浪花 - 主页性能优化

目录

一、缓存

1. 为什么用缓存？

2. 缓存的实现方式

3. Redis

4. 使用?Spring Data Redis 中操作 Redis

5. 自定义 RedisTemplate（配置）

?6. 主页推荐用户查询使用缓存

?7. 对比查询速度

?8. 缓存预热

二、定时任务

1. Spring Scheduler

2. 其他

---

一、缓存

1. 为什么用缓存？

• 数据量大查询慢，用缓存先读取部分数据保存到读写性能更快的介质中（比如内存）

2. 缓存的实现方式

• 分布式缓存：Redis、Memcache 等
• 单机缓存：Ehcache、Caffeine（Java 内存缓存，高性能）、Google Guava
• 单机缓存的缺点：数据不一致

3. Redis

• Remote Dictionary Server（远程词典服务器）
• 基于内存的高性能 NoSQL 数据库
• key - value 存储系统
• Redis 的数据结构：String、Set、Map、Hash、SortedSet

4. 使用?Spring Data Redis 中操作 Redis

• Spring Data：通用数据访问框架，定义了一组增删改查的框架，包括对操作各种数据库的集成
• 使用步骤参考：浪花 - 单机登录升级为分布式 Session 登录-CSDN博客

• SpringDataRedis 快速入门

  • 引入 spring-boot-starter-data-redis 依赖
  • application.yml 配置 Redis 信息
  • 注入 RedisTemplate
    • 调用方法操作 Redis 数据库
    • 调用 redisTemplate 中的 API 获取操作指定数据类型的对象 optForValue()
• String Redis Template
  • 手动序列化
  • 将数据存入 Redis
  • 取出数据
  • 手动反序列化

/**
 * Redis 操作测试
 * @author 乐小鑫
 * @version 1.0
 */
@SpringBootTest
public class RedisTest {

    @Resource
    private RedisTemplate redisTemplate;

    @Test
    void test() {
        ValueOperations valueOperations = redisTemplate.opsForValue();
        // 增
        valueOperations.set("ghostString", "dog");
        valueOperations.set("ghostInt", 1);
        valueOperations.set("ghostDouble", 2.0);
        User user = new User();
        user.setId(1L);
        user.setUsername("ghost");
        valueOperations.set("ghostUser", user);
        // 查
        Object ghost = valueOperations.get("ghostString");
        Assertions.assertTrue("dog".equals((String) ghost));
        ghost = valueOperations.get("ghostInt");
        Assertions.assertTrue(1 == (Integer) ghost);
        ghost = valueOperations.get("ghostDouble");
        Assertions.assertTrue(2.0 == (Double) ghost);
        System.out.println(valueOperations.get("ghostUser"));
        valueOperations.set("ghostString", "dog");
        redisTemplate.delete("ghostString");
    }
}

5. 自定义 RedisTemplate（配置）

• 原生提供的序列化器存储对象时序列化有问题，自定义 RedisTemplate 实现存储 String 类型的 key

/**
 * RedisTemplate 配置
 * @author 乐小鑫
 * @version 1.0
 */
@Configuration
public class RedisTemplateConfig {
    @Bean
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory connectionFactory) {
        RedisTemplate<String, Object> redisTemplate = new RedisTemplate<>();
        redisTemplate.setConnectionFactory(connectionFactory);
        redisTemplate.setKeySerializer(RedisSerializer.string());
        return redisTemplate;
    }
}

6. 主页推荐用户查询使用缓存

• 不同用户看到的推荐列表不同
• 设计缓存 key
  • 在每个键前面加上系统 / 模块 / 业务 / 功能 的前缀，以区分不同业务的缓存
  • Redis 内存不能无限增加，一定要设置过期时间！！如果快到限制值了，会开启 Redis 的自动淘汰机制，可能会把重要数据清除掉

直接使用单层的 key 作为键可能会对其他业务产生影响，例如以 username 为 key，其他业务可能也用 username 为 key，用的是同一台 Redis 服务器时会影响其他业务的数据。

设计缓存首先的原则是不要和其他 key 发生冲突

• 推荐用户时先查询缓存中是否有已经缓存好的用户
  • 有缓存：直接返回缓存中的数据
  • 无缓存：先查询数据库，将数据库中的缓存写入 Redis，再返回数据
  • 注意缓存穿透：数据库中没有要查询的数据，但是客户端一直不停发送请求查询数据，缓存中没有，查询就会打到数据库，不停查询缓存中都没有数据，就会不停执行数据库的查询，占用数据库资源，可能会把数据库搞崩
  • 解决缓存穿透：缓存空值，即如果数据库中没有数据，就向 Redis 中缓存一个空值，下次再来查询，查询打到 Redis，发现有一个空值就会直接空值，不再查询数据库

