黑马点评是⼀个大量使用Redis的项目，该项目的功能类似大众点评
-
前端界面：
-
数据库表：
-
后端代码：
-
config 目录：存放项目依赖相关配置
- MvcConfig：配置了登录、自动刷新登录 Token 的拦截器
- MybatisConfig：配置 MyBatis Plus 分页插件
- RedissonConfig：创建单例 Redisson 客户端，Redisson配置类
- WebExceptionAdvice：全局响应拦截器
-
controller 目录：存放 Restful 风格的 API 接口
-
dto 目录：存放业务封装类，如 Result 通用响应封装（不推荐学习它的写法）
-
entity 目录：存放和数据库对应的 Java POJO，一般是用 MyBatisX 等插件自动生成
-
mapper 目录：存放操作数据库的代码，基本没有自定义 SQL，都是复用了 MyBatis Plus 的方法，不做重点学习。
-
service 目录：存放业务逻辑处理代码，需要重点学习
- BlogServiceImpl：基于 Redis 实现点赞、按时间排序的点赞排行榜；基于 Redis 实现拉模式的 Feed 流，推荐学习
- FollowServiceImpl：基于 Redis 集合实现关注、共同关注，推荐学习
- ShopServiceImpl：基于 Redis 缓存优化店铺查询性能；基于 Redis GEO 实现附近店铺按距离排序，推荐学习
- UserServiceImpl：基于 Redis 实现短信登录（分布式 Session），推荐学习（虽然没有真的实现短信登录，而是通过日志打印验证码代替）
- VoucherOrderServiceImpl：基于 Redis 分布式锁、Redis + Lua 两种方式，结合消息队列，共同实现了秒杀和一人一单功能，非常值得学习
- VoucherServiceImpl：添加优惠券，并将库存保存在 Redis 中，为秒杀做准备。
-
utils 目录：存放项目内通用的工具类，需要重点学习
- CacheClient：封装了通用的缓存工具类，涉及泛型、函数式编程等知识点，值得学习
- RedisConstants：保存项目中用到的 Redis 键、过期时间等常量，值得学习
- RedisIdWorker：基于 Redis 的全局唯一自增 id 生成器，值得学习
- RedisTokenInterceptor：自动刷新 Redis 登录 Token 有效期，值得学习
- SimpleRedisLock：简单的 Redis 锁实现，了解即可，一般用 Redisson
- UserHolder：线程内缓存用户信息，可以学习
-
-
实现功能
1.1 基于Session实现登录流程
- 发送验证码：
用户在提交手机号后，会校验手机号是否合法，如果不合法，则要求用户重新输入手机号
如果手机号合法，后台此时生成对应的验证码，同时将验证码进行保存，然后再通过短信的方式将验证码发送给用户
- 短信验证码登录、注册：
用户将验证码和手机号进行输入，后台从session中拿到当前验证码，然后和用户输入的验证码进行校验，如果不一致，则无法通过校验，如果一致，则后台根据手机号查询用户，如果用户不存在，则为用户创建账号信息，保存到数据库，无论是否存在，都会将用户信息保存到session中，方便后续获得当前登录信息
- 校验登录状态:
用户在请求时候，会从cookie中携带者JsessionId到后台，后台通过JsessionId从session中拿到用户信息，如果没有session信息，则进行拦截，如果有session信息，则将用户信息保存到threadLocal中，并且放行。
发送验证码
登录
登录验证功能，登录拦截器
让拦截器生效
隐藏用户敏感信息
在UserHolder处：将user对象换成UserDTO
在登录方法处修改
在拦截器处：
session共享问题
session共享问题：多台Tomcat并不共享Session存储空间，当请求切换到不同Tomcat服务时导致数据丢失的问题。
1.2 基于Redis实现登录流程
发送验证码
整体访问流程
key值：生成token作为redis的key
- key要具有唯一性
- key要方便携带
代码实现：
发送验证码
登录实现
登录拦截器优化
代码
RefreshTokenInterceptor
LoginInterceptor
MvcConfig
2.1缓存模型与思路
代码思路：如果缓存有，则直接返回，如果缓存不存在，则查询数据库，然后存入redis。
练习：商品排序的缓存
