SpringBoot整合Redis如何实现缓存分页数据查询功能

正式观看本文之前，设想一个问题，高并发情况下，首页列表数据怎么做？类似淘宝首页，这些商品是从数据库中查出来的吗？答案肯定不是，在高并发的情况下，数据库是扛不住的

正式观看本文之前，设想一个问题，高并发情况下，首页列表数据怎么做？

类似淘宝首页，这些商品是从数据库中查出来的吗？答案肯定不是，在高并发的情况下，数据库是扛不住的，那么我们要怎么去扛住C端端大并发量呢，这快我们可以借助Redis，我们知道Redis是一个基于内存的NoSQL数据库。学过操作系统我们都知道，内存要比磁盘的效率大的多，那我们Redis就是基于内存的，而数据库是基于磁盘的。

我们现在知道要用Redis去做首页数据的分页，那么我们应该用Redis的那种数据结构来做呢。

Redis有5种基本的数据结构，我们这里用list类型做分页。

在 Redis 中，List（列表）类型是按照元素的插入顺序排序的字符串列表。你可以在列表的头部（左边）或者尾部（右部）添加新的元素。

ok，那么接下来我们就通过一个案例实操一下，首页热点数据怎么放到Redis中去查询。

SpringBoot整合RedisTemplate这里就不做过多介绍啦，大家可以网上找篇博文整合一下。

<!-- 创建SpringBoot项目加入redis的starter依赖 -->
<dependency>
     <groupId>org.springframework.boot</groupId>
     <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>

编写ProductService，定于数据分页方法。

public interface ProductService {
    Map<String,Object> productListPage(int current, int size) throws InterruptedException;
}

编写ProductServiceImpl实现类。

/**
 * @author lixiang
 * @date 2023/6/18 21:01
 */
@Service
@Slf4j
public class ProductServiceImpl implements ProductService {
    private static final String PRODUCT_LIST_KEY = "product:list";
    private static final List<Product> PRODUCT_LIST;
    //模拟从数据库中查出来的数据
    static {
        PRODUCT_LIST = new ArrayList<>();
        for (int i = 1; i <= 100; i++) {
            Product product = new Product();
            product.setId(UUID.randomUUID().toString().replace("-", ""));
            product.setName("商品名称:" + i);
            product.setDesc("商品描述:" + i);
            product.setPrice(new BigDecimal(i));
            product.setInventory(2);
            PRODUCT_LIST.add(product);
        }
    }
    @Autowired
    private RedisTemplate redisTemplate;
    @Override
    public Map<String, Object> productListPage(int current, int size) throws InterruptedException {
        //从缓存中拿到分页数据
        List<Product> productList = getProductListByRedis(current, size);
        if (productList == null || productList.size() == 0) {
            log.info("当前缓存中无分页数据，当前页:" + current + ",页大小:" + size);
            //从数据库中拿到分页数据
            productList = getProductListByDataSource(current, size);
        }
        Map<String, Object> resultMap = new HashMap<>();
        //计算当前总页数
        int totalPage = (PRODUCT_LIST.size() + size - 1) / size;
        resultMap.put("total", PRODUCT_LIST.size());
        resultMap.put("data", productList);
        resultMap.put("pages", totalPage);
        return resultMap;
    }
    private List<Product> getProductListByRedis(int current, int size) {
        log.info("从Redis取出商品信息列表，当前页:" + current + ",页大小:" + size);
        // 计算总页数
        int pages = pages(size);
        // 起始位置
        int start = current <= 0 ? 0 : (current > pages ? (pages - 1) * size : (current - 1) * size);
        // 终止位置
        int end = start+size-1;
        List<Product> list = redisTemplate.opsForList().range(PRODUCT_LIST_KEY, start, end);
        List<Product> productList = list;
        return productList;
    }
    /**
     * 获取商品信息集合
     *
     * @return
     */
    private List<Product> getProductListByDataSource(int current, int size) throws InterruptedException {
        //模拟从DB查询需要300ms
        Thread.sleep(300);
        log.info("从数据库取出商品信息列表，当前页:" + current + ",页大小:" + size);
        // 计算总页数
        int pages = pages(size);
        // 起始位置
        int start = current <= 0 ? 0 : (current > pages ? (pages - 1) * size : (current - 1) * size);
        //数据缓存到redis中
        redisTemplate.opsForList().rightPushAll(PRODUCT_LIST_KEY, PRODUCT_LIST);
        //设置当前key过期时间为1个小时
        redisTemplate.expire(PRODUCT_LIST_KEY,1000*60*60, TimeUnit.MILLISECONDS);
        return PRODUCT_LIST.stream().skip(start).limit(size).collect(Collectors.toList());
    }
    /**
     *  获取总页数
     * @param size
     * @return
     */
    private Integer pages(int size){
        int pages = PRODUCT_LIST.size() % size == 0 ? PRODUCT_LIST.size() / size : PRODUCT_LIST.size() / size + 1;
        return pages;
    }
}

ok，然后编写controller，进行测试。

@RestController
@RequestMapping("/api/v1/product")
public class ProductController {
    @Autowired
    private ProductService productService;
    @GetMapping("/page")
    public Map<String,Object> page(@RequestParam("current") int current,@RequestParam("size") int size){
        Map<String, Object> stringObjectMap;
        try {
            stringObjectMap = productService.productListPage(current, size);
        } catch (InterruptedException e) {
            stringObjectMap = new HashMap<>();
        }
        return stringObjectMap;
    }
}

当第一次访问的时候，先去Redis中查询，发现没有，然后就去查DB，将要缓存的数据页放到Redis中。

第二次访问的时候。就直接访问Redis啦

通过Redis和DB查询的对比，我们发现从Redis中拿出来只用了18ms，从公DB中需要300ms，由此可见Redis的一个强大之处。

那么我们观察一下查询逻辑，会不会有什么问题。

    public Map<String, Object> productListPage(int current, int size) throws InterruptedException {
        //从缓存中拿到分页数据
        List<Product> productList = getProductListByRedis(current, size);
        if (productList == null || productList.size() == 0) {
            log.info("当前缓存中无分页数据，当前页:" + current + ",页大小:" + size);
            //从数据库中拿到分页数据
            productList = getProductListByDataSource(current, size);
        }
    }

设想，假如某一时刻，Redis中的缓存失效啦，大量的请求，全部查到DB上，也会带来一个灾难。所以这快又涉及到一个缓存击穿的问题。

解决缓存击穿

方案一：永不过期
- 提前把热点数据不设置过期时间，后台异步更新缓存。
方案二：加互斥锁或队列
- 其实我理解缓存击穿和缓存穿透差不多，所以加一个互斥锁，让一个线程正常请求数据库，其他线程等待即可（这里可以使用线程池来处理），都创建完缓存，让其他线程请求缓存即可。

到此这篇关于SpringBoot整合Redis实现缓存分页数据查询功能的文章就介绍到这了,更多相关SpringBoot Redis数据查询内容请搜索好代码网以前的文章或继续浏览下面的相关文章希望大家以后多多支持好代码网！

全站频道

大家都在搜索：