javaweb實例分析

本文小編為大家詳細介紹“java web實例分析”，內(nèi)容詳細，步驟清晰，細節(jié)處理妥當，希望這篇“java web實例分析”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

創(chuàng)新互聯(lián)專注于樂清企業(yè)網(wǎng)站建設,響應式網(wǎng)站開發(fā),商城系統(tǒng)網(wǎng)站開發(fā)。樂清網(wǎng)站建設公司,為樂清等地區(qū)提供建站服務。全流程按需策劃設計，專業(yè)設計，全程項目跟蹤，創(chuàng)新互聯(lián)專業(yè)和態(tài)度為您提供的服務

正文

在實際的工作項目中， 緩存成為高并發(fā)、高性能架構(gòu)的關鍵組件 ，那么redis為什么可以作為緩存使用呢？首先可以作為緩存的兩個主要特征：

• 在分層系統(tǒng)中處于內(nèi)存/CPU具有訪問性能良好，

• 緩存數(shù)據(jù)飽和，有良好的數(shù)據(jù)淘汰機制

由于Redis 天然就具有這兩個特征，Redis基于內(nèi)存操作的，且其具有完善的數(shù)據(jù)淘汰機制，十分適合作為緩存組件。

其中，基于內(nèi)存操作，容量可以為32-96GB，且操作時間平均為100ns，操作效率高。而且數(shù)據(jù)淘汰機制眾多，在Redis 4.0 后就有8種了促使Redis作為緩存可以適用很多場景。

那Redis緩存為什么需要數(shù)據(jù)淘汰機制呢？有哪8種數(shù)據(jù)淘汰機制呢？

數(shù)據(jù)淘汰機制

Redis緩存基于內(nèi)存實現(xiàn)的，則其緩存其容量是有限的，當出現(xiàn)緩存被寫滿的情況，那么這時Redis該如何處理呢？

Redis對于緩存被寫滿的情況，Redis就需要緩存數(shù)據(jù)淘汰機制，通過一定淘汰規(guī)則將一些數(shù)據(jù)刷選出來刪除，讓緩存服務可再使用。那么Redis使用哪些淘汰策略進行刷選刪除數(shù)據(jù)？

在Redis 4.0 之后，Redis 緩存淘汰策略6+2種，包括分成三大類：

• 不淘汰數(shù)據(jù)

• noeviction ，不進行數(shù)據(jù)淘汰，當緩存被寫滿后，Redis不提供服務直接返回錯誤。

• 在設置過期時間的鍵值對中，

• volatile-random ，在設置過期時間的鍵值對中隨機刪除

• volatile-ttl ，在設置過期時間的鍵值對，基于過期時間的先后進行刪除，越早過期的越先被刪除。

• volatile-lru ， 基于LRU(Least Recently Used) 算法篩選設置了過期時間的鍵值對， 最近最少使用的原則來篩選數(shù)據(jù)

• volatile-lfu ，使用 LFU( Least Frequently Used ) 算法選擇設置了過期時間的鍵值對, 使用頻率最少的鍵值對,來篩選數(shù)據(jù)。

• 在所有的鍵值對中，

• allkeys-random， 從所有鍵值對中隨機選擇并刪除數(shù)據(jù)

• allkeys-lru， 使用 LRU 算法在所有數(shù)據(jù)中進行篩選

• allkeys-lfu， 使用 LFU 算法在所有數(shù)據(jù)中進行篩選

Note: LRU( 最近最少使用，Least Recently Used)算法， LRU維護一個雙向鏈表 ，鏈表的頭和尾分別表示 MRU 端和 LRU 端，分別代表最近最常使用的數(shù)據(jù)和最近最不常用的數(shù)據(jù)。

LRU 算法在實際實現(xiàn)時，需要用鏈表管理所有的緩存數(shù)據(jù)，這會帶來額外的空間開銷。而且，當有數(shù)據(jù)被訪問時，需要在鏈表上把該數(shù)據(jù)移動到 MRU 端，如果有大量數(shù)據(jù)被訪問，就會帶來很多鏈表移動操作，會很耗時，進而會降低 Redis 緩存性能。

其中，LRU和LFU 基于Redis的對象結(jié)構(gòu)redisObject的lru和refcount屬性實現(xiàn)的:

typedef struct redisObject {
    unsigned type:4;
    unsigned encoding:4;
    // 對象最后一次被訪問的時間
    unsigned lru:LRU_BITS; /* LRU time (relative to global lru_clock) or
                            * LFU data (least significant 8 bits frequency
    // 引用計數(shù)                        * and most significant 16 bits access time). */
    int refcount;
    void *ptr;
} robj;

Redis的LRU會使用redisObject的lru記錄最近一次被訪問的時間，隨機選取參數(shù)maxmemory-samples 配置的數(shù)量作為候選集合，在其中選擇 lru 屬性值最小的數(shù)據(jù)淘汰出去。

在實際項目中，那么該如何選擇數(shù)據(jù)淘汰機制呢？

• 優(yōu)先選擇 allkeys-lru算法，將最近最常訪問的數(shù)據(jù)留在緩存中，提升應用的訪問性能。

• 有頂置數(shù)據(jù)使用 volatile-lru算法 ,頂置數(shù)據(jù)不設置緩存過期時間，其他數(shù)據(jù)設置過期時間，基于LRU 規(guī)則進行篩選 。