1.引入依赖
2.编写service
2.2解决缓存与数据库不一致
缓存更新策略
业务场景:
- 低一致性需求:使用内存淘汰机制。例如店铺类型的查询缓存
- 高一致性需求:主动更新，并以超时剔除作为兜底方案。例如店铺详情查询的缓存
其中主动更新有三种方式：
- Cache Aside Pattern 缓存的调用者在更新数据库的时候同时更新缓存。
- Read/Write Through Pattern 缓存与数据库整合为一个服务，由服务来维护一致性。调用者调用该服务，无需关心缓存一致性问题。(维护成本高，市面上少、开发难度大)
- Write Behind Caching Pattern 调用者只操作缓存，由其它线程异步的将缓存数据持久化到数据库，保证最终一致。（异步、难以保存数据库、内存宕机 全完了）
先操作数据库，再删除缓存
实现商铺和缓存与数据库双写一致
核心思路如下：
修改ShopController中的业务逻辑，满足下面的需求：
根据id查询店铺时，如果缓存未命中，则查询数据库，将数据库结果写入缓存，并设置超时时间
根据id修改店铺时，先修改数据库，再删除缓存
修改重点代码1：修改ShopServiceImpl的queryById方法
设置redis缓存时添加过期时间
修改重点代码2
代码分析：通过之前的淘汰，我们确定了采用删除策略，来解决双写问题，当我们修改了数据之后，然后把缓存中的数据进行删除，查询时发现缓存中没有数据，则会从mysql中加载最新的数据，从而避免数据库和缓存不一致的问题
2.3解决缓存穿透
缓存穿透 ：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。
常见的解决方案有两种：
- 缓存空对象
- 优点：实现简单，维护方便
- 缺点：
- 额外的内存消耗
- 可能造成短期的不一致
- 布隆过滤
- 优点：内存占用较少，没有多余key
- 缺点：
- 实现复杂
- 存在误判可能
缓存空对象思路分析：当我们客户端访问不存在的数据时，先请求redis，但是此时redis中没有数据，此时会访问到数据库，但是数据库中也没有数据，这个数据穿透了缓存，直击数据库，我们都知道数据库能够承载的并发不如redis这么高，如果大量的请求同时过来访问这种不存在的数据，这些请求就都会访问到数据库，简单的解决方案就是哪怕这个数据在数据库中也不存在，我们也把这个数据存入到redis中去，这样，下次用户过来访问这个不存在的数据，那么在redis中也能找到这个数据就不会进入到数据库了
布隆过滤：布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，走哈希思想去判断当前这个要查询的这个数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库中一定存在这个数据，在数据库中查询出来这个数据后，再将其放入到redis中，
假设布隆过滤器判断这个数据不存在，则直接返回
这种方式优点在于节约内存空间，存在误判，误判原因在于：布隆过滤器走的是哈希思想，只要哈希思想，就可能存在哈希冲突
编码解决商品查询的缓存穿透问题：
核心思路如下：
在原来的逻辑中，我们如果发现这个数据在mysql中不存在，直接就返回404了，这样是会存在缓存穿透问题的
现在的逻辑中：如果这个数据不存在，我们不会返回404 ，还是会把这个数据写入到Redis中，并且将value设置为空，欧当再次发起查询时，我们如果发现命中之后，判断这个value是否是null，如果是null，则是之前写入的数据，证明是缓存穿透数据，如果不是，则直接返回数据。
那对于布隆过滤器来说：
小总结：
缓存穿透产生的原因是什么？
- 用户请求的数据在缓存中和数据库中都不存在，不断发起这样的请求，给数据库带来巨大压力
缓存穿透的解决方案有哪些？
- 缓存null值
- 布隆过滤
- 增强id的复杂度，避免被猜测id规律
- 做好数据的基础格式校验
- 加强用户权限校验
- 做好热点参数的限流
2.4 缓存雪崩问题及解决思路
缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。
解决方案：
- 给不同的Key的TTL添加随机值
- 利用Redis集群提高服务的可用性
- 给缓存业务添加降级限流策略
- 给业务添加多级缓存
2.5 缓存击穿问题及解决思路
缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。
常见的解决方案有两种：
- 互斥锁
- 逻辑过期
