内容简介:工作中经常遇到要对redis进行高频写入,但是对于读取时数据的实时性要求又不高的场景。为了优化性能,决定采用本地缓存一部分数据整合后写入。采用 google 的 cache,利用其监听事件(详见 com.google.common.cache.RemovalCause 类)触发写入redis操作,addListSync方法中使用 synchronized 进行加锁,防止高并发场景下List数据错误。针对不同业务场景可以自定义不同的配置参数
工作中经常遇到要对 redis 进行高频写入,但是对于读取时数据的实时性要求又不高的场景。为了优化性能,决定采用本地缓存一部分数据整合后写入。
依赖
<dependency> <groupId>com.google.guava</groupId> <artifactId>guava</artifactId> <version>19.0-rc2</version> </dependency> 复制代码
基础类
public class BufferCache implements Closeable { // CacheBuilder的构造函数是私有的,只能通过其静态方法newBuilder()来获得CacheBuilder的实例 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() // 设置并发级别为8,并发级别是指可以同时写缓存的线程数 .concurrencyLevel(currencyLevel) // 设置写缓存后expireTime秒钟过期 .expireAfterWrite(writeExpireTime, TimeUnit.SECONDS) // 设置请求后expireTime秒钟过期 .expireAfterAccess(accessExpireTime, TimeUnit.SECONDS) // 设置缓存容器的初始容量为10 .initialCapacity(initialCapacity) // 设置缓存最大容量为Integer.MAX_VALUE,超过Integer.MAX_VALUE之后就会按照LRU最近虽少使用算法来移除缓存项 .maximumSize(maximumSize) // 设置要统计缓存的命中率 .recordStats() // 设置缓存的移除通知 .removalListener(removalListener) // build方法中可以指定CacheLoader,在缓存不存在时通过CacheLoader的实现自动加载缓存 .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); // 如果队列长度超过设定最大长度则清除key if (gs.size() > maxItemSize) { localCacheData.invalidate(key); } } } public void addListSync(Object value) { addListSync(BufferCache.key, value); } @Override public void close() { localCacheData.invalidate(key); } } 复制代码
采用 google 的 cache,利用其监听事件(详见 com.google.common.cache.RemovalCause 类)触发写入redis操作,addListSync方法中使用 synchronized 进行加锁,防止高并发场景下List数据错误。
新建配置文件
cache.key=name cache.currencyLevel=1 cache.writeExpireTime=900 cache.accessExpireTime=600 cache.initialCapacity=1 cache.maximumSize=1000 cache.maxItemSize=1000 复制代码
针对不同业务场景可以自定义不同的配置参数
业务实现
@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) { // 异步监听 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; } // 创建一个监听器 private class MyRemovalListener implements RemovalListener<String, List<GuildActiveEventEntity>> { @Override public void onRemoval( RemovalNotification<String, List<GuildActiveEventEntity>> notification) { RemovalCause cause = notification.getCause(); // 当超出缓存队列限制大小时或者key过期或者主动清除key时更新数据 if (cause.equals(RemovalCause.SIZE) || cause.equals(RemovalCause.EXPIRED) || cause.equals(RemovalCause.EXPLICIT)) { //根据不同业务场景调用不同业务方法进行写入操作 } } } } 复制代码
此类实现 ApplicationContextAware 为了获取指定业务方法 Bean ,进行解析缓存中value模型后进行存储。 在以上几个步骤都完成后,只需在业务层声名
@Autowired private BufferCache buffCache; 复制代码
调用其addListSync方法即可。
总结
总体思路是使用本地缓存去分担高频写的压力,此方法其实不仅仅适用与redis的写入,还可用于其他场景,具体使用方法可以按照业务场景自己扩展。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 优化ElasticSearch写入效率
- golang 创建,读取,写入文件
- Kafka学习笔记 -- 写入数据
- Elasticsearch 写入原理深入详解
- Laravel log 无法写入问题
- ClickHouse 是如何批量写入的?
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
互联网爆破术:快速掌握互联网运营全链条实战技巧
茶文 / 电子工业出版社 / 2018-7 / 49.00元
《互联网爆破术:快速掌握互联网运营全链条实战技巧》是一本实用的互联网运营书籍,可以让读者快速掌握运营全链条的干货技巧和相关模型,涵盖如何有效寻找市场的需求爆破点,通过测试一步步放大并引爆,直至赢利。《互联网爆破术:快速掌握互联网运营全链条实战技巧》非常适合互联网运营人员及互联网创业者阅读,它可以帮读者快速了解互联网运营的核心技巧,并用最低的成本取得成功。本书5大特色:快速入门、实战干货、低成本、系......一起来看看 《互联网爆破术:快速掌握互联网运营全链条实战技巧》 这本书的介绍吧!