缓存收益和成本
- 缓存收益
- 加速读写
- 减低后端负载
- 缓存成本
- 数据不一致问题：缓冲层和数据层保存的数据可能不一致
- 代码维护成本变高，多了一层缓存逻辑
- 运维成本，例如 Redis cluster的维护
- 使用场景
- 减低后端负载：对高消耗的SQL结果进行缓存，例如join结果集/分组统计结果
- 加速请求响应
- 大量写合并为批量写，如计数器先Redis累加再批量写到DB
缓存更新策略
- LRU(Least Recently Used)，根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高，则延迟其淘汰时间” - LRU缓存更新
- LFU(Least Frequently Used)根据数据的历史访问频率来淘汰数据，其核心思想是“如果数据过去被访问多次，那么将来被访问的频率也更高”- LFU缓存更新
- FIFO ，根据"先进先出" 思想来更新缓存数据
- 超时剔除 - expire
- 主动更新 - 开发控制生命周期
- 扩展：缓存污染 - 缓存污染降低了缓存的使用率，把不常用的数据读取到缓存，同时会把常用的数据移出缓存，这样会直接降低系统的数据命中率
缓存穿透问题
-
定义：缓存穿透是指用户查询数据，在数据库没有，自然在缓存中也不会有。这样就导致用户查询的时候，在缓存中找不到，每次都要去数据库再查询一遍，然后返回空（相当于进行了两次无用的查询），导致大量请求发到了数据库上。缓存穿透.png
解决方法
-
缓存空对象：如果一个查询返回的数据为空（不管是数据不存在，还是系统故障），仍然把这个空结果进行缓存，但它的过期时间会很短，不超过5分钟。通过这个直接设置的默认值存放到缓存，这样第二次到缓存中获取就有值了，而不会继续访问数据库。
存在的问题：
（1）需要更多的键，所以通常设置较短过期时间
（2）缓存层和存储层数据"短期"不一致设置NULL.jpg -
布隆过滤器拦截：
对所有可能查询的参数以hash形式存储，在控制层先进行校验，不符合则丢弃，从而避免了对底层存储系统的查询压力。例如Redis可以使用bitMap来实现布隆过滤器
布隆过滤器.jpg
缓存雪崩问题
- 定义：缓存雪崩是指，由于缓存层承载着大量请求，有效的保护了存储层，但是如果缓存层由于某些原因整体不能提供服务（可能是机器宕机或大量的缓存(key)在同一时间失效 - 过期），于是所有的请求都会达到存储层，存储层的调用量会暴增，造成存储层也会挂掉的情况。
- 解决方法
- 保证缓存层服务高可用性：即使个别节点、个别机器、甚至是机房宕掉，依然可以提供服务，比如 Redis Sentinel 和 Redis Cluster 都实现了高可用。
- 依赖隔离组件为后端限流并降级：在缓存失效后，通过加锁或者队列来控制读数据库写缓存的线程数量。比如对某个key只允许一个线程查询数据和写缓存，其他线程等待。
- 数据预热：可以通过缓存reload机制，预先去更新缓存，再即将发生大并发访问前手动触发加载缓存不同的key，设置不同的过期时间，让缓存失效的时间点尽量均匀
缓存击穿问题
- 定义：一个存在的热点key，在缓存过期的一刻，同时有大量的请求，这些请求都会击穿到数据库，造成瞬时数据库请求量大压力骤增。
- 解决方法
- 互斥锁
- 永不过期
参考资料
[1] https://coding.imooc.com/class/151.html
[2] https://www.cnblogs.com/George1994/p/10668889.html
[3] https://www.jianshu.com/p/b57d0773ee96
[4] https://blog.csdn.net/zeb_perfect/article/details/54135506
