目录
[2.1 主动更新的三种策略](#2.1 主动更新的三种策略)
一、什么是缓存？
缓存就是将极其耗时、计算昂贵或频繁访问的数据，临时存储在访问速度更快的介质中（通常是内存），以便下次请求时能直接获取，而无需重新计算或从慢速设备（如硬盘数据库）中读取。
二、缓存更新策略
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。
2.1 主动更新的三种策略
缓存主动更新有三种策略：Cache Aside Pattern、Read/Write Through Pattern、Write Behind Caching Pattern。
| 策略名称 | 核心运作机制 | 主要优点 | 主要缺点 | 适用场景 |
|---|---|---|---|---|
| Cache Aside (旁路缓存) | 应用程序同时负责维护数据库和缓存。读 ：先读缓存，未命中则读数据库并回写缓存。写：先更新数据库，再删除缓存。 | 1. 资源利用率高：缓存中只保留实际被请求的数据。 2. 实现灵活：不依赖特定的缓存中间件特性，适用范围最广。 | 1. 代码侵入性强：应用层需要编写大量操作数据库和缓存的控制逻辑。 2. 极端并发风险：在特定的读写并发场景下，仍有极小概率出现数据不一致。 | 绝大多数常规 Web 业务（如电商、社交网络），是目前 Redis + MySQL 架构下最标准的做法。 |
| Read/Write Through (读写穿透) | 应用程序只和缓存层交互。缓存层封装了对数据库的操作。读 ：缓存未命中时，由缓存服务去查数据库并加载数据。写 ：应用更新缓存，缓存服务同步更新数据库。 | 1. 代码极简：对应用程序透明，应用层无需关心数据库同步逻辑。 2. 数据一致性高：缓存和数据库由底层服务同步控制。 | 1. 性能损耗：写操作需要同步等待数据库落盘，写入速度受制于数据库。 2. 门槛较高：大多数主流分布式缓存（如原生 Redis）不直接支持此模式，需要自行开发代理层或使用特定组件。 | 对数据一致性要求极高，且读多写少的场景；或者使用了原生支持该模式的本地/分布式缓存组件（如 Guava/Ehcache）。 |
| Write Behind (异步写回) | 应用程序只更新缓存，操作直接返回。缓存服务随后在后台异步、批量地将数据更新到数据库。 | 1. 极致写性能：应用所有的写操作都在内存中完成，响应极快。 2. 保护数据库：通过合并和批量写入，大幅降低数据库的 IO 压力。 | 1. 数据丢失风险极高：如果缓存节点在数据异步刷盘前宕机，数据将彻底丢失。 2. 强一致性无法保证：由于是异步写入，数据库数据会有明显的延迟。 3. 实现异常复杂：需要解决冲突、重试、持久化队列等问题。 | 写操作极其频繁且允许一定数据丢失的场景。例如：视频播放量统计、大规模实时日志收集、高并发秒杀系统中的初级计数。 |
使用Cache Aside来更新缓存有三个问题需要我们考虑：
1.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
- 删除缓存:更新数据库时让缓存失效，查询时再更新缓存
2.如何保证缓存和数据库的操作的同时成功和失败？
- 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
3.先操作缓存还是先操作数据库？
方案一中的线程一执行更新数据库的操作是很耗时的，在此时线程二要来查询数据库并写入缓存的可能性是很大的，很容易造成数据不一致的情况。方案二中线程一查询缓存并写入缓存的速度极快，此时线程二来更新数据库需要很长时间，当线程一将旧的数据库数据写入缓存后，尽管线程二同时更新数据库了，也是线程一先写入缓存的概率更大一些。因此我们选择先操作数据库，在删除缓存。
三、缓存穿透
缓存穿透就是指，请求的数据根本不存在，比如用户一直查 id=-1 或不存在的商品 id。
下图展示了两种解决缓存穿透的方案：
- 缓存空值，比如 product:999 = null，TTL 设置短一点。
- 使用布隆过滤器，先判断 id 是否可能存在。
四、缓存雪崩
缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。
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
五、缓存击穿
缓存击穿也叫热点key问题，某个热点 key 过期瞬间，大量请求同时访问，全部打到数据库。
例如热门商品详情缓存刚好失效：
10万个请求 -> Redis 未命中 -> 数据库压力暴涨
解决办法：
- 加互斥锁，只允许一个请求回源数据库。
- 热点 key 不设置短 TTL，改为后台刷新。
- 逻辑过期：缓存里存过期时间，过期后先返回旧值，同时异步刷新。
- 随机提前刷新，避免集中失效。