目录
一、多级缓存介绍
1、传统缓存的问题
传统缓存策略一般是请求到tomcat后，先查询redis，如果未命中则查询数据库
请求要先经过tomcat处理，tomcat的性能成为整个系统的瓶颈
2、多级缓存方案
多级缓存就是利用请求处理的每个环节，分别添加缓存，减轻tomcat压力，提升服务器性能：
二、JVM进程缓存
1、初始Caffeine
缓存分类
我们把缓存分为两类：分布式缓存和进程本地缓存
分布式缓存，例如Redis：
- 优点：缓存容量更大，可靠性更好，可以在集群间共享
- 缺点：访问缓存网络开销大
- 场景：缓存数据量较大、可靠性要求较高、需要在集群间共享
进程本地缓存，例如hashMap、GuavaCache
- 优点：读取本地内存，没有网络开销，速度快
- 缺点：存储量有限，可靠性低，无法共享
- 场景：性能要求较高，缓存数据量较小
Caffeine入门
Cafeine是一个基于Java8开发的，提供了近乎最佳命中率的高性能的本地缓存库。目前Spring内部的缓存使用的就是Caffeine。
2、实现进程缓存
创建一个CaffeineConfig配置类
在要使用的地方注入bean
修改业务
三、Lua脚本
我们现在已经完成了nginx反向代理和tomcat的进程缓存
接下来我们要用lua来完成nginx的本地缓存
1、初始Lua
Lua是轻量小巧的脚本语言，用c编写，其设计目的是为了嵌入应用程序中，从而为应用程序提供灵活的扩展和定制功能，经常用在游戏开发中
centOS自带了lua，所有不用安装
2、Lua语法
数据类型
变量
Lua声明变量的时候，不需要指定数据的类型，local表示局部变量的意思
循环
for循环遍历的时候do和end就相当于大括号，in后面是要遍历的对象括号里面是类型
前面是以键值对的方式来遍历的，index数组的话就是索引和value就是值
函数
条件控制
四、OpenResty
1、初始OpenResty
OpenResty是一个基于 Nginx 与 Lua 的高性能 Web 平台，其内部集成了大量精良的 Lua 库、第三方模块以及大多数的依赖项。用于方便地搭建能够处理超高并发、扩展性极高的动态 Web 应用、Web 服务和动态网关。
先按照好OpenResty然后配置好nginx
2、OpenResty快速入门
修改nginx配置
我们先把自己的接口请求打到nginx反向代理服务器，然发到OpenResty的服务器上
openResty的lua模块是固定的直接复制
编写lua文件
因为是快速入门，我们先用假数据返回固定的
3、OpenResty获取请求参数
4、封装Http请求工具
我们可以把请求打到nginx的负载均衡服务器再转发到tomcat
我们这个请求是要发两次的，我们要提取出来，方便复用，放到lualib目录下
5、向tomcat发http请求
编写lua脚本
因为中间要用到字符串拼接，json不能实现所有要转成lua语法再拼接然后转化json返回
6、对tomcat集群负载均衡
我们实际上不可能只有一台tomcat肯定是集群，所以我们要配置负载均衡
我们肯定不能每次走不同的，这样会导致进程缓存重复缓存，所以我们经历同一个id的请求打到一个服务器上，我们要用hash运算然后对服务器数量取模。
7、Redis缓存预热
冷启动：服务刚刚启动时，redis中并没有缓存，如果所有商品数据都在第一次查询时添加缓存，可能会给数据库带来较大压力
缓存预热：在实际开发中，我们可以利用大数据统计用户访问的热点数据，再项目启动时将这些热点数据提前查询并保存redis中
所以在我们redisconfig里面添加上预热
因为我们是分表的商品信息表和库存表，所以分开缓存，库存表经常变动
8、OpenResty查询Redis
OpenResty的Redis模块
OpenResty提供了操作Redis的模块，我们只需要引入该模块就能直接使用：
查询数据的方法
把查询和释放的方法都写到common.lua里面，然后暴露出去，到时候调用就行
查询逻辑也要改，先查询redis，redis没命中再查tomcat
9、Nginx本地缓存
OpenResty为Nginx提供了shard dIct功能，可以在nginx的多个worker之间共享数据，实现缓存功能
先再nginx.conf中配置共享词典
然后导入
需求
- 修改item,lua中的read data函数，优先查询本地缓存，未命中时再查询Redis、Tomcat
- 查询Redis或Tomcat成功后，将数据写入本地缓存，并设置有效期
- 商品基本信息，有效期30分钟（基本上常年不变的可以缓存久点）
- 库存信息，有效期1分钟（要检测变动的）
五、缓存同步
1、数据同步策略
缓存数据同步的常见方式有三种:
- 设置有效期:给缓存设置有效期，到期后自动删除。再次查询时更新
- 优势:简单、方便
- 缺点:时效性差，缓存过期之前可能不一致
- 场景:更新频率较低，时效性要求低的业务
- 同步双写:在修改数据库的同时，直接修改缓存
- 优势:时效性强，缓存与数据库强一致
- 缺点:有代码侵入，耦合度高;
- 场景:对一致性、时效性要求较高的缓存数据
- 异步通知:修改数据库时发送事件通知，相关服务监听到通知后修改缓存数据
- 优势:低耦合，可以同时通知多个缓存服务
- 缺点:时效性一般，可能存在中间不一致状态
- 场景:时效性要求一般，有多个服务需要同步
引入canal的异步通知，canal监听数据库的变化，发生变化后立刻通知更新缓存
2、Canal入门
Canal译为水道、管道，是阿里开源项目，基于java开发。基于数据库增量日志解析，提供增量数据订阅&消费
Canal是基于mysql主从同步实现的，mysql主从同步原理如下
Canal就是把自己伪装成mysql的一个slava节点，从而监听master的binary log变化，再把变化的信息通知给canal客户端，进而完成对其他数据库的同步
3、引入Canal
（1）先开启mysql主从同步
（2）安装Canal
（3）执行命令创建Canal容器：
这样，我们就成功用Canal对mysql进行监听了
4、Canal客户端
接下来我们就更新tomcat的客户端，来监听Canal的消息
监听Canal我们首先先引入springboot整合canal的依赖，然后配置好canal
然后编写监听器来监听canal的消息
canal推送给canal客户端的是被修改的这一行数据，我们引入的canal客户端会帮助我们把这行数据封装到item实体类中，这个过程需要知道数据库和实体的映射关系，要用到注解来映射
业务逻辑：
总结
最后的架构图：
