1 AOP實作Redis快取
1.1 如何理解AOP
名稱: 面向切面編程
作用: 降低系統中代碼的耦合性,并且在不改變原有代碼的條件下對原有的方法進行功能的擴展.
公式: AOP = 切入點運算式 + 通知方法
1.2 通知型別
1.前置通知 目標方法執行之前執行
2.后置通知 目標方法執行之后執行
3.例外通知 目標方法執行程序中拋出例外時執行
4.最終通知 無論什么時候都要執行的通知
特點: 上述的四大通知型別 不能干預目標方法是否執行.一般用來做程式運行狀態的記錄.監控
5.環繞通知 在目標方法執行前后都要執行的通知方法 該方法可以控制目標方法是否運行.joinPoint.proceed(); 功能作為強大的.
1.3 切入點運算式
理解: 切入點運算式就是一個程式是否進入通知的一個判斷(IF)
作用: 當程式運行程序中 ,**滿足了切入點運算式時才會去執行通知方法,**實作業務的擴展.
種類(寫法):
1. bean(bean的名稱 bean的ID) 只能攔截具體的某個bean物件 只能匹配一個物件
lg: bean(“itemServiceImpl”)
2. within(包名.類名) within(“com.jt.service.*”) 可以匹配多個物件
粗粒度的匹配原則 按類匹配
3. execution(回傳值型別 包名.類名.方法名(引數串列)) 最為強大的用法
lg : execution(* com.jt.service..*.*(..))
回傳值型別任意 com.jt.service包下的所有的類的所有的方法都會被攔截.
4.@annotation(包名.注解名稱) 按照注解匹配.
1.4 AOP入門案例
package com.jt.aop;
import org.aspectj.lang.JoinPoint;
import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.*;
import org.springframework.stereotype.Component;
import org.springframework.stereotype.Service;
import java.util.Arrays;
@Aspect //我是一個AOP切面類
@Component //將類交給spring容器管理
public class CacheAOP {
//公式 = 切入點運算式 + 通知方法
/**
* 關于切入點運算式的使用說明
* 粗粒度:
* 1.bean(bean的Id) 一個類
* 2.within(包名.類名) 多個類
* 細粒度
*/
//@Pointcut("bean(itemCatServiceImpl)")
//@Pointcut("within(com.jt.service..*)") //匹配多級目錄
@Pointcut("execution(* com.jt.service..*.*(..))") //方法引數級別
public void pointCut(){
//定義切入點運算式 只為了占位
}
//區別: pointCut() 表示切入點運算式的參考 適用于多個通知 共用切入點的情況
// @Before("bean(itemCatServiceImpl)") 適用于單個通知.不需要復用的
// 定義前置通知,與切入點運算式進行系結. 注意系結的是方法
/**
* 需求:獲取目標物件的相關資訊.
* 1.獲取目標方法的路徑 包名.類名.方法名
* 2.獲取目標方法的型別 class
* 3.獲取傳遞的引數
* 4.記錄當前的執行時間
*/
@Before("pointCut()")
//@Before("bean(itemCatServiceImpl)")
public void before(JoinPoint joinPoint){
String className = joinPoint.getSignature().getDeclaringTypeName();
String methodName = joinPoint.getSignature().getName();
Class targetClass = joinPoint.getTarget().getClass();
Object[] args = joinPoint.getArgs();
Long runTime = System.currentTimeMillis();
System.out.println("方法路徑:" +className+"."+methodName);
System.out.println("目標物件型別:" + targetClass);
System.out.println("引數:" + Arrays.toString(args));
System.out.println("執行時間:" + runTime+"毫秒");
}
/* @AfterReturning("pointCut()")
public void afterReturn(){
System.out.println("我是后置通知");
}
@After("pointCut()")
public void after(){
System.out.println("我是最終通知");
}*/
/**
* 環繞通知說明
* 注意事項:
* 1.環繞通知中必須添加引數ProceedingJoinPoint
* 2.ProceedingJoinPoint只能環繞通知使用
* 3.ProceedingJoinPoint如果當做引數 則必須位于引數的第一位
*/
@Around("pointCut()")
public Object around(ProceedingJoinPoint joinPoint){
System.out.println("環繞通知開始!!!");
Object result = null;
try {
result = joinPoint.proceed(); //執行下一個通知或者目標方法
} catch (Throwable throwable) {
throwable.printStackTrace();
}
System.out.println("環繞通知結束");
return result;
}
}
2 關于AOP實作Redis快取
2.1 自定義快取注解
問題: 如何控制 哪些方法需要使用快取? cacheFind()
解決方案: 采用自定義注解的形式 進行定義,如果 方法執行需要使用快取,則標識注解即可.
關于注解的說明:
1.注解名稱 : cacheFind
2.屬性引數 :
2.1 key: 應該由用戶自己手動添加 一般添加業務名稱 之后動態拼接形成唯一的key
2.2 seconds: 用戶可以指定資料的超時的時間
@Target(ElementType.METHOD) //注解對方法有效
@Retention(RetentionPolicy.RUNTIME) //運行期有效
public @interface CacheFind {
public String preKey(); //用戶標識key的前綴.
public int seconds() default 0; //如果用戶不寫表示不需要超時. 如果寫了以用戶為準.
}

