高頻寫入redis場景優化
阿新 • • 發佈:2018-12-07
前言
工作中經常遇到要對redis進行高頻寫入,但是對於讀取時資料的實時性要求又不高的場景。為了優化效能,決定採用本地快取一部分資料整合後寫入。
依賴
<dependency>
<groupId>com.google.guava</groupId>
<artifactId>guava</artifactId>
<version>19.0-rc2</version>
</dependency>
複製程式碼
基礎類
public class BufferCache implements Closeable {
// CacheBuilder的建構函式是私有的,只能通過其靜態方法newBuilder()來獲得CacheBuilder的例項
private Cache localCacheData;
private static int maxItemSize = 1000;
private static String key = "defaultKey";
private static final Object lock = new Object();
public BufferCache(String key, int currencyLevel, int writeExpireTime,
int accessExpireTime, int initialCapacity, int maximumSize,
int maxItemSize, RemovalListener removalListener) {
currencyLevel = currencyLevel < 1 ? 1 : currencyLevel;
initialCapacity = initialCapacity < 100 ? 100 : initialCapacity;
if (key!=null&&key.isEmpty()) {
BufferCache.key = key;
}
BufferCache.maxItemSize = maxItemSize;
localCacheData = CacheBuilder.newBuilder()
// 設定併發級別為8,併發級別是指可以同時寫快取的執行緒數
.concurrencyLevel(currencyLevel)
// 設定寫快取後expireTime秒鐘過期
.expireAfterWrite(writeExpireTime, TimeUnit.SECONDS)
// 設定請求後expireTime秒鐘過期
.expireAfterAccess(accessExpireTime, TimeUnit.SECONDS)
// 設定快取容器的初始容量為10
.initialCapacity(initialCapacity)
// 設定快取最大容量為Integer.MAX_VALUE,超過Integer.MAX_VALUE之後就會按照LRU最近雖少使用演算法來移除快取項
.maximumSize(maximumSize)
// 設定要統計快取的命中率
.recordStats()
// 設定快取的移除通知
.removalListener(removalListener)
// build方法中可以指定CacheLoader,在快取不存在時通過CacheLoader的實現自動載入快取
.build();
Runtime.getRuntime().addShutdownHook(
new Thread(() -> localCacheData.invalidate(key)));
}
public void addListSync(String key, Object value) {
synchronized (lock) {
List<Object> gs = (List<Object>) localCacheData.getIfPresent(key);
if (gs == null) {
gs = new ArrayList<>();
}
gs.add(value);
localCacheData.put(key, gs);
// 如果佇列長度超過設定最大長度則清除key
if (gs.size() > maxItemSize) {
localCacheData.invalidate(key);
}
}
}
public void addListSync(Object value) {
addListSync(BufferCache.key, value);
}
@Override
public void close() {
localCacheData.invalidate(key);
}
}
複製程式碼
採用 google 的 cache,利用其監聽事件(詳見 com.google.common.cache.RemovalCause 類)觸發寫入redis操作,addListSync方法中使用 synchronized 進行加鎖,防止高併發場景下List資料錯誤。
新建配置檔案
cache.key=name
cache.currencyLevel=1
cache.writeExpireTime=900
cache.accessExpireTime=600
cache.initialCapacity=1
cache.maximumSize=1000
cache.maxItemSize=1000
複製程式碼
針對不同業務場景可以自定義不同的配置引數
業務實現
@Configuration
@ConditionalOnResource(resources = "bufferCache.properties")
@PropertySource(value = "bufferCache.properties", ignoreResourceNotFound = true)
public class GuildCacheConfig implements ApplicationContextAware {
private ApplicationContext ctx;
@Bean("buffCache")
@ConditionalOnProperty(prefix = "cache", value = "currencyLevel")
public BufferCache guildBuffCache(@Value("${cache.key}") String key,
@Value("${cache.currencyLevel}") int currencyLevel,
@Value("${cache.writeExpireTime}") int writeExpireTime,
@Value("${cache.accessExpireTime}") int accessExpireTime,
@Value("${cache.initialCapacity}") int initialCapacity,
@Value("${cache.maximumSize}") int maximumSize,
@Value("${cache.maxItemSize}") int maxItemSize) {
// 非同步監聽
RemovalListener<String, List<GuildActiveEventEntity>> async = RemovalListeners
.asynchronous(new MyRemovalListener(),
ExecutorServiceUtil.getExecutorServiceByType(
ExecutorServiceUtil.ExecutorServiceType.BACKGROUND));
return new BufferCache(key, currencyLevel, writeExpireTime,
accessExpireTime, initialCapacity, maximumSize, maxItemSize,
async);
}
@Override
public void setApplicationContext(ApplicationContext applicationContext)
throws BeansException {
ctx = applicationContext;
}
// 建立一個監聽器
private class MyRemovalListener
implements RemovalListener<String, List<GuildActiveEventEntity>> {
@Override
public void onRemoval(
RemovalNotification<String, List<GuildActiveEventEntity>> notification) {
RemovalCause cause = notification.getCause();
// 當超出快取佇列限制大小時或者key過期或者主動清除key時更新資料
if (cause.equals(RemovalCause.SIZE)
|| cause.equals(RemovalCause.EXPIRED)
|| cause.equals(RemovalCause.EXPLICIT)) {
//根據不同業務場景呼叫不同業務方法進行寫入操作
}
}
}
}
複製程式碼
此類實現 ApplicationContextAware 為了獲取指定業務方法 Bean ,進行解析快取中value模型後進行儲存。 在以上幾個步驟都完成後,只需在業務層聲名
@Autowired
private BufferCache buffCache;
複製程式碼
呼叫其addListSync方法即可。
總結
總體思路是使用本地快取去分擔高頻寫的壓力,此方法其實不僅僅適用與redis的寫入,還可用於其他場景,具體使用方法可以按照業務場景自己擴充套件。