什么是缓存？

缓存的作用

• 降低后端负载

• 提高读写效率，降低响应时间

缓存的成本

• 数据一致性成本

• 代码维护成本

• 运维成本

Redis缓存模型

根据id查询商铺缓存的流程

缓存首页的店铺类型

缓存的原理与前面根据 id 查询店铺信息相同。

缓存更新策略

• 内存淘汰

• 超时剔除

• 主动更新

业务场景：

• 低一致性需求：使用内存淘汰机制。例如店铺类型的查询缓存

• 高一致性需求：主动更新，并以超时剔除作为兜底方案。例如店铺详情查询的缓存

主动更新的三种策略

• Cache Aside Pattern（胜出）
由缓存的调用者，在更新数据库的同时更新缓存

• Read/Write Through Pattern 缓存与数据 库整合为一个服务，由服务来维护一致性。调用者调用该服务，无需关心缓存一致性问题。

• Write Behind Caching Pattern 调用者只操作缓存，由其它线程异步的将缓存数据持久化到数据库，保证最终一致。

操作缓存和数据库时需要考虑三个问题

虽然在实际工作中使用Cache Aside Pattern（胜出），但是还需要考虑下面的三个问题。

删除缓存还是更新缓存？

• 更新缓存：每次更新数据库都更新缓存，无效写操作较多（pass）

• 删除缓存：更新数据库时让缓存失效，查询时再更新缓存（胜出）

如何保证缓存与数据库的操作的同时成功或失败？

• 单体系统， 将缓存与数据库操作放在一个事务

• 分布式系统，利用TCC等分布式事务方案

先操作缓存还是先操作数据库？

• 先删除缓存，再操作数据库（pass）

• 先操作数据库，再删除缓存（胜出）

• 解决商铺缓存与数据库的写一致问题

缓存穿透

定义

解决方案

缓存空对象

• 优点：
• 实现简单，维护方便

• 缺点:
• 额外的内存消耗
• 可能造成短期的不致

布隆过滤

• 优点：
• 内存占用较少，没有多余key

• 缺点：
• 实现复杂
• 存在误判可能

解决缓存穿透流程图

缓存雪崩

定义

解决方案

• 给不同的Key的TTL添加随机值

• 利用Redis集群提高服务的可用性

• 给缓存业务添加降级限流策略

• 给业务添加多级缓存

缓存击穿

定义

解决方案

互斥锁

• 基于互斥锁解决缓存击穿问题流程图

1. 这里使用Redis中的setnx指令实现互斥锁，只有当值不存在时才能进行set操作

2. 锁的有效期更具体业务有关，需要灵活变动，一般锁的有效期是业务处理时长10~20倍

3. 线程获取锁后，还需要查询缓存（也就是所谓的双检），这样才能够真正有效保障缓存不被击穿

• 测试
通过 Jmeter 进行压测，在5秒内发送2000个请求（理论上QPS可以达到400/sec，也就是每秒钟发送400个请求），最终吞吐量是331.3（也就是每秒钟处理134.8个请求），系统性能还是比较好的

逻辑过期

• 基于逻辑过期解决缓存击穿问题流程图

两种方案的优缺点

总结

RedisTemplate封装工具类

缓存解决数据不一致

• 为了解决数据一致性问题，我们可以选择适当的缓存更新策略：
• 以缓存主动更新（双写方案+删除缓存模式+先操作数据库后操作缓存+事务）为主，超时剔除为辅
1. 查询时，先查询缓存，缓存命中直接返回，缓存未命中查询数据库并重建缓存，返回查询结果
2. 更新时，先修改数据删除缓存，使用事务保证缓存和数据操作两者的原子性

• 除了会遇到数据一致性问题意外，我们还会遇到缓存穿透、缓存雪崩、缓存击穿等问题
1. 对于缓存穿透，我们采用了缓存空对象解决
2. 对于缓存击穿，我们分别演示了互斥锁（setnx实现方式）和逻辑过期两种方式解决。