這篇文章主要介紹“java源代碼怎么保存”的相關(guān)知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強(qiáng)，希望這篇“java源代碼怎么保存”文章能幫助大家解決問題。
成都創(chuàng)新互聯(lián)主要從事成都網(wǎng)站制作、做網(wǎng)站、網(wǎng)頁設(shè)計、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)東蘭,10余年網(wǎng)站建設(shè)經(jīng)驗,價格優(yōu)惠、服務(wù)專業(yè),歡迎來電咨詢建站服務(wù):18982081108
在實際的工作項目中， 緩存成為高并發(fā)、高性能架構(gòu)的關(guān)鍵組件 ，那么redis為什么可以作為緩存使用呢？首先可以作為緩存的兩個主要特征：
在分層系統(tǒng)中處于內(nèi)存/CPU具有訪問性能良好，
緩存數(shù)據(jù)飽和，有良好的數(shù)據(jù)淘汰機(jī)制
由于Redis 天然就具有這兩個特征，Redis基于內(nèi)存操作的，且其具有完善的數(shù)據(jù)淘汰機(jī)制，十分適合作為緩存組件。
其中，基于內(nèi)存操作，容量可以為32-96GB，且操作時間平均為100ns，操作效率高。而且數(shù)據(jù)淘汰機(jī)制眾多，在Redis 4.0 后就有8種了促使Redis作為緩存可以適用很多場景。
那Redis緩存為什么需要數(shù)據(jù)淘汰機(jī)制呢？有哪8種數(shù)據(jù)淘汰機(jī)制呢？
Redis緩存基于內(nèi)存實現(xiàn)的，則其緩存其容量是有限的，當(dāng)出現(xiàn)緩存被寫滿的情況，那么這時Redis該如何處理呢？
Redis對于緩存被寫滿的情況，Redis就需要緩存數(shù)據(jù)淘汰機(jī)制，通過一定淘汰規(guī)則將一些數(shù)據(jù)刷選出來刪除，讓緩存服務(wù)可再使用。那么Redis使用哪些淘汰策略進(jìn)行刷選刪除數(shù)據(jù)？
在Redis 4.0 之后，Redis 緩存淘汰策略6+2種，包括分成三大類：
不淘汰數(shù)據(jù)
noeviction ，不進(jìn)行數(shù)據(jù)淘汰，當(dāng)緩存被寫滿后，Redis不提供服務(wù)直接返回錯誤。
在設(shè)置過期時間的鍵值對中，
volatile-random ，在設(shè)置過期時間的鍵值對中隨機(jī)刪除
volatile-ttl ，在設(shè)置過期時間的鍵值對，基于過期時間的先后進(jìn)行刪除，越早過期的越先被刪除。
volatile-lru ， 基于LRU(Least Recently Used) 算法篩選設(shè)置了過期時間的鍵值對， 最近最少使用的原則來篩選數(shù)據(jù)
volatile-lfu ，使用 LFU( Least Frequently Used ) 算法選擇設(shè)置了過期時間的鍵值對, 使用頻率最少的鍵值對,來篩選數(shù)據(jù)。
在所有的鍵值對中，
allkeys-random， 從所有鍵值對中隨機(jī)選擇并刪除數(shù)據(jù)
allkeys-lru， 使用 LRU 算法在所有數(shù)據(jù)中進(jìn)行篩選
allkeys-lfu， 使用 LFU 算法在所有數(shù)據(jù)中進(jìn)行篩選
Note: LRU( 最近最少使用，Least Recently Used)算法， LRU維護(hù)一個雙向鏈表 ，鏈表的頭和尾分別表示 MRU 端和 LRU 端，分別代表最近最常使用的數(shù)據(jù)和最近最不常用的數(shù)據(jù)。
LRU 算法在實際實現(xiàn)時，需要用鏈表管理所有的緩存數(shù)據(jù)，這會帶來額外的空間開銷。而且，當(dāng)有數(shù)據(jù)被訪問時，需要在鏈表上把該數(shù)據(jù)移動到 MRU 端，如果有大量數(shù)據(jù)被訪問，就會帶來很多鏈表移動操作，會很耗時，進(jìn)而會降低 Redis 緩存性能。
其中，LRU和LFU 基于Redis的對象結(jié)構(gòu)redisObject的lru和refcount屬性實現(xiàn)的:
重慶分公司
重慶分公司
typedef struct redisObject {
unsigned type:4;
unsigned encoding:4;
// 對象最后一次被訪問的時間
unsigned lru:LRU_BITS; /* LRU time (relative to global lru_clock) or
* LFU data (least significant 8 bits frequency
// 引用計數(shù) * and most significant 16 bits access time). */
int refcount;
void *ptr;
} robj;Redis的LRU會使用redisObject的lru記錄最近一次被訪問的時間，隨機(jī)選取參數(shù)maxmemory-samples 配置的數(shù)量作為候選集合，在其中選擇 lru 屬性值最小的數(shù)據(jù)淘汰出去。
在實際項目中，那么該如何選擇數(shù)據(jù)淘汰機(jī)制呢？