在理解了Redis緩存淘汰機制后，來看看Redis作為緩存其有多少種模式呢？

Redis緩存模式

Redis緩存模式基于是否接收寫請求，可以分成只讀緩存和讀寫緩存：

只讀緩存：只處理讀操作，所有的更新操作都在數(shù)據(jù)庫中，這樣數(shù)據(jù)不會有丟失的風險。

• Cache Aside模式

讀寫緩存，讀寫操作都在緩存中執(zhí)行，出現(xiàn)宕機故障，會導致數(shù)據(jù)丟失。緩存回寫數(shù)據(jù)到數(shù)據(jù)庫有分成兩種同步和異步：

• 同步：訪問性能偏低，其更加側(cè)重于保證數(shù)據(jù)可靠性

• Read-Throug模式

• Write-Through模式

• 異步：有數(shù)據(jù)丟失風險，其側(cè)重于提供低延遲訪問

• Write-Behind模式

Cache Aside模式

查詢數(shù)據(jù)先從緩存讀取數(shù)據(jù)，如果緩存中不存在，則再到數(shù)據(jù)庫中讀取數(shù)據(jù)，獲取到數(shù)據(jù)之后更新到緩存Cache中，但更新數(shù)據(jù)操作，會先去更新數(shù)據(jù)庫種的數(shù)據(jù)，然后將緩存種的數(shù)據(jù)失效。

而且Cache Aside模式會存在并發(fā)風險：執(zhí)行讀操作未命中緩存，然后查詢數(shù)據(jù)庫中取數(shù)據(jù)，數(shù)據(jù)已經(jīng)查詢到還沒放入緩存，同時一個更新寫操作讓緩存失效，然后讀操作再把查詢到數(shù)據(jù)加載緩存，導致緩存的臟數(shù)據(jù)。

Read/Write-Throug模式

查詢數(shù)據(jù)和更新數(shù)據(jù)都直接訪問緩存服務，緩存服務同步方式地將數(shù)據(jù)更新到數(shù)據(jù)庫。出現(xiàn)臟數(shù)據(jù)的概率較低，但是就強依賴緩存，對緩存服務的穩(wěn)定性有較大要求，但同步更新會導致其性能不好。

Write Behind模式

查詢數(shù)據(jù)和更新數(shù)據(jù)都直接訪問緩存服務，但緩存服務使用異步方式地將數(shù)據(jù)更新到數(shù)據(jù)庫（通過異步任務） 速度快，效率會非常高，但是數(shù)據(jù)的一致性比較差，還可能會有數(shù)據(jù)的丟失情況，實現(xiàn)邏輯也較為復雜。

在實際項目開發(fā)中根據(jù)實際的業(yè)務場景需求來進行選擇緩存模式。那了解上述后，我們的應用中為什么需要使用到redis緩存呢？

在應用使用Redis緩存可以提高系統(tǒng)性能和并發(fā)，主要體現(xiàn)在

• 高性能：基于內(nèi)存查詢，KV結(jié)構(gòu)，簡單邏輯運算

• 高并發(fā)： MySQL 每秒只能支持2000左右的請求，Redis輕松每秒1W以上。讓80%以上查詢走緩存，20%以下查詢走數(shù)據(jù)庫，能讓系統(tǒng)吞吐量有很大的提高

雖然使用Redis緩存可以大大提升系統(tǒng)的性能，但是使用了緩存，會出現(xiàn)一些問題，比如，緩存與數(shù)據(jù)庫雙向不一致、緩存雪崩等，對于出現(xiàn)的這些問題該怎么解決呢？

使用緩存常見的問題

使用了緩存，會出現(xiàn)一些問題，主要體現(xiàn)在：

• 緩存與數(shù)據(jù)庫雙寫不一致

• 緩存雪崩: Redis 緩存無法處理大量的應用請求，轉(zhuǎn)移到數(shù)據(jù)庫層導致數(shù)據(jù)庫層的壓力激增;

• 緩存穿透：訪問數(shù)據(jù)不存在在Redis緩存中和數(shù)據(jù)庫中，導致大量訪問穿透緩存直接轉(zhuǎn)移到數(shù)據(jù)庫導致數(shù)據(jù)庫層的壓力激增;

• 緩存擊穿：緩存無法處理高頻熱點數(shù)據(jù)，導致直接高頻訪問數(shù)據(jù)庫導致數(shù)據(jù)庫層的壓力激增;

緩存與數(shù)據(jù)庫數(shù)據(jù)不一致

只讀緩存(Cache Aside模式)

對于只讀緩存(Cache Aside模式)， 讀操作都發(fā)生在緩存中，數(shù)據(jù)不一致只會發(fā)生在刪改操作上（新增操作不會，因為新增只會在數(shù)據(jù)庫處理），當發(fā)生刪改操作時，緩存將數(shù)據(jù)中標志為無效和更新數(shù)據(jù)庫 。因此在更新數(shù)據(jù)庫和刪除緩存值的過程中，無論這兩個操作的執(zhí)行順序誰先誰后，只要有一個操作失敗了就會出現(xiàn)數(shù)據(jù)不一致的情況。

讀到這里，這篇“java web實例分析”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內(nèi)容的文章，歡迎關注創(chuàng)新互聯(lián)行業(yè)資訊頻道。

網(wǎng)頁題目：javaweb實例分析
網(wǎng)站URL：http://bm7419.com/article16/jjsedg.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供自適應網(wǎng)站、建站公司、網(wǎng)站設計公司、網(wǎng)站排名、網(wǎng)頁設計公司、小程序開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)