逻辑分析：假设线程1在查询缓存之后，本来应该去查询数据库，然后把这个数据重新加载到缓存的，此时只要线程1走完这个逻辑，其他线程就都能从缓存中加载这些数据了，但是假设在线程1没有走完的时候，后续的线程2，线程3，线程4同时过来访问当前这个方法， 那么这些线程都不能从缓存中查询到数据，那么他们就会同一时刻来访问查询缓存，都没查到，接着同一时间去访问数据库，同时的去执行数据库代码，对数据库访问压力过大
解决方案一、使用锁来解决：
让查询的性能从并行变成了串行，我们可以采用tryLock方法 + double check来解决这样的问题。
假设现在线程1过来访问，他查询缓存没有命中，但是此时他获得到了锁的资源，那么线程1就会一个人去执行逻辑，假设现在线程2过来，线程2在执行过程中，并没有获得到锁，那么线程2就可以进行到休眠，直到线程1把锁释放后，线程2获得到锁，然后再来执行逻辑，此时就能够从缓存中拿到数据了。
解决方案二、逻辑过期方案
方案分析：我们之所以会出现这个缓存击穿问题，主要原因是在于我们对key设置了过期时间，假设我们不设置过期时间，其实就不会有缓存击穿的问题，但是不设置过期时间，这样数据不就一直占用我们内存了吗，我们可以采用逻辑过期方案。
我们把过期时间设置在 redis的value中，注意：这个过期时间并不会直接作用于redis，而是我们后续通过逻辑去处理。假设线程1去查询缓存，然后从value中判断出来当前的数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的线程他会开启一个 线程去进行 以前的重构数据的逻辑，直到新开的线程完成这个逻辑后，才释放锁， 而线程1直接进行返回，假设现在线程3过来访问，由于线程线程2持有着锁，所以线程3无法获得锁，线程3也直接返回数据，只有等到新开的线程2把重建数据构建完后，其他线程才能走返回正确的数据。
这种方案巧妙在于，异步的构建缓存，缺点在于在构建完缓存之前，返回的都是脏数据。
进行对比
互斥锁方案：由于保证了互斥性，所以数据一致，且实现简单，因为仅仅只需要加一把锁而已，也没其他的事情需要操心，所以没有额外的内存消耗，缺点在于有锁就有死锁问题的发生，且只能串行执行性能肯定受到影响
逻辑过期方案： 线程读取过程中不需要等待，性能好，有一个额外的线程持有锁去进行重构数据，但是在重构数据完成前，其他的线程只能返回之前的数据，且实现起来麻烦
互斥锁方案实现
操作锁的代码：
核心思路就是利用redis的setnx方法来表示获取锁，该方法含义是redis中如果没有这个key，则插入成功，返回1，在stringRedisTemplate中返回true， 如果有这个key则插入失败，则返回0，在stringRedisTemplate返回false，我们可以通过true，或者是false，来表示是否有线程成功插入key，成功插入的key的线程我们认为他就是获得到锁的线程。
定义一个获取锁，释放锁的方法
操作代码：
利用逻辑过期解决缓存击穿问题
思路分析：当用户开始查询redis时，判断是否命中，如果没有命中则直接返回空数据，不查询数据库，而一旦命中后，将value取出，判断value中的过期时间是否满足，如果没有过期，则直接返回redis中的数据，如果过期，则在开启独立线程后直接返回之前的数据，独立线程去重构数据，重构完成后释放互斥锁。
如果封装数据：因为现在redis中存储的数据的value需要带上过期时间，此时要么你去修改原来的实体类，要么你新建一个实体类
步骤一、
新建一个实体类，我们采用第二个方案，这个方案，对原来代码没有侵入性。
步骤二、
在ShopServiceImpl 新增此方法，利用单元测试进行缓存预热
在测试类中
步骤三：正式代码
ShopServiceImpl
2.6 封装工具类
基于StringRedisTemplate封装一个缓存工具类，满足下列需求：
-
方法1：将任意Java对象序列化为json作为value并存储在string类型的key中，并且可以设置TTL过期时间
-
方法2：将任意Java对象序列化为json作为value并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题
-
方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题
-
方法4：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑过期解决缓存击穿问题
将逻辑进行封装
使用工具类
在ShopServiceImpl 中