【缓存】框架层常见问题和对策

缓存是为了加快读写速度,再了解redis这类框架层的缓存应用之前,我们不妨先思考下操作系统层面的缓存解决方案,这样有助于我们更深的理解缓存,哪些是系统层面的,哪些是服务层面。

以下是一些常见的缓存问题及其解决方案,答案不止一个,需要大家发散性思考,针对业务应用场景去做取舍和抉择:

Q 缓存一致性问题:

在数据库更新数据时,同步更新缓存中的数据,以保证数据的一致性。
A 数据准时同步:通过消息队列(MQ)来异步更新缓存,确保数据最终一致性。也可以考虑强一致性方案,不过性能有影响。

Q 缓存穿透问题:

请求不存在的数据,导致请求直接打到数据库,可能引发性能问题。
A 解决方案:对请求参数进行校验,如用户鉴权、基础校验等。将不存在的数据也缓存,设置较短的过期时间。使用布隆过滤器来避免对数据库的查询。

Q 缓存击穿问题:

高访问量的key过期后,大量请求直接访问数据库,可能导致数据库压力过大。
A 解决方案:延长热点数据的过期时间或设置为永不过期。使用互斥锁,确保同一时间只有一个线程查询数据库并更新缓存。

Q 缓存雪崩问题:

大量key同时过期或缓存服务宕机,导致大量请求直接访问数据库。
A 解决方案:为key设置不同的过期时间,避免同时过期。使用高可用的分布式缓存集群,如Redis集群。

Q 双写不一致问题:

在更新操作时,可能会存在数据库和缓存中数据不一致的情况。
A 解决方案:
设置较短的缓存过期时间。使用消息队列辅助,先更新数据库,再删除缓存,如果删除失败则放入队列重试。使用读写队列串行化操作,但可能会降低吞吐量。

Q 缓存集中失效问题:

在高并发场景下,缓存集中失效可能导致大量请求直接访问数据库。
A 解决方案:
优化缓存策略,如使用分布式缓存。对缓存失效时间进行随机化处理。

Q 缓存粒度控制问题

全量缓存可能导致内存和带宽浪费,部分缓存可能影响性能。
A 解决方案:
根据业务需求合理选择缓存粒度。实施智能缓存策略,如基于访问频率动态调整缓存。

以上问题专有名词过多,如果记不住,可以用自己的话,进行归纳总结,再比对差异。

  • 5
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值