笔记速览：使用缓存遇到的问题及解决方式

在项目中使用缓存的案例

关联维表 ：本地缓存，自定义Map的软/弱引用
flink + kafka 实现 Exactly-once 语义 ： 分布式缓存，基于redis实现

1. 使用缓存遇到的问题

1.1 缓存雪崩

当某一时刻发生大规模的缓存失效的情况，比如缓存服务宕机，会有大量的请求进来直接打到DB上面，DB 撑不住，挂掉。

解决方式：

1. （事前）使用集群缓存，保证缓存服务的高可用

   如使用 Redis，可以使用 主从+哨兵 ，Redis Cluster 来避免 Redis 全盘崩溃

2. （事中）ehcache本地缓存 + Hystrix限流&降级，避免MySQL被打死

3. （事后）开启Redis持久化机制，尽快恢复缓存集群

1.2 缓存穿透

查询不存在数据

解决方式：

1. 缓存空值，为这些key对应的值设置为null 丢到缓存里面去，后面再出现查询这个key的请求的时候，直接返回null 。
2. BloomFilter

1.3. 缓存击穿

大量的请求同时查询一个 key 时，此时这个key正好失效了，就会导致大量的请求都打到数据库上面去

解决方式：

多个线程同时去查询数据库的这条数据，那么我们可以在第一个查询数据的请求上使用一个 互斥锁来锁住它。

等第一个线程查询到了数据，然后做缓存。后面的线程进来发现已经有缓存了，就直接走缓存。

1.4 热点数据集中失效

热点数据缓存失效以后，会存在大量的请求过来，然后打到数据库

解决方式：

1. 设置不同的失效时间，比如在一个基础的时间上加上或者减去一个范围内的随机值。

2. 互斥锁（不建议）

---

2. 最经典的缓存+数据库读写的模式，cache aside pattern

1. Cache Aside Pattern

   （1）读的时候，先读缓存，缓存没有的话，那么就读数据库，然后取出数据后放入缓存，同时返回响应

   （2）更新的时候，先删除缓存，然后再更新数据库

2. 为什么是删除缓存，而不是更新缓存呢？

   （1） 复杂点的缓存的场景，因为缓存有的时候，不简单是数据库中直接取出来的值，而是缓存计算后的值。

   （2）lazy计算的思想：不要每次都重新做复杂的计算，不管它会不会用到，而是让它到需要被使用的时候再重新计算（28法则）

---

3. 数据库与缓存双写不一致

1. 情况一：先修改数据库，再删除缓存，但是删除缓存失败了

   问题：

   导致数据库中是新数据，缓存中是旧数据，数据出现不一致

   解决思路：

   先删除缓存，再修改数据库

   如果删除缓存成功了，修改数据库失败了，那么数据库中是旧数据，缓存中是空的，那么数据不会不一致

   因为读的时候缓存没有，则读数据库中旧数据，然后更新到缓存中

2. 情况二：

   数据发生了变更，先删除了缓存，然后要去修改数据库，此时还没修改

   一个请求过来，去读缓存，发现缓存空了，去查询数据库，查到了修改前的旧数据，放到了缓存中

   数据变更的程序完成了数据库的修改

   此时，数据库和缓存中的数据不一样了。。。。

3.1. 为什么上亿流量高并发场景下，缓存会出现双写不一致？

只有在对一个数据在并发的进行读写的时候，才可能会出现这种问题

其实如果说你的并发量很低的话，特别是读并发很低，每天访问量就1万次，那么很少的情况下，会出现刚才描述的那种不一致的场景

但是问题是，如果每天的是上亿的流量，每秒并发读是几万，每秒只要有数据更新的请求，就可能会出现上述的数据库+缓存不一致的情况

高并发了以后，问题是很多的

3.2 解决方式

更新数据的时候，根据数据的唯一标识，将操作路由之后，发送到一个jvm内部的队列中

如相同的商品ID，进行Hash取模，再加上对内存队列的数量进行取模，则每个商品都可以路由到某一个内存队列中

读取数据的时候，如果发现数据不在缓存中，那么将重新读取数据+更新缓存的操作，根据唯一标识路由之后，也发送同一个jvm内部的队列中

一个队列对应一个工作线程

每个工作线程串行拿到对应的操作，然后一条一条的执行

这样的话，一个数据变更的操作，先执行，删除缓存，然后再去更新数据库，但是还没完成更新

此时如果一个读请求过来，读到了空的缓存，那么可以先将缓存更新的请求发送到队列中，此时会在队列中积压，然后同步等待缓存更新完成

这里有一个优化点，一个队列中，其实多个更新缓存请求串在一起是没意义的，因此可以做过滤，如果发现队列中已经有一个更新缓存的请求了，那么就不用再放个更新请求操作进去了，直接等待前面的更新操作请求完成即可

待那个队列对应的工作线程完成了上一个操作的数据库的修改之后，才会去执行下一个操作，也就是缓存更新的操作，此时会从数据库中读取最新的值，然后写入缓存中

如果请求还在等待时间范围内，不断轮询发现可以取到值了，那么就直接返回; 如果请求等待的时间超过一定时长，那么这一次直接从数据库中读取当前的旧值

3.3 高并发的场景下，该解决方案要注意的问题

1. 读请求长时阻塞

由于读请求进行了非常轻度的异步化，所以一定要注意读超时的问题，每个读请求必须在超时时间范围内返回

该解决方案，最大的风险点在于说，可能数据更新很频繁，导致队列中积压了大量更新操作在里面，然后读请求会发生大量的超时，最后导致大量的请求直接走数据库

务必通过一些模拟真实的测试，看看更新数据的频繁是怎样的

另外一点，因为一个队列中，可能会积压针对多个数据项的更新操作，因此需要根据自己的业务情况进行测试，可能需要部署多个服务，每个服务分摊一些数据的更新操作

2. 读请求并发量过高

这里还必须做好压力测试，确保恰巧碰上上述情况的时候，还有一个风险，就是突然间大量读请求会在几十毫秒的延时hang在服务上，看服务能不能抗的住，需要多少机器才能抗住最大的极限情况的峰值

但是因为并不是所有的数据都在同一时间更新，缓存也不会同一时间失效，所以每次可能也就是少数数据的缓存失效了，然后那些数据对应的读请求过来，并发量应该也不会特别大

3. 多服务实例部署的请求路由

可能这个服务部署了多个实例，那么必须保证，执行数据更新操作，以及执行缓存更新操作的请求，都通过nginx服务器路由到相同的服务实例上

4. 热点商品的路由问题，导致请求的倾斜

万一某个商品的读写请求特别高，全部打到相同的机器的相同的队列里面去了，可能造成某台机器的压力过大

就是说，因为只有在商品数据更新的时候才会清空缓存，然后才会导致读写并发，所以更新频率不是太高的话，这个问题的影响并不是特别大

但是的确可能某些机器的负载会高一些

---

4. redis的并发竞争问题是什么？如何解决这个问题？了解Redis事务的CAS方案吗？

分布式锁 + 时间版本

参考：中华石衫