目录

一、添加redis缓存的主要逻辑

二、代码

三、结果

四、缓存更新策略

五、代码

---

一、添加redis缓存的主要逻辑

在未添加缓存时，前端向后端发起查询请求时，后端收到请求就直接查数据库，它的速度如下：

其实速度也不慢，那是因为我的数据库里面没有太多数据，所以查起来速度还是特别快的，但随着我们的数据库数据量逐渐增大，如果没有缓存的话，那查询速度会越来越慢。

添加redis缓存的逻辑也不难，总结下来也就是以下这几点：

1.后端查询时，先查redis缓存，redis缓存中有数据直接返回，没有数据再去查数据库

2.查数据库时，没有对应数据则向前端发出错误信息，有数据则向前端发送数据并将数据写入redis缓存中

流程图如下所示：

二、代码

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {@Autowiredprivate StringRedisTemplate stringRedisTemplate;/*** 根据id查询店铺信息* @param id* @return*/@Overridepublic Result queryById(Long id) {String key = RedisConstants.CACHE_SHOP_KEY + id;//1.从redis中查询商铺缓存信息String shopJson = stringRedisTemplate.opsForValue().get(key);//2、判断是否存在if (StrUtil.isNotBlank(shopJson)) {//3、存在，直接返回Shop shop = JSONUtil.toBean(shopJson, Shop.class);return Result.ok(shop);}//4、不存在，根据id查询数据库Shop shop = getById(id);//5、判断数据库中是否有数据if (shop == null) {//6、没有，返回错误return Result.fail("店铺不存在");}//7、有数据，返回，并将数据写入redisString jsonStr = JSONUtil.toJsonStr(shop);stringRedisTemplate.opsForValue().set(key,jsonStr);//8、返回结果return Result.ok(shop);}
}

三、结果

当第一次执行时，redis中是没有数据的，执行过后就会将对应数据写入redis中

下一次的查询时速度就会快上不少

如果数据库中的数据更多的话，效果会更加明显

四、缓存更新策略

既然我们已经对查询业务增加了缓存，那当数据库的数据和缓存数据不一样的时候，我们如何去解决它们之间的一致性问题呢？

其实解决方案十分简单：

当数据库的数据发生变更时，例如增加、删除、修改等操作，我们先去操作数据库再去删除缓存。

为什么选择删除缓存而不选择更新缓存呢？

如果选择更新缓存很可能会出现多次无效的写操作，比如：我更新了十次数据库之后才有一次查询操作，这时候缓存也是随之更新了十次。那如果我在他第一次更新数据库的时候就选择删除缓存，那么我就省去了这些更新缓存的无效写操作，性能上肯定是提高了不少。因此我们会选择删除缓存而不是更新缓存。

为什么要选择先操作数据库而不是先操作缓存呢？

因为数据库是基于磁盘的，缓存是基于内存的，操作数据库的耗时往往会比操作缓存的耗时大上不少。因此如果先删缓存再更新数据库，那就会出现在更新数据库的过程中（时间比较长）被其他查询缓存的操作乘虚而入，这时候缓存为空会从数据库中拿数据填入缓存，这时候就会出现数据不一致的问题。因此我们会选择先操作数据库再操作缓存。

因此我们还要给上面写的代码进行补全，在对数据进行修改的时候要进行以下的逻辑：

1.更新数据库

2.删除缓存

五、代码

    @Override@Transactionalpublic Result update(Shop shop) {Long id = shop.getId();if (id == null) {return Result.fail("店铺id不能为空");}//1.更新数据库updateById(shop);//2.删除缓存stringRedisTemplate.delete(RedisConstants.CACHE_SHOP_KEY + id);//3.返回结果return Result.ok();}