高并发秒杀系统开发全流程指南（第六期）：缓存设计与数据一致性保障
创作时间:
作者:
@小白创作中心
高并发秒杀系统开发全流程指南（第六期）：缓存设计与数据一致性保障
引用
CSDN
1.
https://blog.csdn.net/2301_78858041/article/details/145675445
在高并发秒杀系统中，缓存设计是提升系统性能和用户体验的关键环节。通过合理设计缓存机制，我们可以显著减少数据库压力、加快响应速度，并提升系统的可用性。本文将聚焦于缓存设计部分，从技术选型到核心策略，再到数据一致性保障，为你详细讲解如何打造一个高效、可靠的缓存层。
缓存的作用与技术选型
缓存的核心作用
- 加速数据访问：将频繁访问的数据存储在内存中，减少数据库访问延迟。
- 缓解数据库压力：通过分担数据库的读写压力，提升系统整体性能。
- 提高系统可用性：在数据库不可用时，缓存可以作为应急数据源。
为什么选择 Redis？
- 高性能：Redis 是基于内存的存储系统，适用于高并发场景。
- 丰富的数据结构：支持字符串、列表、哈希、集合、有序集合等多种数据结构。
- 持久化：支持 RDB 和 AOF 持久化方式，保障数据不丢失。
- 高可用性：支持主从复制和哨兵模式，确保高可用性。
Redis 配置与优化
基础配置
以下是 Redis 的基础配置示例：
# Redis 配置文件示例
port 6379
bind 0.0.0.0
daemonize yes
pidfile /var/run/redis.pid
loglevel notice
logfile /var/log/redis.log
dbfilename dump.rdb
dir /var/lib/redis
save 900 1
save 300 10
save 60 10000
appendonly yes
持久化配置
Redis 提供两种持久化方式：
- RDB 持久化：适合备份和恢复，但可能会丢失部分数据。
save 900 1
save 300 10
save 60 10000
- AOF 持久化：提供更高的数据安全性，但文件较大。
appendonly yes
内存优化
为了提升 Redis 的性能，可以配置最大内存并启用 LRU 等淘汰策略：
maxmemory 4gb
maxmemory-policy allkeys-lru
网络配置
为了提升 Redis 的网络性能，可以调整 TCP 参数：
tcp-backlog 511
timeout 0
keepalive 60
缓存设计的核心策略
热点数据缓存
热点数据是指被高频访问的数据，如热门商品信息。通过将热点数据缓存到 Redis 中，可以显著提升访问速度。
@Service
public class ProductService {
@Autowired
private RedisTemplate<String, Object> redisTemplate;
@Autowired
private ProductRepository productRepository;
public Product getProductById(String productId) {
// 先从 Redis 中获取
Product product = (Product) redisTemplate.opsForValue().get("product:" + productId);
if (product != null) {
return product;
}
// 如果 Redis 中没有，从数据库中获取
product = productRepository.findById(productId).orElse(null);
if (product != null) {
// 将数据存入 Redis 并设置过期时间
redisTemplate.opsForValue().set("product:" + productId, product, 3600, TimeUnit.SECONDS);
}
return product;
}
}
缓存预热
缓存预热是指在系统启动时预先加载热点数据到 Redis 中，避免初次访问时的延迟。
@Component
public class CachePreheater implements CommandLineRunner {
@Autowired
private ProductService productService;
@Override
public void run(String... args) throws Exception {
List<Product> hotProducts = productService.getHotProducts();
for (Product product : hotProducts) {
productService.getProductById(product.getId().toString());
}
}
}
分布式锁
在高并发场景下，分布式锁可以有效避免并发冲突。Redis 提供了 RedLock 算法来实现高可用的分布式锁。
@Service
public class StockService {
@Autowired
private RedissonClient redissonClient;
@Autowired
private ProductRepository productRepository;
public boolean decreaseStock(String productId, int num) {
RLock lock = redissonClient.getLock("stock_lock:" + productId);
try {
boolean isLocked = lock.tryLock(10, 10, TimeUnit.SECONDS);
if (!isLocked) {
throw new RuntimeException("获取锁失败");
}
Product product = productRepository.findById(productId).orElseThrow(() -> new RuntimeException("商品不存在"));
if (product.getStock() < num) {
throw new RuntimeException("库存不足");
}
product.setStock(product.getStock() - num);
productRepository.save(product);
return true;
} catch (InterruptedException e) {
Thread.currentThread().interrupt();
throw new RuntimeException("线程中断", e);
} finally {
if (lock.isHeldByCurrentThread()) {
lock.unlock();
}
}
}
}
缓存穿透、击穿与雪崩
- 缓存穿透：查询不存在的数据导致数据库压力过大。
- 解决方案：布隆过滤器或缓存空值。
- 缓存击穿：热点数据过期导致大量请求同时访问数据库。
- 解决方案：互斥锁或永不过期。
- 缓存雪崩：大量缓存同时过期导致系统崩溃。
- 解决方案：随机过期时间或续命机制。
布隆过滤器实现
@Component
public class BloomFilterUtil {
private static final int DEFAULT_SIZE = 1 << 24;
private static final int DEFAULT_HASH_COUNT = 5;
private BitSet bitSet = new BitSet(DEFAULT_SIZE);
private Random random = new Random();
public void add(String key) {
for (int i = 0; i < DEFAULT_HASH_COUNT; i++) {
int index = Math.abs(random.nextInt()) % DEFAULT_SIZE;
bitSet.set(index, true);
}
}
public boolean contains(String key) {
for (int i = 0; i < DEFAULT_HASH_COUNT; i++) {
