三、软件架构设计-扩展14-缓存技术-CSDN博客

本文链接：https://blog.csdn.net/qq_41019389/article/details/147143584

缓存技术

比较表格

特性	Memcached	Redis
数据类型	仅支持简单的key-value存储	支持String、Hash、List、Set、Sorted Set等复杂的数据结构
持久性	不支持持久化	支持RDB和AOF两种持久化方式
分布式存储	需要客户端实现	支持主从模式、哨兵模式、集群模式
多线程支持	单线程架构	多线程支持（Redis 6.0+）
内存管理	自动内存管理，LRU淘汰策略	提供多种内存淘汰算法，如volatile-lru, allkeys-lru等
事务支持	不支持	支持MULTI/EXEC命令
数据容灾	数据丢失风险高	可通过持久化机制减少数据丢失风险

缓存与数据库的数据一致性问题解决方案

写后立即删除缓存：当更新数据库时，先删除对应的缓存项，下次读取时再从数据库加载并更新缓存。
延迟双删策略：在更新数据库之后立即删除缓存，然后设置一个小的延迟再次删除缓存，防止并发情况下旧数据被缓存。
异步队列同步：使用消息队列异步处理数据库更新后的缓存刷新。

Redis 分布式存储方案

主从模式：一主多从，主节点负责写操作，从节点负责读操作，提升读性能。
哨兵模式：监控主从节点健康状态，自动故障转移。
集群模式：多个主节点分片存储数据，提高可用性和扩展性。

Redis集群切片方式

客户端分片：由客户端自行决定数据分布到哪个节点。
中间件实现分片：如Twemproxy等中间件处理数据分片逻辑。
客户端服务端协作分片：Redis Cluster自动管理数据分片。

Redis数据分片方案

范围分片：根据键值范围进行划分。
哈希分片：基于哈希函数对键进行均匀分布。
一致性哈希分片：改进了普通哈希分片，减少了节点增减时数据迁移量。

Redis 数据类型

String：最基本的数据类型，用于存储字符串或整数。
Hash：类似Java中的Map，适合存储对象。
List：链表结构，支持两端插入和删除。
Set：无序不重复集合。
Sorted Set (Zset)：有序集，每个元素关联一个分数，按分数排序。

Redis 数据淘汰算法

volatile-lru：从设置了过期时间的键中选择最近最少使用的键进行淘汰。
allkeys-lru：从所有键中选择最近最少使用的键进行淘汰。
volatile-ttl：从设置了过期时间的键中选择即将过期的键进行淘汰。
volatile-random：从设置了过期时间的键中随机选择键进行淘汰。
allkeys-random：从所有键中随机选择键进行淘汰。
noeviction：不淘汰任何键，当内存不足时返回错误。

Redis 持久化：RDB vs AOF

特性	RDB	AOF
文件大小	文件紧凑，适合备份	文件较大，包含所有写操作命令
恢复速度	快	较慢，需要重放日志
可靠性	不如AOF可靠，可能丢失最后一次快照前的数据	更高，可以配置fsync策略来控制可靠性
性能影响	对性能影响小	写操作频繁时可能影响性能

常见缓存问题及解决方案

缓存雪崩
- 描述：大量缓存同时失效导致请求直接打到数据库，造成系统崩溃。
- 解决方案：
  - 随机化过期时间：为每个缓存设置不同的过期时间，避免集中失效。
  - 使用互斥锁：在缓存失效时，使用互斥锁控制只有一个线程去重建缓存。
  - 热点数据永不过期：对于一些关键的热点数据，设置其永不过期。
缓存穿透
- 描述：查询不存在的数据导致每次都要查询数据库。
- 解决方案：
  - 布隆过滤器：预先过滤掉不存在的键，减少无效查询。
  - 缓存空结果：对于查询不到的结果也进行缓存，并设置较短的有效期。
缓存预热
- 描述：系统刚启动时缓存为空，导致大量请求直接打到数据库。
- 解决方案：
  - 提前加载常用数据：系统启动前预先加载常用数据到缓存中。
  - 增量加载：根据访问频率逐步加载数据到缓存中。
缓存更新
- 描述：如何保证缓存与数据库的一致性。
- 解决方案：
  - 写后立即删除缓存：更新数据库后立即删除对应的缓存项。
  - 异步队列同步：使用消息队列异步处理数据库更新后的缓存刷新。
缓存降级
- 描述：当缓存不可用时，如何保证系统仍然能正常运行。
- 解决方案：
  - 设置合理的超时时间和重试机制：当缓存服务不可用时，直接访问数据库，并记录异常日志。
  - 本地缓存：在应用服务器上维护一份本地缓存，作为远程缓存的补充。