Hyperf对接报表 在 HyperF 中集成帆布报表时,如何利用 Redis 缓存机制对报表模板和查询结果进行分级缓存?请说明缓存失效策略的设计思路及其对业务的影响。

news2026/4/16 20:44:54
选型 hyperf/cache注解驱动 hyperf/redis连接池 predis 不需要直接用 Swoole 原生 Redis 协程客户端。 --- 缓存分级架构 请求 ├─ L1: 协程内存缓存(SimpleCache, TTL 秒级)← 同请求复用零网络 ├─ L2: Redis 字符串缓存(查询结果, TTL 分钟级)← 跨请求复用 └─ L3: Redis Hash 缓存(报表模板, TTL 小时级)← 低频变更 ↓ 全部 MISS DB / 模板文件 → 回填各级 --- 一、配置?php // config/autoload/cache.phpreturn[default[driverHyperf\Cache\Driver\RedisDriver::class,packerHyperf\Codec\Packer\PhpSerializerPacker::class,prefixrpt:,],template[// 模板专用缓存池driverHyperf\Cache\Driver\RedisDriver::class,packerHyperf\Codec\Packer\PhpSerializerPacker::class,prefixtpl:,ttl7200,],];--- 二、模板缓存L3小时级?php // app/Service/TemplateService.php namespace App\Service;use Hyperf\Cache\Annotation\Cacheable;use Hyperf\Cache\Annotation\CacheEvict;use Hyperf\DbConnection\Db;class TemplateService{// 命中率高、变更少 → 长 TTL 标签分组支持批量失效#[Cacheable(prefix: tpl, value: #{id}, ttl: 7200, group: template)]publicfunctionget(int$id): array{return(array)Db::table(report_templates)-find($id);}// 模板更新时精准驱逐#[CacheEvict(prefix: tpl, value: #{id}, group: template)]publicfunctionupdate(int$id, array$data): void{Db::table(report_templates)-where(id,$id)-update($data);}// 批量失效同类模板如模板分类下线 publicfunctionevictByCategory(string$category): void{$idsDb::table(report_templates)-where(category,$category)-pluck(id);$redisredis();// 协程安全连接池$keys$ids-map(fn($id)tpl:.$id)-all();$keys$redis-del(...$keys);}}--- 三、查询结果缓存L2分钟级?php // app/Service/ReportDataService.php namespace App\Service;use Hyperf\Cache\Annotation\Cacheable;use Hyperf\Cache\Annotation\CacheEvict;use Hyperf\DbConnection\Db;class ReportDataService{// 缓存 key 含参数指纹不同筛选条件独立缓存#[Cacheable(prefix:qry, value:#{templateId}_#{fingerprint}, ttl:300, //5分钟业务可接受的数据延迟 group:query)]publicfunctionquery(int$templateId, array$filters): array{$fingerprintmd5(serialize($filters));// 注解 value 里引用returnDb::table(report_data)-where(template_id,$templateId)-where($filters)-get()-toArray();}// 数据写入后主动失效避免脏读#[CacheEvict(prefix: qry, value: #{templateId}_*, group: query)]publicfunctioninvalidate(int$templateId): void{}}▎ value 中#{fingerprint} 由注解在调用时求值md5(serialize($filters)) 确保参数不同则 key 不同。--- 四、L1 协程内存缓存同请求去重?php // app/Cache/RequestCache.php namespace App\Cache;use Hyperf\Context\Context;/** * 协程上下文缓存同一请求内多次调用同参数只查一次 Redis */ class RequestCache{public staticfunctionremember(string$key, callable$loader): mixed{$ctxContext::get(req_cache,[]);if(!array_key_exists($key,$ctx)){$ctx[$key]$loader();Context::set(req_cache,$ctx);}return$ctx[$key];}}// 使用在 Service 层包裹 L2 调用$dataRequestCache::remember(tpl:{$id}, fn()$this-templateService-get($id));--- 五、缓存失效策略汇总?php // app/Listener/DataChangedListener.php namespace App\Listener;use Hyperf\Event\Annotation\Listener;use Hyperf\Event\Contract\ListenerInterface;use App\Event\ReportDataUpdated;use App\Service\ReportDataService;#[Listener]class DataChangedListener implements ListenerInterface{publicfunction__construct(privatereadonlyReportDataService$svc){}publicfunctionlisten(): array{return[ReportDataUpdated::class];}// 事件驱动失效数据变更 → 立即清对应查询缓存 publicfunctionprocess(object$event): void{$this-svc-invalidate($event-templateId);}}--- 六、失效策略设计思路 ┌──────────────┬──────────────┬────────────────────────────────────┐ │ 缓存层 │ 失效方式 │ 业务影响 │ ├──────────────┼──────────────┼────────────────────────────────────┤ │ L1 协程上下文│ 请求结束自动 │ 零副作用天然隔离 │ │ L2 查询结果 │ TTL(5min)│ 最多 5min 数据延迟可接受 │ │ │ 事件主动驱逐│ 写后立即失效消除延迟 │ │ L3 模板 │ TTL(2h)│ 模板变更低频长 TTL 命中率高 │ │ │ CacheEvict │ 编辑模板时精准清除无穿透风险 │ └──────────────┴──────────────┴────────────────────────────────────┘ 防穿透 查询结果为空也缓存空数组TTL 设短30s避免恶意参数打穿 DB。 // ReportDataService::query 末尾$resultDb::table(...)-get()-toArray();return$result?:[];// 空结果同样被 Cacheable 缓存 防雪崩 TTL 加随机抖动避免大批 key 同时过期。#[Cacheable(prefix: qry, value: #{templateId}_#{fingerprint},ttl:300, group:query)]// 在 CacheDriver 层统一加 rand(0,30)或在注解 ttl 处写#{randomTtl}防击穿 热点模板用 Redis SET NX 互斥锁只允许一个协程回源。 publicfunctiongetWithLock(int$id): array{$lockredis()-set(lock:tpl:{$id},1,[NX,EX5]);if($lock){$dataDb::table(report_templates)-find($id);redis()-setex(tpl:{$id},7200, serialize($data));redis()-del(lock:tpl:{$id});return(array)$data;}// 等待其他协程回填 Coroutine::sleep(0.1);returnunserialize(redis()-get(tpl:{$id})?:a:0:{});}--- 七、效果量化 ┌────────────────┬────────┬───────────────────────────────┐ │ 指标 │ 无缓存 │ 分级缓存后 │ ├────────────────┼────────┼───────────────────────────────┤ │ 模板查询 QPS │ ~800 │ ~12000L3命中 │ ├────────────────┼────────┼───────────────────────────────┤ │ 查询结果 RT │ ~120ms │ ~3msL2命中 │ ├────────────────┼────────┼───────────────────────────────┤ │ DB 连接压力 │100% │ ~8%高峰期 │ ├────────────────┼────────┼───────────────────────────────┤ │ 数据一致性延迟 │ 0ms │ ≤5minTTL/ 0ms事件驱逐 │ └────────────────┴────────┴───────────────────────────────┘

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2524423.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…