Redis学习（二）缓存设计

引言

缓存能够加速应用的读写速度，同时也可以降低后端负载，对日常应用开发至关重要。

1.缓存的收益和成本

1.1 收益

	1.加速读写
	2.降低后端负载

1.2成本

	1.数据不一致性
	2.代码维护成本
	3.开销大的复杂计算
	4.加速请求响应

2 缓存更新策略

2.1 .LRU/LFU/FIFO算法剔除

	 场景：常用于缓存使用超过预设的最大值，对现有数据进行剔除。
	 一致性：算法一致性最差
	 成本：成本较低，开发者选择合适算法即可

2.2 超时剔除

	 场景：给缓存数据设置过期时间，在过期后进行自动删除
	 一致性：因为存在窗口期，后端数据不能及时同步，一致性比较差
	 成本：成本不是很高

2.3主动更新

	 场景：真实数据更新后，缓存立更新
	 一致性：一致性最好。但会发生主动更新如果发生问题，该数据可能长时间不能及时更新，建议和超时剔除结合使用。
	 成本：成本比较高

2.4 推荐策略

	 1.低一致性业务，配置最大内存和淘汰策略的配置方式
	 2.高一致性业务，结合超时剔除和主动更新一块进行使用。保证不能及时更新，也能在数据过期后进行剔除。

3. 缓存粒度控制

	 1.通用性：缓存全部数据更加通用
	 2.缓存全部数据会占更大的存储空间，网流量更大，序列化和反序列化开销会更大
	 3.全部缓存的代码维护更加简单

4. Redis缓存优化

4.1 穿透优化

	概念：缓存穿透指缓存层找不到数据，就会去存储层进行请求查询，失去缓存保护后端存储的目的。
 	解决方法
 		1. 缓存空对象
 			 存储层查不到数据，则在缓存层为其键添加空值，保证下次缓存查询不会再穿透到存储层
		 为空值设定较短的过期时间，保证能够被过期删除
			 会存在一定时间的缓存和存储不一致，可使用消息系统或其他方式清除缓存层中的对象
		
		 适用场景：命中率不高，数据频繁变化实时性高
		 成本: 需要更多缓存，数据不一致
 		3. 布隆过滤器拦截
		 	在访问缓存和存储之前，将所存在的key用布隆过滤器提前保存，作为第一层拦截
		
		 适用场景：命中率不高，相对固定实时性低
		 成本：占用空间少，代码维护复杂

4.2 无底洞优化

	概念：大量节点，存放大量数据，进行大量交互，导致总的时间加长
	优化思路：优化SQL,减少网络通信次数，降低成本，如nio，连接池等。
	解决办法
		 1.串行命令：操作时间=n次网络时间+n次命令时间
		 2.串行IO:将同一个节点的key进行归档，一个节点进行批量执行，操作时间 = 节点次网络时间+n次命令
		 3.并行IO，在串行IO的基础上进行的，即节点并行处理
		 4.hash_tag实现：强制将多个key放到一个节点上。只需要一次网络时间。

4.3 雪崩优化

	 概念：reids层如果奔溃不能提供服务，则所有的请求将会压在存储性，造成存储层崩溃。
	 预防和解决
		 1.保证缓存层服务高可用性
		 2.依赖隔离组件为后端限流并降级
		 3.提前演练

4.4 热点key重建优化

	 优化思路
		 减少重建的次数
		 数据尽可能一致
		 较少的潜在的危险
		 优点：思路简单，保证一致性
		 缺点：代码复杂度增加 存在死锁风险 线程池阻塞
	 优化方案
		 1.互斥锁：保证只有一个线程在重建，使用setnx进行锁
		 2.永远不过期
			 物理上没有设置过期时间
			 为每个value设置过期时间，过期后使用单独线程进行构建缓存
			 优点：杜绝热点key问题，缺点：不保证一致性，增加代码维护成本和内存成本

5.思维导图

以上思维导图是博主自己个人总结，转载请注明出处。
百度云盘 : Redis缓存设计
提取码 ：ec5a
思维导图软件：XMind8 update7
本文章系博主原创，尊重博主辛劳成果，转载请注明出处，谢谢。