優(yōu)先選擇 allkeys-lru算法，將最近最常訪問的數(shù)據(jù)留在緩存中，提升應(yīng)用的訪問性能。
有頂置數(shù)據(jù)使用 volatile-lru算法 ,頂置數(shù)據(jù)不設(shè)置緩存過期時間，其他數(shù)據(jù)設(shè)置過期時間，基于LRU 規(guī)則進(jìn)行篩選 。
在理解了Redis緩存淘汰機(jī)制后，來看看Redis作為緩存其有多少種模式呢？
Redis緩存模式基于是否接收寫請求，可以分成只讀緩存和讀寫緩存：
只讀緩存：只處理讀操作，所有的更新操作都在數(shù)據(jù)庫中，這樣數(shù)據(jù)不會有丟失的風(fēng)險。
Cache Aside模式
讀寫緩存，讀寫操作都在緩存中執(zhí)行，出現(xiàn)宕機(jī)故障，會導(dǎo)致數(shù)據(jù)丟失。緩存回寫數(shù)據(jù)到數(shù)據(jù)庫有分成兩種同步和異步：
同步：訪問性能偏低，其更加側(cè)重于保證數(shù)據(jù)可靠性
Read-Throug模式
Write-Through模式
異步：有數(shù)據(jù)丟失風(fēng)險，其側(cè)重于提供低延遲訪問
Write-Behind模式
查詢數(shù)據(jù)先從緩存讀取數(shù)據(jù)，如果緩存中不存在，則再到數(shù)據(jù)庫中讀取數(shù)據(jù)，獲取到數(shù)據(jù)之后更新到緩存Cache中，但更新數(shù)據(jù)操作，會先去更新數(shù)據(jù)庫種的數(shù)據(jù)，然后將緩存種的數(shù)據(jù)失效。
而且Cache Aside模式會存在并發(fā)風(fēng)險：執(zhí)行讀操作未命中緩存，然后查詢數(shù)據(jù)庫中取數(shù)據(jù)，數(shù)據(jù)已經(jīng)查詢到還沒放入緩存，同時一個更新寫操作讓緩存失效，然后讀操作再把查詢到數(shù)據(jù)加載緩存，導(dǎo)致緩存的臟數(shù)據(jù)。
查詢數(shù)據(jù)和更新數(shù)據(jù)都直接訪問緩存服務(wù)，緩存服務(wù)同步方式地將數(shù)據(jù)更新到數(shù)據(jù)庫。出現(xiàn)臟數(shù)據(jù)的概率較低，但是就強(qiáng)依賴緩存，對緩存服務(wù)的穩(wěn)定性有較大要求，但同步更新會導(dǎo)致其性能不好。
查詢數(shù)據(jù)和更新數(shù)據(jù)都直接訪問緩存服務(wù)，但緩存服務(wù)使用異步方式地將數(shù)據(jù)更新到數(shù)據(jù)庫（通過異步任務(wù)） 速度快，效率會非常高，但是數(shù)據(jù)的一致性比較差，還可能會有數(shù)據(jù)的丟失情況，實現(xiàn)邏輯也較為復(fù)雜。
在實際項目開發(fā)中根據(jù)實際的業(yè)務(wù)場景需求來進(jìn)行選擇緩存模式。那了解上述后，我們的應(yīng)用中為什么需要使用到redis緩存呢？
在應(yīng)用使用Redis緩存可以提高系統(tǒng)性能和并發(fā)，主要體現(xiàn)在
高性能：基于內(nèi)存查詢，KV結(jié)構(gòu)，簡單邏輯運算
高并發(fā)： MySQL 每秒只能支持2000左右的請求，Redis輕松每秒1W以上。讓80%以上查詢走緩存，20%以下查詢走數(shù)據(jù)庫，能讓系統(tǒng)吞吐量有很大的提高
雖然使用Redis緩存可以大大提升系統(tǒng)的性能，但是使用了緩存，會出現(xiàn)一些問題，比如，緩存與數(shù)據(jù)庫雙向不一致、緩存雪崩等，對于出現(xiàn)的這些問題該怎么解決呢？
使用了緩存，會出現(xiàn)一些問題，主要體現(xiàn)在：
緩存與數(shù)據(jù)庫雙寫不一致
緩存雪崩: Redis 緩存無法處理大量的應(yīng)用請求，轉(zhuǎn)移到數(shù)據(jù)庫層導(dǎo)致數(shù)據(jù)庫層的壓力激增;
緩存穿透：訪問數(shù)據(jù)不存在在Redis緩存中和數(shù)據(jù)庫中，導(dǎo)致大量訪問穿透緩存直接轉(zhuǎn)移到數(shù)據(jù)庫導(dǎo)致數(shù)據(jù)庫層的壓力激增;
緩存擊穿：緩存無法處理高頻熱點數(shù)據(jù)，導(dǎo)致直接高頻訪問數(shù)據(jù)庫導(dǎo)致數(shù)據(jù)庫層的壓力激增;
只讀緩存(Cache Aside模式)
對于只讀緩存(Cache Aside模式)， 讀操作都發(fā)生在緩存中，數(shù)據(jù)不一致只會發(fā)生在刪改操作上（新增操作不會，因為新增只會在數(shù)據(jù)庫處理），當(dāng)發(fā)生刪改操作時，緩存將數(shù)據(jù)中標(biāo)志為無效和更新數(shù)據(jù)庫 。因此在更新數(shù)據(jù)庫和刪除緩存值的過程中，無論這兩個操作的執(zhí)行順序誰先誰后，只要有一個操作失敗了就會出現(xiàn)數(shù)據(jù)不一致的情況。
關(guān)于“java源代碼怎么保存”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識，可以關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，小編每天都會為大家更新不同的知識點。
