MyBatis【缓存击穿,缓存雪崩,缓存穿透】

2024-09-03 00:52

本文主要是介绍MyBatis【缓存击穿,缓存雪崩,缓存穿透】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

缓存击穿、缓存雪崩、缓存穿透

在使用 MyBatis 进行缓存管理时,可能会遇到三种缓存问题:缓存穿透缓存击穿、和缓存雪崩。这些问题都会对系统的性能和稳定性造成影响,因此理解和处理这些问题非常重要。下面我将详细解释每个问题,并提供相关的代码示例。

1. 缓存穿透 (Cache Penetration)

缓存穿透指的是查询的数据在缓存中不存在,并且数据库中也不存在。当请求这些数据时,缓存无法命中,每次都会直接查询数据库,导致缓存完全失效。

解决方案:
  • 使用布隆过滤器:布隆过滤器用于在查询前判断数据是否存在,避免查询无效的数据。
  • 缓存空对象:将不存在的数据结果(如null)也缓存起来,防止每次查询都打到数据库。
示例代码:

假设我们有一个方法查询用户信息,可以通过以下代码来处理缓存穿透问题:

public User getUserById(Integer userId) {// 检查缓存是否存在User user = cache.get(userId);if (user != null) {return user;}// 使用布隆过滤器判断数据是否存在if (!bloomFilter.mightContain(userId)) {return null; // 直接返回,防止缓存穿透}// 查询数据库user = userMapper.getUserById(userId);if (user != null) {cache.put(userId, user); // 缓存数据} else {cache.put(userId, null); // 缓存空对象}return user;
}

2. 缓存击穿 (Cache Breakdown)

缓存击穿指的是在缓存中某个热点数据(如频繁访问的数据)在过期的瞬间,有大量的请求并发访问,导致请求同时打到数据库,可能会引发数据库压力骤增。

解决方案:
  • 使用互斥锁:在缓存失效时,通过互斥锁(如 Redis 的分布式锁)控制只有一个线程能去加载数据库数据,其他线程等待。
  • 缓存预热:在缓存失效前主动更新缓存,避免高并发情况下的缓存击穿。
示例代码:

以下代码展示了如何使用锁来解决缓存击穿问题:

public User getUserById(Integer userId) {User user = cache.get(userId);if (user != null) {return user;}synchronized (this) {// 再次检查缓存,防止并发线程同时进入user = cache.get(userId);if (user != null) {return user;}// 查询数据库user = userMapper.getUserById(userId);cache.put(userId, user);}return user;
}

3. 缓存雪崩 (Cache Avalanche)

缓存雪崩指的是在某一时间段缓存集中失效,导致大量请求打到数据库,从而引发数据库宕机或服务不可用。通常发生在缓存批量失效或缓存服务器出现故障时。

解决方案:
  • 缓存失效时间设置随机值:避免大规模缓存同时失效。
  • 多级缓存:利用多层缓存结构,如本地缓存和分布式缓存结合使用,分散请求。
  • 限流与降级:在高并发情况下,通过限流、熔断机制保护数据库。
示例代码:

以下代码展示了如何设置缓存失效时间的随机值以防止缓存雪崩:

public void cacheUser(User user) {// 设置缓存失效时间为随机值,防止雪崩int expireTime = 60 + new Random().nextInt(30); // 缓存失效时间为60-90秒之间cache.put(user.getId(), user, expireTime);
}

总结

  1. 缓存穿透:使用布隆过滤器或缓存空值来防止无效请求打到数据库。
  2. 缓存击穿:使用锁机制控制并发请求,避免热点数据缓存失效时大量请求涌入数据库。
  3. 缓存雪崩:通过设置随机缓存失效时间、使用多级缓存、以及限流机制来防止集中失效时对数据库造成冲击。

这些措施可以帮助提升 MyBatis 应用中的缓存管理,确保系统在高并发环境下的稳定性。

这篇关于MyBatis【缓存击穿,缓存雪崩,缓存穿透】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1131559

相关文章

mybatis的整体架构

mybatis的整体架构分为三层: 1.基础支持层 该层包括:数据源模块、事务管理模块、缓存模块、Binding模块、反射模块、类型转换模块、日志模块、资源加载模块、解析器模块 2.核心处理层 该层包括:配置解析、参数映射、SQL解析、SQL执行、结果集映射、插件 3.接口层 该层包括:SqlSession 基础支持层 该层保护mybatis的基础模块,它们为核心处理层提供了良好的支撑。

