Ehcache

1.废话不多说首先配置spring pom.xml 添加dependency <dependency> <groupId>net.sf.ehcache</groupId> <artifactId>ehcache</artifactId> <version>2.9.0</version> </dependency> maven在打包时候会自动从网上下载对应的jar包。 2.写一个ehcache配置文件 ehcache-context.xml （名字可以随便起不过后面要引入） <?xml version="1.0" encoding="UTF-8"?> <beans xmlns="http://www.springframework.org/schema/beans" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:p="http://www.springframework.org/schema/p" xmlns:cache="http://www.springframework.org/schema/cache" xsi:schemaLocation=" http://www.springframework.org/schema/context http://www.springframework.org

前言 　　从学校出来，做开发工作也有一定时间了，最近有想系统地进一步深入学习，但发现基础知识不够扎实，故此来回顾基础知识，进一步巩固、加深印象。 　　最初开始接触编程时，总是自己跌跌撞撞、不断摸索地去学习，再一点点应用到实际项目中，知识点才更加清晰。后来，尝试写博客，把学到的知识试着分享出来，也是一次巩固的过程。 1、问：Redis雪崩了解吗？ 　　答：我了解的。目前电商首页以及热点数据都会去做缓存，一般缓存都是定时任务去刷新，或者是查不到之后去更新，定时任务刷新就有一个问题。 　　举个简单例子：如果所有首页的key失效时间都是12小时，中午12点刷新，我0点开始抢单活动，大量用户涌入，假设当时每秒6000个请求，本来缓存可以扛住每秒5000个请求，但是缓存当时所有的 Key 都失效了。此时，1秒 6000个请求全部打到数据库，数据库必然扛不住，它会报一下警，但实际情况可能是DBA都没反应过来数据库就直接挂了。此时，如果没有什么特别的方案来处理这个故障，DBA很着急，重启数据库，但是数据库马上又被新的流量打死了。这就是我理解的缓存雪崩。 　　 同一时间缓存大面积失效，那一瞬间Redis跟没有一样，这个数量界别的请求直接打到数据库几乎是灾难性的。试想一下，如果打挂的是一个用户服务的库，那其他依赖它的库所有的接口几乎都会报错，如果没有做熔断等策略，基本上就是一瞬间挂一片的节奏

尽量在合适的场合使用单例 使用单例可以减轻加载的负担，缩短加载的时间，提高加载的效率，但并不是所有地方都适用于单例，简单来说，单例主要适用于以下三个方面： 第一，控制资源的使用，通过线程同步来控制资源的并发访问； 第二，控制实例的产生，以达到节约资源的目的； 第三，控制数据共享，在不建立直接关联的条件下，让多个不相关的进程或线程之间实现通信。 2、尽量避免随意使用静态变量 当某个对象被定义为static变量所引用，那么GC通常是不会回收这个对象所占有的内存，如 3、尽量避免过多过常地创建Java对象 尽量避免在经常调用的方法，循环中new对象，由于系统不仅要花费时间来创建对象，而且还要花时间对这些对象进行垃圾回收和处理，在我们可以控制的范围内，最大限度地重用对象，最好能用基本的数据类型或数组来替代对象。 4、尽量使用final修饰符 带有final修饰符的类是不可派生的。在JAVA核心API中，有许多应用final的例子，例如java、lang、String，为String类指定final防止了使用者覆盖length()方法。另外，如果一个类是final的，则该类所有方法都是final的。java编译器会寻找机会内联（inline）所有的final方法（这和具体的编译器实现有关），此举能够使性能平均提高50%。 5、尽量使用局部变量

今天来分享一下Redis几道常见的面试题： 如何解决缓存雪崩？ 如何解决缓存穿透？ 如何保证缓存与数据库双写时一致的问题？ 一、缓存雪崩 1.1 什么是缓存雪崩？ 首先我们先来回答一下我们为什么要用缓存(Redis)： 1、提高性能能：缓存查询是纯内存访问，而硬盘是磁盘访问，因此缓存查询速度比数据库查询速度快 2、提高并发能力：缓存分组了部分请求，支持更高的并发 现在有个问题， 如果我们的缓存挂掉了，这意味着我们的全部请求都跑去数据库了 。 我们都知道Redis不可能把所有的数据都缓存起来( 内存昂贵且有限 )，所以Redis需要对数据设置过期时间，将已经过期的键值对删除，它采用的是惰性删除+定期删除两种策略对过期键删除。 如果缓存数据 设置的过期时间是相同 的，并且Redis恰好将这部分数据全部删光了。这就会导致在这段时间内，这些缓存 同时失效 ，全部请求到数据库中。 这就是缓存雪崩 ： Redis挂掉了，请求全部走数据库。 对缓存数据设置相同的过期时间，导致某段时间内缓存失效，请求全部走数据库。 缓存雪崩如果发生了，很可能就把我们的数据库 搞垮 ，导致整个服务瘫痪！ 1.2 如何解决缓存雪崩？ 对于“对缓存数据设置相同的过期时间，导致某段时间内缓存失效，请求全部走数据库。”这种情况，非常好解决： 解决方法：在缓存的时候给过期时间加上一个 随机值 ，这样就会大幅度的