前言我们在开发中经常使用Redis作为缓存。将高频数据放在Redis中，可以提高业务性能，减轻MySQL等关系型数据库的压力。有些系统甚至使用Redis进行数据持久化。Redis具有松散的文档结构。非常适合业务系统开发，在精准查询和数据统计业务上有很大的优势。但是在高频数据流处理系统中，Redis的压力也??会很大，I/0开销是造成耗时的主要原因。这时候为了减轻Redis的读写压力，我们可以使用本地缓存。Guava为我们提供了优秀的本地缓存API，包括过期策略等，编码难度低，强烈推荐。设计实例Redis懒加载缓存数据在加入MySQL时不缓存，准确查找时缓存，做到query缓存，没有query不缓存。1)流程图2)代码示例//伪代码示例xx代表你的业务对象如用户商品等publicclassXxLazyCache{@AutowiredprivateRedisTemplateredisTemplate;@AutowiredprivateXxServicexxService;//你的业务服务/***通过查询缓存是否存在来驱动缓存加载。建议保证id对应的数据在数据库中绝对存在*/publicXxgetXx(intid){//1.检查缓存中是否有DataxxxxCache=getXxFromCache(id);if(xxCache!=null){returnxxCache;//guard语句让代码更易读}//2.查询数据库获取数据。我们假设在业务步骤，传入的id在数据库中都有对应的数据xxxx=xxService.getXxById(id);//3.设置缓存，这一步相当于Redis缓存懒加载，下次查询这个id时，会去缓存setXxFromCache(xx);返回xx；}}/***操作数据库成功后修改或删除xx数据并删除缓存*Deleterequest-删除数据库数据删除缓存*Modifyrequest-update数据库数据删除缓存会在下次查询get时从数据库中拉取新数据进入缓存*/publicvoiddeleteXxFromCache(longid){Stringkey="Xx:"+xx.getId();redisTemplate.delete(key);}privatevoidsetXxFromCache(Xxxx){斯特林gkey="Xx:"+xx.getId();redisTemplate.opsForValue().set(key,xx);}privateXxgetXxFromCache(intid){//通过缓存前缀拼装出唯一的主键作为Xxx等信息的缓存键为Xxx:idStringkey="Xx:"+id;返回redisTemplate.opsForValue().get(key);}}//业务类publicclassXxServie{@AutowiredprivateXxLazyCachexxLazyCache;//查询数据库publicXxgetXxById(longid){//省略实现returnxx;}publicvoidupdateXx(Xxxx){//更新MySQL数据Omit//删除缓存xxLazyCache.deleteXxFromCache(xx.getId());}publicvoiddeleteXx(longid){//删除MySQL数据omit//删除缓存xxLazyCache.deleteXxFromCache(xx.getId());}}//实体类@DatapublicclassXx{//业务主键privateLongid;//...略}3）优点保证最小的缓存量满足精准查询业务，避免冷数据占用宝贵的内存空间；对增删改查业务侵扰小，删后同步；可插拔，对于老系统升级，历史数据不需要在启动时初始化缓存4）缺点：需要数据量可控，不适用于无限增长的业务场景；不利于微服务场景下的全局缓存应用。5)最小化摘要空间；满足精准查询场景；建议总数据量可控；微服务场景不适用。Redis结合本地缓存微服务的场景，多个微服务使用一个大缓存。在流式数据服务下，高频读缓存给Redis带来了不小的压力。我们使用本地缓存结合Redis缓存来降低Redis的压力。同时，本地缓存没有连接开销，性能更好。1)流程图2)业务场景微服务在处理流数的过程中，处理多个设备上传的数据，每个设备都有一个编码，流数据出现频率高，使用分区发送消息队列，我们需要为设备码生成对应的自增数，用自增数对Kafka中的topic分区数取模，所以如果有10000台设备，自增数为0~9999，取模后发送分区每个分区可以平均分配。我们利用redis的自增数生成这个自增数，生成后放入redis的hash结构中进行缓存。每次来一个设备，我们都会去这个hashcache中去获取。拿到后，用自增数产生一个，然后放到redis的hash缓存中。这时候每个设备的自增数一旦产生，就不会再变了。我们想到了使用本地缓存进行优化，避免频繁调用redis获取，减轻redis压力。3）代码示例/***本缓存演示了如何使用redis自增数hash本地缓存生成设备自增数、缓存、本地缓存*本地缓存使用GuavaCache*/publicclassDeviceIncCache{/***LocalCache*/privateCachelocalCache=CacheBuilder.newBuilder().concurrencyLevel(16)//并发级别.initialCapacity(1000)//初始容量.maximumSize(10000)//最大缓存length.expireAfterAccess(1、TimeUnit.HOURS)//1小时不使用缓存过期。建造（）;@AutowiredprivateRedisTemplateredisTemplate;/***redis自增缓存key*/privatestaticfinalStringDEVICE_INC_COUNT="device_inc_count";/***redis设备码对应自增数的hash缓存key*/privatestaticfinalStringDEVICE_INC_VALUE="device_inc_value";/***获取设备自增数*/publicintgetInc(StringdeviceCode){//1.从本地缓存中获取Integerinc=localCache.get(deviceCode);如果（公司！=空）{返回公司；}//2.本地缓存未命中，从redis哈希缓存中获取inc=(整数)redisTemplate.opsForHash().get(DEVICE_INC_VALUE,deviceCode);//3.没有redishash缓存，说明是新设备，先为设备生成一个自增数if(inc==null){inc=redisTemplate.opsForValue().increment(DEVICE_INC_COUNT).整数值；//添加到redis哈希缓存redisTemplate.opsForHash().put(DEVICE_INC_VALUE,deviceCode,inc);}//4.添加到本地缓存localCache.put(deviceCode,inc);//4.返回自增数returninc;}}4)优势Redis保证数据持久化，本地缓存保证超高读取性能，微服务共享大容量redis缓存的场景可以有效降低redis压力；guavaas本地缓存，提供丰富的API、过期策略、最大容量，保证业务内存可控，冷数据不会长时间占用内存空间；服务重启导致的本地缓存清空不会影响业务；微服务和分布式场景的使用，在分布式情况下，每个服务实例只会缓存它访问的那部分设备的自增数，本地内存空间最优；满足统计设备访问次数的业务场景，一石二鸟5）缺点增加编码复杂度，不直接；只适用于缓存内容只增加不改变的场景。6）总结本地缓存空间可控，过期策略优秀；适用于微服务和分布式场景；缓存内容不可更改；性能非常好。PostscriptRedis提供了丰富的数据类型和API，非常适合业务系统开发，统计计数（自增、自减）、标记位（bitmap）、松散数据（hash）、先进先出、排队读取（list）；guava作为本地缓存，可以高效的读取缓存，同时提供了大量的API方便我们控制本地缓存的数据量和冷数据的淘汰；我们可以充分学习这些特点??，帮助我们在业务发展中更加轻松灵活，在空间和时间上找到平衡点。
