快捷導(dǎo)航

Redis+Caffeine多級緩存數(shù)據(jù)一致性解決方案

更新時間：2024年12月04日 11:53:05 作者：YAnalytics

兩級緩存Redis+Caffeine可以解決緩存雪等問題也可以提高接口的性能,但是可能會出現(xiàn)緩存一致性問題,如果數(shù)據(jù)頻繁的變更,可能會導(dǎo)致Redis和Caffeine數(shù)據(jù)不一致的問題,所以本文給大家介紹了Redis+Caffeine多級緩存數(shù)據(jù)一致性解決方案,需要的朋友可以參考下

問題分析

通過Redis+Caffeine，似乎可以完成一級、二級緩存中數(shù)據(jù)的同步，如果在單節(jié)點項目中是沒有問題的，但是，在分布式場景下是有問題的，看下圖：

說明：

部署了2個transport-info微服務(wù)節(jié)點，每個微服務(wù)都有自己進程級的一級緩存，都共享同一個Redis作為二級緩存
假設(shè)，所有節(jié)點的一級和二級緩存都是空的，此時，用戶通過節(jié)點1查詢運單物流信息，在完成后，節(jié)點1的caffeine和Redis中都會有數(shù)據(jù)
接著，系統(tǒng)通過節(jié)點2更新了數(shù)據(jù)，此時節(jié)點2中的caffeine和Redis都是更新后的數(shù)據(jù)
用戶還是進行查詢動作，依然是通過節(jié)點1查詢，此時查詢到的將是舊的數(shù)據(jù)，也就是出現(xiàn)了一級緩存與二級緩存之間的數(shù)據(jù)不一致的問題

解決方案

如何解決該問題呢？可以通過消息的方式解決，就是任意一個節(jié)點數(shù)據(jù)更新了數(shù)據(jù)，發(fā)個消息出來，通知其他節(jié)點，其他節(jié)點接收到消息后，將自己caffeine中相應(yīng)的數(shù)據(jù)刪除即可。

關(guān)于消息的實現(xiàn)，可以采用RabbitMQ，也可以采用Redis的消息訂閱發(fā)布來實現(xiàn)，在這里為了應(yīng)用技術(shù)的多樣化，所以采用Redis的訂閱發(fā)布來實現(xiàn)。

方案概述

Redis 發(fā)布訂閱(pub/sub)是一種消息通信模式：發(fā)送者(pub)發(fā)送消息，訂閱者(sub)接收消息

當有新消息通過 publish 命令發(fā)送給頻道 channel1 時，這個消息就會被發(fā)送給訂閱它的三個客戶端。

Redis的訂閱發(fā)布功能與傳統(tǒng)的消息中間件（如：RabbitMQ）相比，相對輕量一些，針對數(shù)據(jù)準確和安全性要求沒有那么高的場景可以直接使用。

代碼實現(xiàn)

在RedisConfig增加訂閱的配置：

	/**
     * 配置訂閱，用于解決Caffeine一致性的問題
     *
     * @param connectionFactory 鏈接工廠
     * @param listenerAdapter 消息監(jiān)聽器
     * @return 消息監(jiān)聽容器
     */
    @Bean
    public RedisMessageListenerContainer container(RedisConnectionFactory connectionFactory,
                                                   MessageListenerAdapter listenerAdapter) {
        RedisMessageListenerContainer container = new RedisMessageListenerContainer();
        container.setConnectionFactory(connectionFactory);
        container.addMessageListener(listenerAdapter, new ChannelTopic(CHANNEL_TOPIC));
        return container;
    }

編寫RedisMessageListener用于監(jiān)聽消息，刪除caffeine中的數(shù)據(jù)。

/**
 * redis消息監(jiān)聽，解決Caffeine一致性的問題
 */
@Slf4j
@Component
public class RedisMessageListener extends MessageListenerAdapter {

    @Resource
    private Cache<String, TransportInfoDTO> transportInfoCache;

    @Override
    public void onMessage(Message message, byte[] pattern) {
        // 獲取到消息中的運單id
        String transportOrderId = Convert.toStr(message);
        log.info("redis消息監(jiān)聽緩存變更，運單id:{}", transportOrderId);
        // 將本jvm中的緩存刪除掉
        this.transportInfoCache.invalidate(transportOrderId);
    }
}

更新數(shù)據(jù)后向redis發(fā)送消息：

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    @CachePut(value = "transport-info", key = "#p0")
    public TransportInfoEntity saveOrUpdate(String transportOrderId, TransportInfoDetail infoDetail) {
		// 省略代碼
 
        // 清除緩存中的數(shù)據(jù)
        // this.transportInfoCache.invalidate(transportOrderId);
        // Caffeine本地緩存一致性，發(fā)布訂閱消息到redis，通知訂閱者更新緩存
        this.stringRedisTemplate.convertAndSend(RedisConfig.CHANNEL_TOPIC, transportOrderId);
        // 保存/更新到MongoDB
        return this.mongoTemplate.save(transportInfoEntity);
    }

總結(jié)

本文主要講解了在使用Redis和Caffeine多級緩存時使用Redis的發(fā)布訂閱模式來保證兩級緩存的數(shù)據(jù)一致性。本地緩存是基于服務(wù)本地內(nèi)存的，分布式系統(tǒng)中當緩存更新時，可能造成多個實例間的本地緩存不一致問題?？梢允褂肦abbitMQ或者Redis的發(fā)布訂閱來解決本地緩存不一致的問題。

以上就是Redis+Caffeine多級緩存數(shù)據(jù)一致性解決方案的詳細內(nèi)容，更多關(guān)于Redis Caffeine緩存數(shù)據(jù)一致性的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: