目录
- 为什么要用Redis实现商户查询缓存？
- 用Redis实现商户查询缓存的基本思路？
- 使用Redis缓存的问题及解决方法？
-
- 一、如何保持数据库数据和Redis缓存数据的一致性？
-
- [1 内存淘汰机制](#1 内存淘汰机制)
- [2 超时剔除机制](#2 超时剔除机制)
- [3 主动更新机制（胜）](#3 主动更新机制（胜）)
- 二、缓存穿透？
-
- [解决方案1 缓存空对象](#解决方案1 缓存空对象)
- [解决方案2 布隆过滤器](#解决方案2 布隆过滤器)
- 三、缓存雪崩？
-
- [解决方案1 随机TTL值](#解决方案1 随机TTL值)
- [解决方案2 redis集群](#解决方案2 redis集群)
- [解决方案3 服务熔断和降级](#解决方案3 服务熔断和降级)
- [解决方案4 多级缓存](#解决方案4 多级缓存)
- 四、缓存击穿？热点key问题？
-
- [解决方案1 互斥锁](#解决方案1 互斥锁)
- [解决方案2 逻辑过期](#解决方案2 逻辑过期)
为什么要用Redis实现商户查询缓存？
- 缓存是数据交换的缓冲区，是存储频繁用的数据的临时区，要求读写性能高，redis基于内存读写的高性能特点恰恰满足这一要求
- 用redis实现缓存可以降低后端负载，提高读写效率
- 增加缓存功能会增加成本，如数据一致性成本，代码维护成本，运维成本等，因此要根据业务场景选择合适的redis功能和机制
用Redis实现商户查询缓存的基本思路？
- 如果没有缓存，客户端频繁发出请求查询一个数据时，每次请求都会直接到达数据库，数据库的压力会很大
- Redis缓存相当于在客户端和数据库之间增加了一个拦截，当客户端发出请求查询数据时，先到达Redis查询，如果命中直接返回查询结果，因此该请求就不会到达数据库，降低了数据库的压力
- 如果在Redis中请求没有命中，该请求才会继续去数据库，将数据库的查询结果返回客户端
- 若该客户端多次重复请求这个在Redis中不存在的数据，还是会多次请求数据库，这并不是我们希望的结果，因此数据库应该将查询结果返回客户端的同时，将查询结果也写入redis缓存中
使用Redis缓存的问题及解决方法？
一、如何保持数据库数据和Redis缓存数据的一致性？
- 数据一致性要求较低：数据变化频率较低，用内存淘汰机制就行
- 数据一致性要求较高：数据变化频率较高，用主动更新，并用超时剔除当兜底
1 内存淘汰机制
- redis为了解决内存不足的问题，自带的一种功能，会在内存不足时自动淘汰部分数据，下次查询该数据时更新缓存，在一定程度上可以保持数据的一致性
- 优点：维护成本几乎为0，全程有Redis自己管
- 缺点：不知道会淘汰掉哪些数据，什么时候淘汰，所以数据一致性比较差
2 超时剔除机制
- 给缓存数据添加TTL时间，到期后自动删除缓存，下次查询时更新缓存
- 优点：维护成本较低，只需要在原来数据的基础上增加一个过期时间
- 缺点：可以控制哪些数据什么时候淘汰，数据一致性比内存淘汰机制好一些，但也不强
3 主动更新机制（胜）
- 在修改数据库中数据的同时，更新缓存
- 优点：数据一致性比较好
- 缺点：维护成本高，需要自己编写大量的业务逻辑，比较难
如何实现主动更新机制？
- 实现的第一种方案：自己写代码，在更新数据库的同时更新缓存（实际业务中用的最多）。
- 实现的第二种方案：将缓存与数据库整合成一个服务，只需调用该服务，数据一致性由服务内部自己实现。但维护该服务比较难，也较难找到现成的服务可用
- 实现的第三种方案：调用者不管数据库，只在缓存中增删改查，缓存一直保持最新的数据。由一个专门的线程通过异步的方式将缓存的数据更新到数据库中，保证数据最终一致。异步机制可以大大提升效率，主要体现的场景为，假如缓存中的某个数据更新了n次，此时异步线程来检查缓存中的数据有没有变化，然后将最新的数据写入数据库，相当于数据库只更新了1次，而数据库的读写比缓存读写费劲多，所以节省了更新n-1次数据库浪费的时间。缺点是维护异步线程的成本、Redis宕机丢失数据、在异步线程更新数据库之前数据完全不一致。
操作缓存和数据库时应该更新缓存还是删除缓存？
- 更新缓存：每次更新数据库时都需要更新缓存，对于缓存来说无效的写操作比较多
- 删除缓存：更新数据库时删除缓存中的数据，更新n次也只删一次，只有客户端用到该数据时，访问redis缓存，redis中没有该数据，才会从数据库中取最新的数据写到缓存中。
如何保证缓存与数据库的操作的原子性？
- 意思就是更新数据库的时候必须保证删除缓存也成功执行，二者要么都成功，要么都失败