int index = Math.abs(random.nextInt()) % DEFAULT_SIZE;
if (!bitSet.get(index)) {
return false;
}
}
return true;
}
}
永不过期缓存
@Service
public class ProductService {
@Autowired
private RedisTemplate<String, Object> redisTemplate;
@Autowired
private ProductRepository productRepository;
public Product getProductById(String productId) {
Product product = (Product) redisTemplate.opsForValue().get("product:" + productId);
if (product != null) {
return product;
}
synchronized (this) {
product = (Product) redisTemplate.opsForValue().get("product:" + productId);
if (product != null) {
return product;
}
product = productRepository.findById(productId).orElseThrow(() -> new RuntimeException("商品不存在"));
redisTemplate.opsForValue().set("product:" + productId, product, -1, TimeUnit.SECONDS);
return product;
}
}
}
缓存与数据库的数据一致性
异步刷新
通过异步刷新机制，可以在不影响用户体验的情况下保持缓存与数据库的一致性。
@Service
public class ProductService {
@Autowired
private RedisTemplate<String, Object> redisTemplate;
@Autowired
private ProductRepository productRepository;
@Async
public void asyncRefreshCache(String productId) {
Product product = productRepository.findById(productId).orElse(null);
if (product != null) {
redisTemplate.opsForValue().set("product:" + productId, product, 3600, TimeUnit.SECONDS);
}
}
}
缓存更新策略
- 写通策略：写数据库时同时更新缓存。
- 读写策略：写数据库时先删除缓存，读时再加载。
- 最终一致性：允许一定时间内的数据不一致。
写通策略实现
@Service
public class ProductService {
@Autowired
private RedisTemplate<String, Object> redisTemplate;
@Autowired
private ProductRepository productRepository;
public void updateProduct(Product product) {
productRepository.save(product);
redisTemplate.opsForValue().set("product:" + product.getId(), product, 3600, TimeUnit.SECONDS);
}
}
容器化部署与缓存同步
在容器化部署场景下，可以通过 Redis 集群实现缓存同步。
# Redis 集群配置示例
spring:
redis:
cluster:
nodes: 192.168.1.1:6379,192.168.1.2:6379,192.168.1.3:6379
案例分析：库存信息的缓存设计
场景描述
在秒杀场景中，库存信息是最容易成为性能瓶颈的部分。我们需要通过缓存设计来提升库存查询和扣减的效率。
方案设计
- 使用 Redis 缓存库存信息。
- 结合分布式锁实现库存扣减。
- 使用异步刷新机制保持缓存与数据库的一致性。
代码实现
@Service
public class StockService {
@Autowired
private RedisTemplate<String, Integer> redisTemplate;
@Autowired
private ProductRepository productRepository;
public boolean decreaseStock(String productId, int num) {
// 先尝试从 Redis 中扣减库存
Integer stock = redisTemplate.opsForValue().get("stock:" + productId);
if (stock != null && stock >= num) {
redisTemplate.opsForValue().decrement("stock:" + productId, num);
return true;
}
// 如果 Redis 中没有库存或库存不足，从数据库中获取
Product product = productRepository.findById(productId).orElseThrow(() -> new RuntimeException("商品不存在"));
if (product.getStock() < num) {
return false;
}
// 扣减数据库中的库存
product.setStock(product.getStock() - num);
productRepository.save(product);
// 更新 Redis 中的库存
redisTemplate.opsForValue().set("stock:" + productId, product.getStock(), 3600, TimeUnit.SECONDS);
return true;
}
}
总结与展望
通过本文的讲解，我们已经了解了如何基于 Redis 实现一个高效、可靠的缓存层。在实际开发中，我们需要根据具体的业务需求选择合适的缓存策略，并通过不断的优化和测试提升系统的性能和稳定性。
在接下来的文章中，我们将继续深入探讨秒杀系统的其他核心模块，包括：
- 消息队列配置与异步处理
- 监控体系建设与性能分析
热门推荐
早孕试纸怎么用？两条杠一定代表怀孕吗？
新疆盘龙古道：608个弯道的“高原天路”自驾攻略
网上查询案底记录的官方渠道有哪些
加强自我修养应该怎么做才好
苹果手机听筒有杂音滋滋怎么清理？一文读懂操作方法
大众科普——自体输血：用自己的血救自己
学校人工湖水污染的治理方案
特斯拉动能回收系统详解：节能与刹车寿命双丰收
Web抽奖活动设计指南：从界面到管理的全方位解析
《山海经》中的人鱼：陵鱼、鱼妇、鲛人，谁才是中国人鱼的象征？
3D应用在可视化大屏，可不仅仅是漂亮，很多是你想不到的。
从战舰造价可知二战德国缺乏造船技术
闭口合同解除：探究关闭合同的关键因素
两个三维点云模型，该用什么算法进行数据融合
Excel中固定公式结果的11种方法
美国女性的地位及其变化
赵云“浑身是胆”的由来：汉水之战的英勇表现
我的世界工业模组的主要功能和玩法
探访“数字福建”，见证行业新变革
日本五日游攻略：如何安排行程，让你玩转东京、大阪和京都！
电影《敦刻尔克》中，如何营造战争紧张刺激的场面气氛?
青平：彩礼须“重礼”而非“重利”
设备故障率是什么？如何降低设备故障率？设备故障率的影响因素有哪些？
开了3年插电混动，5大优点很明显，3大缺点才是痛点，省油不省钱，你认可吗？
高压氧舱到底多少钱？一文搞定疑问
如何写图片上传api
360万！二手绿牌Cybertruck开回家
春天美丽诗篇，原创4首七绝，最是游人贪看处，数声啼鸟隔花闻
室内装饰墙板设计指南,轻松打造绝美轻奢空间!
曼联球迷请放心！降级概率仅0.1%！最差拿39分， 或排名第12