ToB企服应用市场:ToB评测及商务社交产业平台

标题: Redis动态热门数据缓存策略计划 [打印本页]

---

作者: 愛在花開的季節    时间: 5 天前
标题: Redis动态热门数据缓存策略计划
Redis动态热门数据缓存策略计划

1. 热门数据识别机制

1.1 计数器方式

1. @Service
2. public class HotDataCounter {
3.     @Autowired
4.     private RedisTemplate<String, Object> redisTemplate;
6.     // 访问计数
7.     public void incrementCounter(String key) {
8.         String countKey = "counter:" + key;
9.         redisTemplate.opsForValue().increment(countKey, 1);
10.         // 设置计数器过期时间，比如1小时
11.         redisTemplate.expire(countKey, 1, TimeUnit.HOURS);
12.     }
14.     // 获取访问次数
15.     public Long getCounter(String key) {
16.         String countKey = "counter:" + key;
17.         return (Long) redisTemplate.opsForValue().get(countKey);
18.     }
19. }

复制代码

1.2 LRU算法实现

1. public class LRUCache<K, V> extends LinkedHashMap<K, V> {
2.     private final int capacity;
4.     public LRUCache(int capacity) {
5.         super(capacity, 0.75f, true);
6.         this.capacity = capacity;
7.     }
9.     @Override
10.     protected boolean removeEldestEntry(Map.Entry<K, V> eldest) {
11.         return size() > capacity;
12.     }
13. }

复制代码

2. 动态缓存策略实现

2.1 基础缓存服务

1. @Service
2. public class DynamicCacheService {
3.     @Autowired
4.     private RedisTemplate<String, Object> redisTemplate;
5.     @Autowired
6.     private HotDataCounter hotDataCounter;
7.     // 热点阈值
8.     private static final long HOT_THRESHOLD = 100;
10.     // 获取数据
11.     public Object getData(String key) {
12.         // 增加访问计数
13.         hotDataCounter.incrementCounter(key);
14.         // 从缓存获取数据
15.         Object value = redisTemplate.opsForValue().get(key);
16.         if (value != null) {
17.             return value;
18.         }
19.         // 从数据库获取数据
20.         value = getFromDB(key);
21.         // 判断是否为热点数据
22.         if (isHotData(key)) {
23.             // 热点数据设置较长的过期时间
24.             redisTemplate.opsForValue().set(key, value, 1, TimeUnit.HOURS);
25.         } else {
26.             // 非热点数据设置较短的过期时间
27.             redisTemplate.opsForValue().set(key, value, 5, TimeUnit.MINUTES);
28.         }
29.         return value;
30.     }
32.     // 判断是否为热点数据
33.     private boolean isHotData(String key) {
34.         Long count = hotDataCounter.getCounter(key);
35.         return count != null && count > HOT_THRESHOLD;
36.     }
37. }

复制代码

2.2 定时使命更新策略

1. @Component
2. public class HotDataScheduler {
3.     @Autowired
4.     private RedisTemplate<String, Object> redisTemplate;
6.     @Scheduled(fixedRate = 300000) // 每5分钟执行一次
7.     public void updateHotData() {
8.         // 获取所有计数器
9.         Set<String> counterKeys = redisTemplate.keys("counter:");
10.         if (counterKeys == null) return;
11.         // 更新热点数据过期时间
12.         for (String counterKey : counterKeys) {
13.             String dataKey = counterKey.substring("counter:".length());
14.             Long count = (Long) redisTemplate.opsForValue().get(counterKey);
15.             if (count != null && count > HOT_THRESHOLD) {
16.                 // 延长热点数据过期时间
17.                 redisTemplate.expire(dataKey, 1, TimeUnit.HOURS);
18.             }
19.         }
20.     }
21. }

