本地缓存，Redis缓存，数据库DB查询（结合代码分析）

问题背景

为什么要使用缓存？本地缓存/Redis缓存/数据库查询优先级？

一、为什么要使用缓存

原因：CPU的速度远远高于磁盘IO的速度
问题：很多信息存在数据库当中的，每次查询数据库就是一次IO操作
所以，提高响应速度，必须减少磁盘IO的操作，缓存就是为了提升系统性能而存在的

二、查询的优先级

1、本地缓存

2、Redis缓存

3、数据库查询

 public static List<Content> getContentList(int positionId, String provCode, String areaCode) throws SQLException {
     String key_p_p_a = positionId + "_" + provCode + "_" + areaCode;
     List<Content> contentList = null;
     String strTemp = "|";
     StringBuilder cacheLogInfoSb = new StringBuilder("get cache [");
     /*判断本地缓存是否存在*/
     if (ContentService.MAP_CONTENT_P_P_A.containsKey(key_p_p_a)) {
         contentList = ContentService.MAP_CONTENT_P_P_A.get(key_p_p_a);
         cacheLogInfoSb.append(strTemp).append(" by cache MAP_CONTENT_P_P_A get List, key:").append(key_p_p_a)
                 .append(",List.size:").append(contentList.size());
     /*判断Reids缓存是否存在*/
     }else if (RedisCached.has(key_p_p_a)) {
         contentList = (List<Content>) RedisCached.get(key_p_p_a.getBytes());
         cacheLogInfoSb.append(strTemp).append(" by xmemcache MAP_CONTENT_P_P_A get List, key:").append(key_p_p_a)
                 .append(",List.size:").append(contentList.size());
     /*数据库查询操作*/
     } else {
         try {
             contentList = dao.getContentList(positionId, provCode, areaCode);
             cacheLogInfoSb = new StringBuilder(" cache is not exists,get data by database");
         } catch (SQLException e) {
             cacheLogInfoSb.append(strTemp).append("SQLException:").append(e.toString());
             e.printStackTrace();
             throw e;
         }
         log.info(cacheLogInfoSb.toString() + "]");
         log.info("[ContentService]加入缓存key_p_p_a, key:{},contentList.size:{}", key_p_p_a, contentList.size());
         /*数据库查询后,将结果写入redis,方便下次查询*/
         RedisCached.set(key_p_p_a, contentList, ContentService.Cache_ExPireTime_Day);
     }

     return contentList;
 }

三、缓存常用的集合框架以及操作(实际使用得比较多的方法)

使用的MAP集合ConcurrentHashMap

  public static Map<String, List<Content>> MAP_CONTENT_P_P_A = new ConcurrentHashMap<String, List<Content>>();

读取本地缓存get()

 List<Content> list = ContentService.MAP_CONTENT_P_P_A.get(key);

设置本地缓存put()

 ContentService.MAP_CONTENT_P_P_A.put(key_p_p_a, contentList);

定时更新本地/Redis缓存(代码演示)

 /** 查询数据库,获取最新数据 **/
 Map<String, List<Content>> position_content_map_p_p_a = dao.queryContentListRelateProvCodeAreaCode(positionId);
 /** 清除本地缓存 **/
 Iterator<String> contentskeysIterPPA = MAP_CONTENT_P_P_A.keySet().iterator();
 while (contentskeysIterPPA.hasNext()) {
     String key = contentskeysIterPPA.next();
     if (key.startsWith(String.valueOf(positionId))) {
         removeKeys.add(key);
     }
 }
 /** 清除Redis缓存 **/
 for (int i = 0; i < removeKeys.size(); i++) {
     String key = removeKeys.get(i);
     contentList.addAll(MAP_CONTENT_P_P_A.remove(key));
     RedisCached.delete(key);
 }
 removeKeys.clear();
 /** 把最新内容加入MAP_CONTENT_P_P_A缓存 **/
 Iterator<String> keysIterppa = position_content_map_p_p_a.keySet().iterator();
 while (keysIterppa.hasNext()) {
     String key = keysIterppa.next();
     reFreshContenList.addAll(position_content_map_p_p_a.get(key));
     MAP_CONTENT_P_P_A.putAll(position_content_map_p_p_a);
 }