解析Java商城结合Caffeine和Redis实现热点数据缓存方案

松岛轩
53 阅读1分钟

Java微服务项目，结合Caffeine和Redis实现热点数据缓存方案，方案如下：用户查询商品时，先查redis（1小时过期），没有就查caffeine（1分钟过期，且开启了recordStats()统计功能），没有就查MySQL，然后使用RocketMQ发布普通消息广播通知所有当前服务的集群，把商品信息存到caffeine中，caffeine记录这个商品的访问次数加1。然后又来一次查询这个商品的请求，先查redis，没有就查caffeine，这时查到了，依然是RocketMQ发布普通消息。循环往复，直到又来了一次请求，到caffeine这里发现已经记录了9次，说明这个商品在该实例中1分钟内被访问了10次，直接将这个商品信息存到Redis中。如此，便实现了结合Caffeine和Redis实现热点数据缓存的方案。

下面是一个序列图，直观展示热点数据缓存方案的工作流程：

sequenceDiagram
    participant 用户
    participant 服务实例A
    participant Redis
    participant Caffeine
    participant MySQL
    participant RocketMQ
    participant 服务实例B

    Note over 用户,服务实例B: 场景1：首次查询商品（冷数据）
    用户->>服务实例A: 查询商品ID=1001
    服务实例A->>Redis: GET product:1001
    Redis-->>服务实例A: 返回null
    服务实例A->>Caffeine: GET product:1001
    Caffeine-->>服务实例A: 返回null
    服务实例A->>MySQL: SELECT * FROM products WHERE id=1001
    MySQL-->>服务实例A: 返回商品数据
    服务实例A->>RocketMQ: 发送ADD消息(商品数据)
    RocketMQ->>服务实例A: 广播消息
    RocketMQ->>服务实例B: 广播消息
    服务实例A->>Caffeine: PUT(商品数据, count=1)
    服务实例B->>Caffeine: PUT(商品数据, count=1)
    服务实例A-->>用户: 返回商品数据

    Note over 用户,服务实例B: 场景2：第2~9次查询（温数据）
    用户->>服务实例B: 查询商品ID=1001
    服务实例B->>Redis: GET product:1001
    Redis-->>服务实例B: 返回null
    服务实例B->>Caffeine: GET product:1001
    Caffeine-->>服务实例B: 返回商品(count=1)
    服务实例B->>RocketMQ: 发送INCREMENT消息(商品ID)
    RocketMQ->>服务实例A: 广播消息
    RocketMQ->>服务实例B: 广播消息
    服务实例A->>Caffeine: count+1 (count=2)
    服务实例B->>Caffeine: count+1 (count=2)
    服务实例B-->>用户: 返回商品数据

    Note over 用户,服务实例B: 场景3：第10次查询（升级热数据）
    用户->>服务实例A: 查询商品ID=1001
    服务实例A->>Redis: GET product:1001
    Redis-->>服务实例A: 返回null
    服务实例A->>Caffeine: GET product:1001
    Caffeine-->>服务实例A: 返回商品(count=9)
    服务实例A->>Redis: SETEX product:1001 (1小时)
    服务实例A-->>用户: 返回商品数据

    Note over 用户,服务实例B: 场景4：后续查询（热数据）
    用户->>服务实例A: 查询商品ID=1001
    服务实例A->>Redis: GET product:1001
    Redis-->>服务实例A: 返回商品数据
    服务实例A-->>用户: 返回商品数据

图例说明：

1. 冷数据查询流程（首次查询）：

  • 查询Redis → 未命中
  • 查询Caffeine → 未命中
  • 查询MySQL → 命中
  • 广播ADD消息 → 所有实例存入Caffeine（初始计数=1）

2. 温数据查询流程（第2~9次查询）：

  • 查询Redis → 未命中
  • 查询Caffeine → 命中
  • 广播INCREMENT消息 → 所有实例增加计数

3. 热数据升级流程（第10次查询）：

  • 查询Redis → 未命中
  • 查询Caffeine → 命中（计数=9）
  • 立即将数据存入Redis（1小时过期）

4. 热数据查询流程（第11次及后续查询）：

  • 直接命中Redis缓存
  • 不访问Caffeine和MySQL
avatar
文章
阅读
粉丝