    /**
     * 用户推荐
     * @param request
     * @return 用户列表
     */
    @GetMapping("/recommend")
    public BaseResponse<Page<User>> recommendUsers(long pageSize, long pageNum, HttpServletRequest request) {
        log.info("推荐用户列表");
        ValueOperations valueOperations = redisTemplate.opsForValue();
        User loginUser = userService.getLoginUser(request);
        String key = String.format("langhua:user:recommend:%s", loginUser.getId());
        Page<User> userPage = (Page<User>) valueOperations.get(key);
        // 查缓存，有直接返回缓存数据
        if (userPage != null) {
            return ResultUtils.success(userPage);
        }
        // 没有缓存数据，才查询数据库
        QueryWrapper<User> queryWrapper = new QueryWrapper<>();
        userPage = userService.page(new Page<>((pageNum - 1) * pageSize, pageSize), queryWrapper);// 查询所有用户
        // 将查询出来的数据写入缓存
        try {
            valueOperations.set(key,userPage);
        } catch (Exception e) {
            log.error("redis key set error", e);
        }
        return ResultUtils.success(userPage);
    }

7. 对比查询速度

• 第一次查询：缓存中没有数据，请求打到数据库，1.13 秒

• 后续查询：缓存中已经缓存了用户列表数据，直接返回缓存数据，26.85 毫秒，性能优化显著

8. 缓存预热

• 为什么要缓存预热？

场景分析：当缓存里没有数据时，第一个用户进来需要查询数据库才能看到响应数据，页面响应时间较久，对有些用户不友好

解决方案：在所有用户进入之前预先缓存好数据，程序员自己加载缓存，而不是等到用户进入再触发

• 优点：每个用户来访问响应都很快，提升用户体验
• 缺点
  • 增加开发成本
  • 预热时机需要谨慎选择：预热的时机太早可能会缓存到错误数据或老数据
  • 需要占用额外空间

注意?在分析一个技术的优缺点时，要从整个项目从 0 到 1 的整个软件生命周期去考虑（需求分析开始到项目部署上线和维护）

• 缓存预热的实现
  • 定时任务
  • 手动触发

二、定时任务

使用定时任务，每天刷新所有用户的推荐列表（缓存预热）

1. 缓存预热的意义（新增数据少、总数据量大）
2. 缓存占用空间不能太大，需要给其他缓存预留空间
3. 缓存数据的周期（根据业务需求来选择）

1. Spring Scheduler

• SpringBoot 默认已经整合，直接使用即可
• 使用步骤
  • 主类（程序入口）添加注解开启定时任务支持：@EnableScheduling
  • 要定时执行的方法添加 @Scheduled 注解
  • 通过 cron 表达式指定定时任务执行周期：在线Cron表达式生成器 (qqe2.com)
  • ?运行项目等待定时任务执行

/**
 * 缓存预热定时任务
 * @author 乐小鑫
 * @version 1.0
 */
@Component
@Slf4j
public class PreCacheUser {

    @Resource
    private RedisTemplate redisTemplate;

    @Resource
    private UserService userService;

    List<Long> mainUserList = Arrays.asList(3L);// 重要用户列表，为该列表的用户开启缓存预热

    @Scheduled(cron = "0 5 21 ? * * ")
    public void doPreCacheUser() {
        // 查出用户存到 Redis 中
        for (Long userId : mainUserList) {
            QueryWrapper<User> queryWrapper = new QueryWrapper<>();
            Page<User> userPage = userService.page(new Page<>(1, 20), queryWrapper);// 查询所有用户
            String key = String.format("langhua:user:recommend:%s", userId);
            ValueOperations valueOperations = redisTemplate.opsForValue();
            // 将查询出来的数据写入缓存
            try {
                valueOperations.set(key,userPage,30000, TimeUnit.MILLISECONDS);
            } catch (Exception e) {
                log.error("redis key set error", e);
            }
        }
    }
}

• 定时任务添加缓存成功??

2. 其他

• Quartz：独立于 Spring 的定时任务框架
• XXL-Job 等分布式任务调度平台