news 2026/4/23 15:59:08

第十四课 · 实战篇:Redis 缓存系统落地指南(Spring Boot 从 0 到可用)

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
第十四课 · 实战篇:Redis 缓存系统落地指南(Spring Boot 从 0 到可用)

上一篇我们讲清了 Redis 在后端的定位:
它不是数据库,而是系统的性能调节器与状态中心。

这一篇不谈概念,直接落地:
做一个最小可运行缓存系统

目标只有四件事:

  • 查询接口缓存
  • 缓存失效策略
  • 防缓存穿透
  • 登录态缓存

一、准备环境

1. 启动 Redis(本地或服务器)

Mac / Linux:

redis-server

测试连接:

redis-cli ping

返回PONG说明成功。

2. Spring Boot 引入依赖

<dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> </dependency>

3. application.yml 配置

spring: redis: host: 127.0.0.1 port: 6379

二、第一个缓存:查询接口

场景

查商品详情

逻辑目标:

先查 Redis 没有 → 查数据库 查到 → 回填 Redis

示例代码(伪代码逻辑)

public Product getProduct(Long id) { String key = "product:" + id; // 1. 查缓存 Product p = redis.get(key); if (p != null) return p; // 2. 查数据库 p = db.query(id); // 3. 回填缓存 redis.set(key, p, 10分钟); return p; }

效果:

  • 第一次慢
  • 后面极快

三、缓存失效策略

缓存不是永久的,否则数据会脏。

常见策略三种:

1. TTL 自动过期(最常用)

redis.set(key, value, 600秒);

2. 更新时主动删除

更新商品 → 删除缓存

3. 延迟双删(进阶)

更新 → 删除缓存 → 延迟1秒再删一次

用于高并发一致性。

四、防缓存穿透(必须会)

问题:

用户查一个不存在的 ID 每次都打数据库

解决:

空值缓存

if (db查不到) { redis.set(key, "null", 60秒); }

五、登录态缓存(高频场景)

Redis 非常适合存登录状态。

模型:

userId → token token → 状态

伪代码:

loginSuccess(userId, token) { redis.set("token:" + token, userId, 7天); }

实现能力:

  • 强制下线
  • 单点登录
  • 多端控制

六、简单限流(加分项)

场景:

登录接口防刷

逻辑:

count = redis.incr(ipKey); if (count == 1) redis.expire(ipKey, 60秒); if (count > 10) 拒绝访问;

七、实战结构图

浏览器 ↓ Spring Boot ↓ Redis ← 缓存 / 登录态 / 限流 ↓ MySQL

Redis 在这里承担的是:

  • 查询加速
  • 状态存储
  • 并发控制

八、工程级注意事项

问题解决
内存爆炸设置 TTL
Key 混乱命名规范
数据不一致更新删除缓存
穿透攻击

空值缓存

一句话终极理解

Redis 不是用来存数据的,
而是用来让系统“更快、更稳、更抗压”的。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/23 13:09:21

UC Davis携手Google DeepMind:让AI模型学会“看重点“的训练方法

人工智能就像一个学生&#xff0c;传统的训练方法就是告诉它"答案是什么"&#xff0c;而现在&#xff0c;研究人员找到了一种全新的方法——教会AI"该看哪里"。这项由加州大学戴维斯分校联合Google DeepMind等机构完成的研究发表于2026年2月&#xff0c;论…

作者头像 李华
网站建设 2026/4/23 12:35:29

大数据领域数据湖的监控与运维要点

大数据领域数据湖的监控与运维要点:从"数据仓库"到"智能管家"的进阶指南 关键词:数据湖、监控体系、运维策略、数据质量、实时告警 摘要:数据湖作为企业级大数据平台的核心基础设施,其稳定运行直接影响数据价值的挖掘效率。本文以"数据湖监控与运…

作者头像 李华
网站建设 2026/4/23 14:06:44

CANN ops-math:从矩阵运算到数值计算的全维度硬件适配与效率提升实践

前言 在现代人工智能系统中&#xff0c;底层计算效率直接决定了模型训练速度、推理吞吐量与能源消耗。尽管高层框架&#xff08;如 PyTorch、TensorFlow&#xff09;提供了便捷的编程接口&#xff0c;但其性能天花板往往由底层算子库决定。尤其在涉及大量基础数学运算&#xff…

作者头像 李华
网站建设 2026/4/22 21:38:28

序列化和反序列化

一、核心概念&#xff08;用生活例子理解&#xff09;想象一下&#xff1a;你有一个乐高拼好的小汽车&#xff08;对应程序中的Java 对象&#xff0c;比如ChatMessage&#xff09;。序列化&#xff1a;把这个乐高小汽车拆成一个个独立的零件&#xff0c;并用清单记录每个零件的…

作者头像 李华
网站建设 2026/4/18 10:53:04

大模型反向传播计算梯度-loss.backward

loss.backward() 是 PyTorch 中反向传播计算梯度的核心函数&#xff1a; 从当前计算出的损失值&#xff08;loss&#xff09;出发&#xff0c;沿着神经网络的计算路径 “倒着走” 算出每个可训练参数&#xff08;比如权重 w、偏置 b&#xff09;对损失值的影响程度&#xff08;…

作者头像 李华