缓存雪崩问题

缓存雪崩是缓存中大量key失效后当高并发到来时导致大量请求到数据库,瞬间耗尽数据库资源,导致数据库无法使用。 解决方案: 1、使用锁进行控制 2、对同一类型信息的key设置不同的过期时间 3、缓存预热 1. 什么是缓存雪崩 缓存雪崩是指在短时间内,大量缓存数据同时失效,导致所有请求直接涌向数据库,瞬间增加数据库的负载压力,可能导致数据库性能下降甚至崩溃。这种情况往往发生在缓存中大量 k

Spring+MyBatis+jeasyui 功能树列表

java代码@EnablePaging@RequestMapping(value = "/queryFunctionList.html")@ResponseBodypublic Map<String, Object> queryFunctionList() {String parentId = "";List<FunctionDisplay> tables = query(parent

Mybatis中的like查询

<if test="templateName != null and templateName != ''">AND template_name LIKE CONCAT('%',#{templateName,jdbcType=VARCHAR},'%')</if>

JavaWeb【day09】--(Mybatis)

1. Mybatis基础操作 学习完mybatis入门后,我们继续学习mybatis基础操作。 1.1 需求 需求说明: 根据资料中提供的《tlias智能学习辅助系统》页面原型及需求,完成员工管理的需求开发。 通过分析以上的页面原型和需求,我们确定了功能列表: 查询 根据主键ID查询 条件查询 新增 更新 删除 根据主键ID删除 根据主键ID批量删除

MyBatis 切换不同的类型数据库方案

下属案例例当前结合SpringBoot 配置进行讲解。 背景: 实现一个工程里面在部署阶段支持切换不同类型数据库支持。 方案一 数据源配置 关键代码(是什么数据库,该怎么配就怎么配) spring:datasource:name: test# 使用druid数据源type: com.alibaba.druid.pool.DruidDataSource# @需要修改 数据库连接及驱动u

Redis中使用布隆过滤器解决缓存穿透问题

一、缓存穿透(失效)问题 缓存穿透是指查询一个一定不存在的数据,由于缓存中没有命中,会去数据库中查询,而数据库中也没有该数据,并且每次查询都不会命中缓存,从而每次请求都直接打到了数据库上,这会给数据库带来巨大压力。 二、布隆过滤器原理 布隆过滤器(Bloom Filter)是一种空间效率很高的随机数据结构,它利用多个不同的哈希函数将一个元素映射到一个位数组中的多个位置,并将这些位置的值置

防止缓存击穿、缓存穿透和缓存雪崩

使用Redis缓存防止缓存击穿、缓存穿透和缓存雪崩 在高并发系统中,缓存击穿、缓存穿透和缓存雪崩是三种常见的缓存问题。本文将介绍如何使用Redis、分布式锁和布隆过滤器有效解决这些问题,并且会通过Java代码详细说明实现的思路和原因。 1. 背景 缓存穿透:指的是大量请求缓存中不存在且数据库中也不存在的数据,导致大量请求直接打到数据库上,形成数据库压力。 缓存击穿:指的是某个热点数据在

PHP APC缓存函数使用教程

APC,全称是Alternative PHP Cache,官方翻译叫”可选PHP缓存”。它为我们提供了缓存和优化PHP的中间代码的框架。 APC的缓存分两部分:系统缓存和用户数据缓存。(Linux APC扩展安装) 系统缓存 它是指APC把PHP文件源码的编译结果缓存起来,然后在每次调用时先对比时间标记。如果未过期,则使用缓存的中间代码运行。默认缓存 3600s(一小时)。但是这样仍会浪费大量C

缓存策略使用总结

缓存是提高系统性能的最简单方法之一。相对而言,数据库(or NoSQL数据库)的速度比较慢,而速度却又是致胜的关键。 如果使用得当,缓存可以减少相应时间、减少数据库负载以及节省成本。本文罗列了几种缓存策略,选择正确的一种会有很大的不同。缓存策略取决于数据和数据访问模式。换句话说,数据是如何写和读的。例如: 系统是写多读少的吗?(例如基于时间的日志)数据是否是只写入一次并被读取多次?(例如用户配