第十一章 缓存

目录

一、什么是缓存

二、缓存更新策略

2.1. 缓存主动更新策略

2.1.1. Cache Aside模式（主流）‌

2.1.2. Read/Write Through模式‌

2.1‌.3. Write Behind模式‌

2.1.4. 总结

三、缓存穿透

四、缓存雪崩

五、缓存击穿

---

本文中的图片内容部分来源于黑马程序员教程案例

一、什么是缓存

‌‌缓存是一种用于临时存储数据的技术或机制，旨在提高数据访问速度和系统性能。‌ 缓存通常位于计算机系统内部或附近，可以是硬件、软件或两者的结合体。例如，Web浏览器可以将最常访问的网页内容缓存在本地，以便下次访问时无需从远程服务器重新下载。‌

缓存的作用和原理在于利用程序局部性原理，将频繁访问的数据存储在高速存储器中，如‌SRAM或‌DRAM，以便快速访问。当硬件需要读取数据时，首先在缓存中查找，如果找到则直接执行，否则从内存中查找。由于缓存的运行速度比内存快得多，因此缓存的作用是帮助硬件更快地运行。

缓存可以根据不同的分类标准进行分类。例如，根据存储位置和用途的不同，可以分为‌CPU缓存、‌硬盘缓存、‌内存缓存等。CPU缓存包括‌L1、L2和L3缓存，硬盘缓存用于提高数据传输速度。此外，还有‌HTTP缓存、‌浏览器缓存等。

虽然缓存可以提高系统性能，但也会引入一定的数据一致性问题。因为缓存中的数据可能会与后端数据源（如数据库）存在不一致的情况，所以在使用缓存时需要考虑数据的更新和缓存的过期策略，以保证数据的一致性。

二、缓存更新策略

2.1. 缓存主动更新策略

指在更新数据库中的数据时，如何同步更新缓存中的数据，以保证数据的一致性。常见的缓存更新策略包括‌Cache Aside模式、‌Read/Write Through模式和‌Write Behind模式。

2.1.1. Cache Aside模式（主流）‌

Cache Aside模式是最常用的缓存更新策略，其中又分为两种：

1. 先删除缓存，再操作数据库

2. 先操作数据库，再删除缓存（主流），其操作步骤如下：

1. 先更新数据库中的数据。
2. 然后删除缓存中的数据，或者让缓存失效。
3. 当下次查询时，如果缓存失效，则重新从数据库中读取数据并更新缓存。

注：由于操作缓存和数据库的话存在线程安全性问题，相较于先删除缓存再操作数据库而言，先操作数据库再删除缓存对于产生线程安全性的概率较低，因为写缓存的速度比更新数据库要快很多：线程1在查询缓存未命中后继续查询数据库时，线程2进来更新数据库，绝大部分情况下线程2更新数据库期间，线程1已经完成了缓存的写入。

2.1.2. Read/Write Through模式‌

Read/Write Through模式将缓存和数据库整合为一个服务，由服务来维护一致性。操作步骤如下：

1. 查询操作直接从缓存中读取数据。
2. 如果缓存中不存在数据，则直接从数据库中读取并返回给用户，同时将数据写入缓存。

2.1‌.3. Write Behind模式‌

Write Behind模式由其他线程异步地将缓存数据持久化到数据库，保证最终一致性。操作步骤如下：

1. 更新操作只更新缓存。
2. 由其他线程异步地将缓存数据写入数据库。

2.1.4. 总结

‌不同策略的优缺点‌

Cache Aside模式的优点是简单易实现，但存在数据不一致的风险。Read/Write Through模式的优点是数据一致性高，但性能较低。Write Behind模式的优点是最终一致性，但需要额外的线程管理。

‌不同场景下的适用性‌

Cache Aside模式适用于读多写少的场景，简单高效。Read/Write Through模式适用于对数据一致性要求高的场景。Write Behind模式适用于写操作较少，可以容忍最终一致性的场景。

缓存更新策略的最佳实践方案

1. 低一致性需求：使用Redis自带的内存淘汰机制

2. 高一致性需求：主动更新，并以超时剔除作为兜底方案

读操作：

• 缓存命中则直接返回
• 缓存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

整个写操作的逻辑，我们要确保事务性，如在单体的Spring的JavaWeb项目业务代码的Service实现层添加@Transactional注解，分布式的项目中可以通过TTC模式来控制，当比如删除Redis缓存出现异常，直接回滚数据库的写操作。

三、缓存穿透

缓存穿透是指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，这些请求都会到数据库。

常见的解决方案有两种：

1. 缓存空对象：

• 优点：实现简单，维护方便
• 缺点：额外的内存消耗以及可能造成短期的不一致

2. 布隆过滤器

• 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

3. 参数校验过滤不合法请求

通过对用户输入的参数进行校验，例如检查ID的格式是否合法，如果不合法则直接拒绝请求。这种方法可以过滤掉一部分恶意伪造的用户请求，减少对数据库的压力。

4. 使用分布式锁

在缓存未命中时，通过分布式锁控制只有一个请求去查询数据库，其他请求等待锁释放。这样可以防止多个请求同时查询数据库，减轻数据库的压力。

5. 服务降级和限流

在面对大量的恶意请求时，可以通过服务降级或限流的方式来保护后端服务。限流可以限制到达数据库的请求数量，避免数据库压力过大。

四、缓存雪崩

‌缓存雪崩是指由于缓存中大量数据同时失效或缓存服务器故障，导致大量请求直接打到数据库上，引发数据库压力激增，可能导致整个系统崩溃的现象。‌ 缓存雪崩通常由于缓存的过期策略不当或缓存服务器故障导致。例如，如果大量的缓存数据设置为在同一时间点过期，或者缓存服务器出现问题无法提供服务，所有的请求将直接访问后端存储系统，导致后端系统瞬时承受巨大的负载压力‌

解决方案：

• 给不同的key的TTL失效时间设置随机值
• 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

五、缓存击穿

‌缓存击穿是指当一个缓存中的热点数据过期或被删除后，大量并发请求同时到达，导致这些请求直接穿透缓存访问数据库，从而增加数据库的负载。‌ 这种情况通常发生在热点数据过期或删除的瞬间，导致短时间内大量请求无法通过缓存获取数据，直接访问数据库，造成数据库负载急剧增加‌。

缓存击穿的具体场景包括：

• ‌热点数据过期‌：当缓存中的热点数据过期时，大量请求会同时查询后端数据库，导致数据库负载增加‌。
• ‌第一次请求‌：对于一个之前从未被请求过的数据，当它第一次被请求时，缓存中没有该数据，导致请求穿透到后端存储‌。

解决缓存击穿的方法包括：

• ‌设置热点数据永不过期‌：将热点数据的缓存过期时间设置为较长的时间，甚至是永不过期。这种方法可以避免缓存击穿，但可能导致数据不够及时和准确‌。
• ‌使用互斥锁‌：在数据失效时，通过设置互斥锁来保护数据库访问过程。如果某个请求已经获取到了锁，其他请求需要等待，直到获取到锁为止。这种方法可以避免大量并发请求同时访问数据库，但可能导致并发性能下降和请求等待时间增加‌

注意：这两种方案没有孰优孰劣，在实际项目中，我们要针对业务场景和需求，权衡自身是更注重可用性还是一致性来做选择。