2.2 編輯CacheAOP
package com.jt.aop;
import com.jt.anno.CacheFind;
import com.jt.config.JedisConfig;
import com.jt.util.ObjectMapperUtil;
import org.aspectj.lang.JoinPoint;
import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.*;
import org.aspectj.lang.reflect.MethodSignature;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
import org.springframework.stereotype.Service;
import redis.clients.jedis.Jedis;
import java.lang.reflect.Method;
import java.util.Arrays;
@Aspect //我是一個AOP切面類
@Component //將類交給spring容器管理
public class CacheAOP {
@Autowired
private Jedis jedis;
/**
* 切面 = 切入點 + 通知方法
* 注解相關 + 環繞通知 控制目標方法是否執行
*
* 難點:
* 1.如何獲取注解物件
* 2.動態生成key prekey + 用戶引數陣列
* 3.如何獲取方法的回傳值型別
*/
@Around("@annotation(cacheFind)")
public Object around(ProceedingJoinPoint joinPoint,CacheFind cacheFind){
Object result = null;
try {
//1.拼接redis存盤資料的key
Object[] args = joinPoint.getArgs();
String key = cacheFind.preKey() +"::" + Arrays.toString(args);
//2. 查詢redis 之后判斷是否有資料
if(jedis.exists(key)){
//redis中有記錄,無需執行目標方法
String json = jedis.get(key);
//動態獲取方法的回傳值型別 向上造型 向下造型
MethodSignature methodSignature = (MethodSignature) joinPoint.getSignature();
Class returnType = methodSignature.getReturnType();
result = ObjectMapperUtil.toObj(json,returnType);
System.out.println("AOP查詢redis快取");
}else{
//表示資料不存在,需要查詢資料庫
result = joinPoint.proceed(); //執行目標方法及通知
//將查詢的結果保存到redis中去
String json = ObjectMapperUtil.toJSON(result);
//判斷資料是否需要超時時間
if(cacheFind.seconds()>0){
jedis.setex(key,cacheFind.seconds(),json);
}else {
jedis.set(key, json);
}
System.out.println("aop執行目標方法查詢資料庫");
}
} catch (Throwable throwable) {
throwable.printStackTrace();
}
return result;
}
}
3 關于Redis 配置說明
3.1 關于Redis持久化的說明
redis默認條件下支持資料的持久化操作. 當redis中有資料時會定期將資料保存到磁盤中.當Redis服務器重啟時 會根據組態檔讀取指定的持久化檔案.實作記憶體資料的恢復.
3.2持久化方式介紹
3.2.1 RDB模式
特點:
1.RDB模式是redis的默認的持久化策略.
2.RDB模式記錄的是Redis 記憶體資料的快照. 最新的快斬訓覆寫之前的內容 所有RDB持久化檔案占用空間更小 持久化的效率更高.
3.RDB模式由于是定期持久化 所以可能導致資料的丟失.
命令:
1. save 要求立即馬上持久化 同步的操作 其他的redis操作會陷入阻塞的狀態.
2. bgsave 開啟后臺運行 異步的操作 由于是異步操作,所以無法保證rdb檔案一定是最新的需要等待.
配置:
1.持久化檔案名稱:

