引言

前兩篇文章我們介紹了緩存使用的各種最佳實踐，首先介紹了緩存使用的基本姿勢，分別是如何利用go-zero自動生成的緩存和邏輯代碼中緩存代碼如何寫，接著講解了在面對緩存的穿透、擊穿、雪崩等常見問題時的解決方案，最后還重點講解了如何保證緩存的一致性。

因為緩存對于高并發服務來說實在是太重要了，所以這篇文章我們還會繼續一起學習下緩存相關的知識。

本地緩存

當我們遇到極端熱點數據查詢的時候，這個時候就要考慮本地緩存了。熱點本地緩存主要部署在應用服務器的代碼中，用于阻擋熱點查詢對于Redis等分布式緩存或者數據庫的壓力。

在我們的商城中，首頁Banner中會放一些廣告商品或者推薦商品，這些商品的信息由運營在管理后臺錄入和變更。這些商品的請求量非常大，即使是Redis也很難扛住，所以這里我們可以使用本地緩存來進行優化。

在product庫中先建一張商品運營表product_operation，為了簡化只保留必要字段，product_id為推廣運營的商品id，status為運營商品的狀態，status為1的時候會在首頁Banner中展示該商品。

CREATE TABLE `product_operation` (
  `id` bigint unsigned NOT NULL AUTO_INCREMENT,
  `product_id` bigint unsigned NOT NULL DEFAULT 0 COMMENT '商品id',
  `status` int NOT NULL DEFAULT '1' COMMENT '運營商品狀態 0-下線 1-上線',
  `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '創建時間',
  `update_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新時間',
  PRIMARY KEY (`id`),
  KEY `ix_update_time` (`update_time`)
) ENGINE=InnoDB  DEFAULT CHARSET=utf8mb4 COMMENT='商品運營表';

本地緩存的實現比較簡單，我們可以使用map來自己實現，在go-zero的collection中提供了Cache來實現本地緩存的功能，我們直接拿來用，重復造輪子從來不是一個明智的選擇，localCacheExpire為本地緩存過期時間，Cache提供了Get和Set方法，使用非常簡單

localCache, err := collection.NewCache(localCacheExpire)

先從本地緩存中查找，如果命中緩存則直接返回。沒有命中緩存的話需要先從數據庫中查詢運營位商品id，然后再聚合商品信息，最后回塞到本地緩存中。詳細代碼邏輯如下：

func (l *OperationProductsLogic) OperationProducts(in *product.OperationProductsRequest) (*product.OperationProductsResponse, error) {
  opProducts, ok := l.svcCtx.LocalCache.Get(operationProductsKey)
  if ok {
    return &product.OperationProductsResponse{Products: opProducts.([]*product.ProductItem)}, nil
  }
  pos, err := l.svcCtx.OperationModel.OperationProducts(l.ctx, validStatus)
  if err != nil {
    return nil, err
  }
  var pids []int64
  for _, p := range pos {
    pids = append(pids, p.ProductId)
  }
  products, err := l.productListLogic.productsByIds(l.ctx, pids)
  if err != nil {
    return nil, err
  }
  var pItems []*product.ProductItem
  for _, p := range products {
    pItems = append(pItems, &product.ProductItem{
      ProductId: p.Id,
      Name:      p.Name,
    })
  }
  l.svcCtx.LocalCache.Set(operationProductsKey, pItems)
  return &product.OperationProductsResponse{Products: pItems}, nil
}

使用grpurl調試工具請求接口，第一次請求cache miss后，后面的請求都會命中本地緩存，等到本地緩存過期后又會重新回源db加載數據到本地緩存中

~ grpcurl -plaintext -d '{}' 127.0.0.1:8081 product.Product.OperationProducts
{
  "products": [
    {
      "productId": "32",
      "name": "電風扇6"
    },
    {
      "productId": "31",
      "name": "電風扇5"
    },
    {
      "productId": "33",
      "name": "電風扇7"
    }
  ]
}

注意，并不是所有信息都適用于本地緩存，本地緩存的特點是請求量超高，同時業務上能夠允許一定的不一致，因為本地緩存一般不會主動做更新操作，需要等到過期后重新回源db后再更新。所以在業務中要視情況而定看是否需要使用本地緩存。

自動識別熱點數據

首頁Banner場景是由運營人員來配置的，也就是我們能提前知道可能產生的熱點數據，但有些情況我們是不能提前預知數據會成為熱點的。

所以就需要我們能自適應地自動的識別這些熱點數據，然后把這些數據提升為本地緩存。

我們維護一個滑動窗口，比如滑動窗口設置為10s，就是要統計這10s內有哪些key被高頻訪問，一個滑動窗口中對應多個Bucket，每個Bucket中對應一個map，map的key為商品的id，value為商品對應的請求次數。

接著我們可以定時的(比如10s)去統計當前所有Buckets中的key的數據，然后把這些數據導入到大頂堆中，輕而易舉的可以從大頂堆中獲取topK的key，我們可以設置一個閾值，比如在一個滑動窗口時間內某一個key訪問頻次超過500次，就認為該key為熱點key，從而自動地把該key升級為本地緩存。

緩存使用技巧

下面介紹一些緩存使用的小技巧

• key的命名要盡量易讀，即見名知意，在易讀的前提下長度要盡可能的小，以減少資源的占用，對于value來說可以用int就盡量不要用string，對于小于N的value，redis內部有shared_object緩存。
• 在redis使用hash的情況下進行key的拆分，同一個hash key會落到同一個redis節點，hash過大的情況下會導致內存以及請求分布的不均勻，考慮對hash進行拆分為小的hash，使得節點內存均勻避免單節點請求熱點。
• 為了避免不存在的數據請求，導致每次請求都緩存miss直接打到數據庫中，進行空緩存的設置。
• 緩存中需要存對象的時候，序列化盡量使用protobuf，盡可能減少數據大小。
• 新增數據的時候要保證緩存務必存在的情況下再去操作新增，使用Expire來判斷緩存是否存在。
• 對于存儲每日登錄場景的需求，可以使用BITSET，為了避免單個BITSET過大或者熱點，可以進行sharding。
• 在使用sorted set的時候，避免使用zrange或者zrevrange返回過大的集合，復雜度較高。
• 在進行緩存操作的時候盡量使用PIPELINE，但也要注意避免集合過大。
• 避免超大的value。
• 緩存盡量要設置過期時間。
• 慎用全量操作命令，比如Hash類型的HGETALL、Set類型的SMEMBERS等，這些操作會對Hash和Set的底層數據結構進行全量掃描，如果數據量較多的話，會阻塞Redis主線程。
• 獲取集合類型的全量數據可以使用SSCAN、HSCAN等命令分批返回集合中的數據，減少對主線程的阻塞。
• 慎用MONITOR命令，MONITOR命令會把監控到的內容持續寫入輸出緩沖區，如果線上命令操作很多，輸出緩沖區很快就會溢出，會對Redis性能造成影響。
• 生產環境禁用KEYS、FLUSHALL、FLUSHDB等命令。

結束語

已知的熱點緩存比較簡單，從數據庫中提前加載到內存中即可，未知的熱點緩存我們需要自適應的識別出熱點的數據，然后把這些熱點的數據升級為本地緩存。最后介紹了一些實際生產中緩存使用的一些小技巧，在生產環境中要活靈活用盡量避免問題的產生。

代碼倉庫:?https://github.com/zhoushuguang/lebron

項目地址:?https://github.com/zeromicro/go-zero