Redis常见问题

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：