- 对于单体系统：将缓存与数据库操作放在一个事务中
- 对于分布式系统：利用TCC等分布式事务方案
先删除缓存还是先操作数据库？
- 在多线程情景下，二者的执行顺序不一样会造成不一样的后果
- 先删除缓存：假设线程1先删缓存后更新数据库，线程2在线程1刚删完缓存还没更新数据库时突然请求，此时缓存中的数据已经被删，线程2会去数据库中查询，但线程1还没更新数据库，因此线程2查到的是旧数据，还会把旧数据按照流程写入缓存，此时线程1再更新数据库，就会造成数据不一致
- 先更新数据库：假设线程1先更新数据库后删除缓存，线程2在线程1更新数据库之前请求，恰好缓存由于某些原因失效，线程2便查询数据库返回客户端一个旧数据，此时线程2正常更新数据库删除缓存，线程1再继续将刚才从数据库中读到的旧数据写入缓存，此时就会造成数据不一致
- 先更新数据库造成的数据不一致的可能性更低，且可以为缓存增加TTL，在一定程度上避免该问题的发生，因此应该先更新数据库后删除缓存
二、缓存穿透？
客户端请求的数据在缓存和数据库中都没有，无法建立缓存，如果多次请求这个不存在的数据，这些请求就会全部打到数据库，给数据库造成压力
解决方案1 缓存空对象
- 简单暴力，返回一个空值null，下次请求再来时会在缓存命中null，不会继续请求数据库
- 优点：实现简单，好维护
- 缺点1：如果有很多不同的请求的数据不存在，就会在缓存中存很多null，造成额外的内存消耗。解决方法：可以给null也增加一个TTL，避免长期占用缓存空间。
- 缺点2：在null过期之前的请求得到的数据都是null，如果此时数据库更新了数据，就会造成短期的不一致。解决方法：用主动更新机制，在更新数据库的同时替换掉null
解决方案2 布隆过滤器
- 在客户端和Redis之间增加布隆过滤器，当客户端发出一个请求时，首先由布隆过滤器判断该数据是否存在，若存在则放行，请求会继续执行正常流程，若不存在则拒绝，禁止请求频繁访问缓存和数据库
- 布隆过滤器是一个bit数组，每一位非0即1，可以快速判断一个元素是否存在
- 存数据：根据k个不同的hash函数将数据映射到bit数组的k个位置上，将k个位置置1
- 判断数据：根据k个不同的hash函数将数据映射到bit数组的k个位置上，若k个位置有0，则该数据肯定不存在，拦截，若k个位置全为1，则该数据可能存在（hash可能冲突，所以存在误判），允许通过
- 优点：速度快，占用空间小
- 缺点：实现复杂，存在误判
三、缓存雪崩？
大量redis缓存中的key同时失效或过期，或者redis服务器宕机，大量请求直接到达数据库，给数据库造成巨大压力
解决方案1 随机TTL值
如果给大量key设置一样的TTL，就会在同一时间大量key同时失效，因此可以给不同的key添加分布较均匀的随机TTL
解决方案2 redis集群
宕机一个redis还有其他redis
解决方案3 服务熔断和降级
- redis宕机时暂停redis缓存服务（熔断），预防出现雪崩
- 若redis直接爆炸，只能降级服务，不理睬请求，直接返回错误
解决方案4 多级缓存
在多个层面建立缓存（比如浏览器、数据库等），一级缓存和二级缓存失效时间不同，一级缓存失效用二级缓存
四、缓存击穿？热点key问题？
部分热点key（被高并发访问且缓存重建业务较复杂的key）在缓存中失效或过期，如果第一次请求未命中，会去数据库查询并写入缓存，但若在此期间有大量同样的请求涌入，就会有大量请求涌到数据库要求查询，给数据库造成巨大压力
解决方案1 互斥锁
- 当线程1查询缓存未命中时，尝试获取锁，获取成功才能去数据库查询，写缓存后释放锁。在此期间，其他同样的请求查询缓存未命中时，同样尝试获取锁，但获取失败，就会等待一段时间重新尝试查询缓存并获取锁
- 优点：没有额外的内存消耗，数据一致性更好，实现简单
- 缺点：其他线程需要一直等待，直到获取到锁的线程写入缓存或释放锁，还有死锁风险
解决方案2 逻辑过期
- 不再设置TTL，而是设置一个逻辑过期时间，TTL相当于倒计时，逻辑过期时间相当于一个具体的时间
- 当线程1查询缓存时，发现该缓存的逻辑时间已经过期，便尝试获取互斥锁，并开启一个新线程2来进行查询数据库重建缓存，无需等待线程2执行完，直接返回一个过期的数据
- 线程3若紧跟线程1之后也来查询该缓存，发现逻辑时间已过期，也尝试获取互斥锁，但此时锁被线程2占用，获取失败，则直接放弃，返回过期数据
- 只有在释放锁之后到来的线程4才能命中缓存中没有过期的数据
- 优点：线程无需等待，性能较好
- 缺点：数据一致性较差，有额外的内存消耗，实现复杂