复制代码

3. 多级缓存策略

3.1 本地缓存配合Redis

1. @Service
2. public class MultiLevelCache {
3.     @Autowired
4.     private RedisTemplate<String, Object> redisTemplate;
5.     // 本地缓存
6.     private final LoadingCache<String, Object> localCache = CacheBuilder.newBuilder()
7.             .maximumSize(1000)
8.             .expireAfterWrite(5, TimeUnit.MINUTES)
9.             .build(new CacheLoader<String, Object>() {
10.                 @Override
11.                 public Object load(String key) {
12.                     return getFromRedis(key);
13.                 }
14.             });
16.     public Object get(String key) {
17.         try {
18.             return localCache.get(key);
19.         } catch (ExecutionException e) {
20.             return getFromRedis(key);
21.         }
22.     }
24.     private Object getFromRedis(String key) {
25.         Object value = redisTemplate.opsForValue().get(key);
26.         if (value == null) {
27.             value = getFromDB(key);
28.             if (value != null) {
29.                 redisTemplate.opsForValue().set(key, value);
30.             }
31.         }
32.         return value;
33.     }
34. }

复制代码

4. 热门数据预加载

4.1 预热服务

1. @Service
2. public class HotDataPreloader {
3.     @Autowired
4.     private RedisTemplate<String, Object> redisTemplate;
6.     @PostConstruct
7.     public void preloadHotData() {
8.         // 从统计数据中获取历史热点数据
9.         List<String> historicalHotKeys = getHistoricalHotKeys();
10.         // 预加载数据到Redis
11.         for (String key : historicalHotKeys) {
12.             Object value = getFromDB(key);
13.             if (value != null) {
14.                 redisTemplate.opsForValue().set(key, value, 1, TimeUnit.HOURS);
15.             }
16.         }
17.     }
18. }

复制代码

5. 缓存更新策略

5.1 更新服务

1. @Service
2. public class CacheUpdateService {
3.     @Autowired
4.     private RedisTemplate<String, Object> redisTemplate;
6.     // 更新缓存数据
7.     @Transactional
8.     public void updateData(String key, Object value) {
9.         // 更新数据库
10.         updateDB(key, value);
11.         // 判断是否为热点数据
12.         if (isHotData(key)) {
13.             // 直接更新缓存
14.             redisTemplate.opsForValue().set(key, value, 1, TimeUnit.HOURS);
15.         } else {
16.             // 删除缓存
17.             redisTemplate.delete(key);
18.         }
19.     }
20. }

复制代码

6. 监控和告警

6.1 监控服务

1. @Service
2. public class CacheMonitorService {
3.     @Autowired
4.     private RedisTemplate<String, Object> redisTemplate;
6.     // 监控缓存命中率
7.     public double getHitRate() {
8.         Long hits = (Long) redisTemplate.opsForValue().get("cache:hits");
9.         Long misses = (Long) redisTemplate.opsForValue().get("cache:misses");
10.         if (hits == null || misses == null) {
11.             return 0.0;
12.         }
13.         return (double) hits / (hits + misses);
14.     }
16.     // 记录缓存访问
17.     public void recordAccess(boolean isHit) {
18.         String key = isHit ? "cache:hits" : "cache:misses";
19.         redisTemplate.opsForValue().increment(key, 1);
20.     }
21. }

复制代码

7. 配置管理

7.1 动态配置

1. @Configuration
2. @RefreshScope
3. public class CacheConfig {
4.     @Value("${cache.hot.threshold:100}")
5.     private long hotThreshold;
6.     @Value("${cache.hot.expire:3600}")
7.     private long hotExpireSeconds;
8.     @Value("${cache.normal.expire:300}")
9.     private long normalExpireSeconds;
11. }

复制代码

8. 总结

• 热门识别：
  
  
  
  • 使用计数器记录访问频率
    
  • 实现LRU算法管理缓存
    
  
  
• 动态缓存：
  
  
  
  • 根据访问频率动态调整过期时间
    
  • 定时使命更新热门数据
    
  
  
• 多级缓存：
  
  
  
  • 本地缓存配合Redis
    
  • 减少网络开销
    
  
  
• 预加载机制：
  
  
  
  • 系统启动时预加载历史热门数据
    
  • 提高系统启动后的访问性能
    
  
  
• 更新策略：
  
  
  
  • 热门数据直接更新缓存
    
  • 非热门数据接纳删除策略
    
  
  
• 监控告警：
  
  
  
  • 监控缓存命中率
    
  • 记录访问统计
    
  
  
• 配置管理：
  
  
  
  • 支持动态调整配置
    
  • 机动控制缓存策略
    
  
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

---

欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/)

Powered by Discuz! X3.4