缓存的有关问题

1 使用jvm的空间换时间

当缓存达到一定程度后，容易引发OOM问题

2.该缓存位于一个jvm 里面

该缓存不能共享

3 缓存的模型对代码的改造太大，不容易扩展

.3.1 引入切面的包

    aspectj
    <!-- https://mvnrepository.com/artifact/org.aspectj/aspectjweaver -->
    <dependency>
        <groupId>org.aspectj</groupId>
        <artifactId>aspectjweaver</artifactId>
        <version>1.8.7</version>
    </dependency>

3.2 定义一个切面类

3.3 切点的切入
大家有会切面表达时的写法
@Around(“execution (* com.sxt.service.impl.MenuServiceImpl.loadAllMenu())”)
3.4 实现环绕通知的逻辑

@Component
@Aspect
public class CacheAspect {

	private static Map<String,Object> caches = new HashMap<>();
	
	private static final String ALL_MENU_LABEL = "alll-menu-data"; 
	
	@Around("execution (* com.sxt.service.impl.MenuServiceImpl.loadAllMenu())")
	public Object cache(ProceedingJoinPoint ponit) {
		if(caches.containsKey(ALL_MENU_LABEL)) {
			System.out.println("缓存里面有");
			return caches.get(ALL_MENU_LABEL);
		}
		
		Object result = null ; 
		try {
			System.out.println("执行真实方法的调用");
			result = ponit.proceed(ponit.getArgs()); // 在此实现了真实方法的调用
//			放入缓存
			caches.put(ALL_MENU_LABEL, result);
		} catch (Throwable e) {
			e.printStackTrace();
		}

		return result;
	}
}

缓存的击穿

Select * from t_user where id = -10;
查询的数据一致无法命中缓存（缓存里面一直没有）

那缓存击穿的本质原因是：
有些数据在缓存中没有，在数据库中也没有，这样导致每次访问缓存，都查不到，结果必须落到去查数据库，但是数据库也没有，这样就导致每次一访问这样的数据，都会既查缓存，又查数据库，大大的浪费了时间，还增加了访问压力。
通常可以用这样的方式避免这个问题，如果在数据库中不存在的话，就在缓存中做一个空标志，（比如new 一个新对象，但是这个对象的字段都是空的。）数据库数据实时同步到缓存中，以后对这些数据的访问，直接就能在缓存中查到，就不需再查数据库了，通过查询缓存发现得到的为空的标志，就直接返回。
1 在执行查询之前，如果预先知道数据库里面没有这个值，我可以不查询数据库
2 查询数据库，发现没有该值，现在我在缓存里面缓存一个null 值

缓存击穿，是指一个key非常热点，在不停的扛着大并发，大并发集中对这一个点进行访问，当这个key在失效的瞬间，持续的大并发就穿破缓存，直接请求数据库，就像在一个屏障上凿开了一个洞。

缓存击穿和缓存雪崩有点类似，区别是缓存击穿针对的是某一个非常热点的key，这个key在某一时刻失效造成所有请求都访问数据库；缓存雪崩是针对一系列缓存同时失效，造成大量请求访问数据库造成雪崩。

缓存击穿也可以使用加锁的方式，让只有一个线程查询数据库写缓存，其他线程等待。

缓存的雪崩

当黑客使用大量的数据测试（不止是-1 ，-1–> 无穷）则缓存里面可能缓存很多null，null 也占用空间，过一个缓存慢了，无法存入新的值了，该现象被称为缓存的雪崩。

解决方案

产生的原因是：数据库里面，没有该值产生的
若实现知道该数据库里面没有该值，这个问题就可以解决。要求不能查数据。
HashSet


什么数据结构不占内存
1 int = 4个字节=48 = 32 bit
1bit 内存占用下来了
图片怎么存储（19801080p）
位图-> 存储图片

借着该图片的存储，我们可以使用BloomFilter

有关的优秀文章

二