架构师方案-本地缓存一致性刷新方案

前言

本地缓存和业务请求在同一台机器上,相对于Redis读写速度非常快,对于一些变更频率低、实时性要求低的数据,可以放在本地缓存中,提升访问速度。 使用本地缓存能够减少和Redis类集中式缓存间的数据交互,减少网络I/O开销,降低这一过程中在网络通信上的耗时,同时减轻对Redis类集中式缓存访问压力。

解决方案

服务是多节点部署的,要保证是本地缓存一致性的,就要短时间内操作所有服务。

方案1-MQ广播消息

redis发布订阅功能实现同理

方案2-Zookeeper Watcher机制

Tomcat Watcher监听

typescript 复制代码
@Service
public class ZkDataListenerImpl implements IZkDataListener {
    @Override
    public void handleDataChange(String dataPath, Object data) throws Exception {
        String type = getType(data);
        if (type.equals("update")) {
            //更新缓存
       
        }
        if (type.equals("delete")) {
          //删除缓存
        }
    }

}

方案3-RPC框架广播调用(如dubbo广播调用方式)

ini 复制代码
<dubbo:service cluster="broadcast" />

实现逻辑

  1. 循环调用所有的实例
  2. 如果有发生异常则记录异常保存
  3. 只要有异常,则抛出异常,如果没有则返回执行结果

源码

scala 复制代码
public class BroadcastClusterInvoker<T> extends AbstractClusterInvoker<T> {

    private static final Logger logger = LoggerFactory.getLogger(BroadcastClusterInvoker.class);

    public BroadcastClusterInvoker(Directory<T> directory) {
        super(directory);
    }

    @Override
    @SuppressWarnings({"unchecked", "rawtypes"})
    public Result doInvoke(final Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
        // 检查 invokers 是否为空
        checkInvokers(invokers, invocation);

        // 将invokers 塞到context中
        RpcContext.getContext().setInvokers((List) invokers);
        RpcException exception = null;
        Result result = null;

        // 遍历invokers 执行, 结果只要最后一个不报错的result
        for (Invoker<T> invoker : invokers) {
            try {
                result = invoker.invoke(invocation);
            } catch (RpcException e) {
                exception = e;
                logger.warn(e.getMessage(), e);
            } catch (Throwable e) {
                exception = new RpcException(e.getMessage(), e);
                logger.warn(e.getMessage(), e);
            }
        }
        // 如果出现一个异常,  抛出异常
        if (exception != null) {
            throw exception;
        }
        return result;
    }
}

方案4-分布式任务调度的广播执行任务

广播执行表示一个任务实例会广播到该分组所有Worker上执行,当所有Worker都执行完成。

方案对比

方案 特点
MQ广播消息 有消息积压、消息顺序的问题
Zookeeper Watcher机制 Zookeeper本身适合读多写少的场景
RPC框架广播调用(如dubbo广播调用方式) 循环调用所有的实例,所有要考虑实例过多的情况
分布式任务调度的广播执行任务 便于定时发布

总结

从以上这些方案,不难看出,只要有广播功能特点的中间件或服务,都可以用来操作本地缓存或者本地方法。
相关推荐
深入云栈8 小时前
Netty 4.2.x 源码深度解析 (二十四):池化内存分配 —— PoolArena、PoolChunk 与 PoolSubpage
java·后端·架构
ServBay9 小时前
PHP 8.6 最新发布:语法更新、实用函数与升级要点
后端·php
我不会起名字3229 小时前
Agent 总调错工具?MCP 接进 Go 后端的 4 个约束
后端·go·agent·mcp
考虑考虑9 小时前
git刷新远程分支列表
git·后端·gitlab
Decay__9 小时前
SQLServer 运维自动化平台 —— PowerShell + SQL Agent 作业:部署、监控、巡检、告警、工单闭环一体化
运维·数据库·sql·mysql·架构
十有八七10 小时前
手搓 Agent(四):长点记性——上下文满了怎么办,怎么记住上一次
前端·人工智能·后端
王晋15710 小时前
第一次使用银河麒麟:从 Windows 迁移到国产 Linux 桌面的入门指南
后端
用户460438522508611 小时前
关于 Paimon-Rust 的写操作(细节)
后端
掘金酱11 小时前
AI 带来的新生意|稀土掘金 X-Lab 年度大会招募开启
前端·后端·vibecoding