一、缓存更新策略
内存淘汰 | 超时剔除 | 主动更新 | |
---|---|---|---|
说明 | 不用自己维护,利用redis的内存淘汰机制,当内存不足时自动淘汰部分数据。下次查询时更新缓存。 | 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。 | 编写业务逻辑,在修改数据库的同时更新缓存。 |
一致性 | 查 | 一般 | 好 |
维护成本 | 无 | 低 | 高 |
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
读操作:缓存命中则直接返回;未命中则查询数据库,并写入缓存,设定超时时间
写操作:先写数据库,然后再删除缓存 ;要确保数据库与缓存操作的原子性
主动更新策略
- Cache Aside Pattern 由缓存的调用者在更新数据库的同时更新缓存(用的最多)。
- Read/Write Through Pattern 缓存与数据库 整合为一个服务,由服务来维护一致性。调用者调用该服务,无需关心缓存一致性问题。
- Write Behind Caching Pattern 调用者只操作缓存,由其他线程异步的将缓存数据持久化到数据库,保证最终一致。
Cache Aside Pattern
- 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
- 如何保证缓存和数据库的操作的同时成功或失败?
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
- 先操作缓存还是数据库?
先操作缓存有较大线程安全问题,所以先操作数据库
二、缓存穿透
即客户端请求的数据在缓存中和数据库中都不存在,这样缓存永远不会生效,这些请求都会打到数据库。
解决方案:
- 缓存空对象
优点:实现简单,维护方便
缺点:额外的内存消耗;可能造成短期的不一致
- 布隆过滤
优点:内存占用较少,没有多余key
缺点:实现复杂;
存在误判可能(布隆过滤判断没有那么一定没有,布隆过滤判断有则不一定有)
三、缓存雪崩
即同一时段大量的缓存key同时失效或Redis服务宕机,导致大量的请求到达数据库,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
四、缓存击穿
也叫热点key问题,就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了,无数的请求访问会瞬间给数据库带来巨大的冲击。
解决方案
- 互斥锁 (setnx)
- 逻辑过期
- 对比
解决方案 | 优点 | 缺点 |
---|---|---|
互斥锁 | 没有额外的内存消耗 保证一致性 实现简单 | 线程无需等待,性能受到影响 可能有死锁风险 |
逻辑过期 | 线程无需等待,性能较好 | 不保证一致性 有额外内存消耗 实现复杂 |
实际运用: