redis读写压力我们可以用到本地缓存，合食Guava为我们提供了优秀的用味本地缓存API，包含了过期策略等等，地缓道更编码难度低，存组个人非常推荐。合食

设计示例

数据在新增到MySQL不进行缓存，在精确查找进行缓存，做到查询即缓存，不查询不缓存

流程图

代码示例

// 伪代码示例 Xx代表你的的业务对象 如User Goods等等

public class XxLazyCache {

@Autowired

private RedisTemplateredisTemplate;

@Autowired

private XxService xxService;// 你的业务service

/

* 查询 通过查询缓存是否存在驱动缓存加载 建议在前置业务保证id对应数据是绝对存在于数据库中的

*/

public Xx getXx(int id) {

// 1.查询缓存里面有没有数据

Xx xxCache = getXxFromCache(id);

if(xxCache != null) {

return xxCache;// 卫语句使代码更有利于阅读

}

// 2.查询数据库获取数据 我们假定到业务这一步，传过来的id都在数据库中有对应数据

Xx xx = xxService.getXxById(id);

// 3.设置缓存、服务器租用这一步相当于Redis缓存懒加载，下次再查询此id，则会走缓存

setXxFromCache(xx);

return xx;

}

}

/

* 对xx数据进行修改或者删除操作 操作数据库成功后 删除缓存

* 删除请求 - 删除数据库数据 删除缓存

* 修改请求 - 更新数据库数据 删除缓存 下次在查询时候就会从数据库拉取新的数据到缓存中

*/

public void deleteXxFromCache(long id) {

String key = "Xx:" + xx.getId();

redisTemplate.delete(key);

}

private void setXxFromCache(Xx xx) {

String key = "Xx:" + xx.getId();

redisTemplate.opsForValue().set(key, xx);

}

private Xx getXxFromCache(int id) {

// 通过缓存前缀拼装唯一主键作为缓存Key 如Xxx信息 就是Xxx:id

String key = "Xx:" + id;

return redisTemplate.opsForValue().get(key);

}

}

// 业务类

public class XxServie {

@Autowired

private XxLazyCache xxLazyCache;

// 查询数据库

public Xx getXxById(long id) {

// 省略实现

return xx;

}

public void updateXx(Xx xx) {

// 更新MySQL数据 省略

// 删除缓存

xxLazyCache.deleteXxFromCache(xx.getId());

}

public void deleteXx(long id) {

// 删除MySQL数据 省略

// 删除缓存

xxLazyCache.deleteXxFromCache(xx.getId());

}

}

// 实体类

@Data

public class Xx {

// 业务主键

private Long id;

// ...省略

优点

缺点

总结

微服务场景下，多个微服务使用一个大缓存，流数据业务下，高频读取缓存对Redis压力很大，我们使用本地缓存结合Redis缓存使用，降低Redis压力，同时本地缓存没有连接开销，性能更优

流程图

业务场景

在流处数处理过程中，微服务对多个设备上传的数据进行处理，每个设备有一个code,流数据的频率高，在消息队列发送过程中使用分区发送，我们需要为设备code生成对应的自增号，用自增号对kafka中topic分区数进行取模，这样如果有10000台设备，自增号就是0~9999，在取模后就进行分区发送就可以做到每个分区均匀分布。

这个自增号我们使用redis的自增数生成，免费信息发布网生成后放到redis的hash结构进行缓存，每次来一个设备，我们就去这个hash缓存中取，没有取到就使用自增数生成一个，然后放到redis的hash缓存中，这时候每个设备的自增数一经生成是不会再发生改变的，我们就想到使用本地缓存进行优化，避免高频的调用redis去获取，降低redis压力。

下面链接是关于kafka分区消费的文章，大家可以去看看

代码示例

/

* 此缓存演示如何结合redis自增数 hash 本地缓存使用进行设备自增数的生成、缓存、本地缓存

* 本地缓存使用Guava Cache

*/

public class DeviceIncCache {

/

* 本地缓存

*/

private CachelocalCache = CacheBuilder.newBuilder()

.concurrencyLevel(16) // 并发级别

.initialCapacity(1000) // 初始容量

.maximumSize(10000) // 缓存最大长度

.expireAfterAccess(1, TimeUnit.HOURS) // 缓存1小时没被使用就过期

.build();

@Autowired

private RedisTemplateredisTemplate;

/

* redis自增数缓存的key

*/

private static final String DEVICE_INC_COUNT = "device_inc_count";

/

* redis设备编码对应自增数的hash缓存key

*/

private static final String DEVICE_INC_VALUE = "device_inc_value";

/

* 获取设备自增数

*/

public int getInc(String deviceCode){

// 1.从本地缓存获取

Integer inc = localCache.get(deviceCode);

if(inc != null) {

return inc;

}

// 2.本地缓存未命中，从redis的hash缓存获取

inc = (Integer)redisTemplate.opsForHash().get(DEVICE_INC_VALUE, deviceCode);

// 3. redis的hash缓存中没有，说明是新设备，先为设备生成一个自增号

if(inc == null) {

inc = redisTemplate.opsForValue().increment(DEVICE_INC_COUNT).intValue;

// 添加到redis hash缓存

redisTemplate.opsForHash().put(DEVICE_INC_VALUE, deviceCode, inc);

}

// 4.添加到本地缓存

localCache.put(deviceCode, inc);

// 4.返回自增数

return inc;

}

优点

缺点

总结

redis提供了丰富的数据类型及api，非常适合业务系统开发，统计计数（increment，decrement），标记位（bitmap），松散数据（hash），先进先出、队列式读取（list）；

guava缓存作为本地缓存，能够高效的读取的同时，提供了大量api方便我们控制本地缓存的数据量及冷数据淘汰；我们充分的学习这些特性能够帮助我们在业务开发中更加轻松灵活，在空间与时间上找到一个平衡点。

相关文章