2.持久化檔案位置
dir ./ 相對路徑的寫法
dir /usr/local/src/redis 絕對路徑寫法

3.RDB模式持久化策略

3.2.2 AOF模式
特點:
1.AOF模式默認條件下是關閉的,需要用戶手動的開啟

2. AOF模式是異步的操作 記錄的是用戶的操作的程序 可以防止用戶的資料丟失
3. 由于AOF模式記錄的是程式的運行狀態 所以持久化檔案相對較大,恢復資料的時間長.需要人為的優化持久化檔案
配置:

3.2.2 關于持久化操作的總結
1.如果不允許資料丟失 使用AOF方式
2.如果追求效率 運行少量資料丟失 采用RDB模式
3.如果既要保證效率 又要保證資料 則應該配置redis的集群 主機使用RDB 從機使用AOF
3.3 關于Redis記憶體策略
3.3.1 關于記憶體策略的說明
說明:Redis資料的存盤都在記憶體中.如果一直想記憶體中存盤資料 必然會導致記憶體資料的溢位.
解決方式:
1. 盡可能為保存在redis中的資料添加超時時間.
2. 利用演算法優化舊的資料.
3.3.2 LRU演算法
特點: 最好用的記憶體優化演算法.
LRU是Least Recently Used的縮寫,即最近最少使用,是一種常用的頁面置換演算法,選擇最近最久未使用的頁面予以淘汰,該演算法賦予每個頁面一個訪問欄位,用來記錄一個頁面自上次被訪問以來所經歷的時間 t,當須淘汰一個頁面時,選擇現有頁面中其 t 值最大的,即最近最少使用的頁面予以淘汰,
維度: 時間 T
3.3.3 LFU演算法
LFU(least frequently used (LFU) page-replacement algorithm),即最不經常使用頁置換演算法,要求在頁置換時置換參考計數最小的頁,因為經常使用的頁應該有一個較大的參考次數,但是有些頁在開始時使用次數很多,但以后就不再使用,這類頁將會長時間留在記憶體中,因此可以將引用計數暫存器定時右移一位,形成指數衰減的平均使用次數,
維度: 使用次數
3.3.4 RANDOM演算法
隨機洗掉資料
3.3.5 TTL演算法
把設定了超時時間的資料將要移除的提前洗掉的演算法.
3.3.6 Redis記憶體資料優化
- volatile-lru 設定了超時時間的資料采用lru演算法
2.allkeys-lru 所有的資料采用LRU演算法
3.volatile-lfu 設定了超時時間的資料采用lfu演算法洗掉
4.allkeys-lfu 所有資料采用lfu演算法洗掉
5.volatile-random 設定超時時間的資料采用隨機演算法
6.allkeys-random 所有資料的隨機演算法
7.volatile-ttl 設定超時時間的資料的TTL演算法
8.noeviction 如果記憶體溢位了 則報錯回傳. 不做任何操作. 默認值

4 關于Redis 快取面試題
問題描述: 由于海量的用戶的請求 如果這時redis服務器出現問題 則可能導致整個系統崩潰.
運行速度:
1. tomcat服務器 150-250 之間 JVM調優 1000/秒
2. NGINX 3-5萬/秒
3. REDIS 讀 11.2萬/秒 寫 8.6萬/秒 平均 10萬/秒
4.1 快取穿透
問題描述: 由于用戶高并發環境下訪問 資料庫中不存在的資料時 ,容易導致快取穿透.
如何解決: 設定IP限流的操作 nginx中 或者微軟服務機制 API網關實作.
4.2 快取擊穿
問題描述: 由于用戶高并發環境下, 由于某個資料之前存在于記憶體中,但是由于特殊原因(資料超時/資料意外洗掉)導致redis快取失效. 而使大量的用戶的請求直接訪問資料庫.
俗語: 趁他病 要他命
如何解決:
1.設定超時時間時 不要設定相同的時間.
2.設定多級快取

4.3 快取雪崩
說明: 由于高并發條件下 有大量的資料失效.導致redis的命中率太低.而使得用戶直接訪問資料庫(服務器)導致奔潰,稱之為快取雪崩.
解決方案:
1.不要設定相同的超時時間 亂數
2.設定多級快取.
3.提高redis快取的命中率 調整redis記憶體優化策略 采用LRU等演算法.

轉載請註明出處,本文鏈接:https://www.uj5u.com/yidong/174265.html
標籤:其他
