icql
分布式基础_分布式缓存
一、经典缓存模式
1. Cache Aside Pattern 旁路缓存模式
数据以数据库中的数据为准，缓存中的数据是按需加载的。适用于一致性要求较高的场景
读数据：命中缓存直接返回，没有命中缓存则主动查询数据库更新缓存后再返回
写数据：更新数据库后删除缓存（事务内删除缓存）
存在并发问题导致数据不一致：
>A线程读到旧数据，挂起
>B线程写完新数据，删除缓存
>A线程拿到旧数据再次写入到缓存
2. Read/Write Through Pattern 读写穿透模式
外部只与缓存组件交互，以缓存中的数据为准，缓存组件和数据库交互。不常使用
读数据：命中缓存直接返回，没有命中缓存则由缓存组件查询数据库更新缓存后再返回
写数据：先读缓存，命中缓存先更新缓存，再由缓存组件去同步更新数据库，没有命中缓存则由缓存组件直接更新数据库
3. Write Back Caching Pattern 异步写回模式
外部只与缓存组件交互，和2中不同的点在域异步更新数据库。适合提高写性能，但会丢数据
二、常见缓存问题
1. 穿透
请求不存在的key，缓存没有命中，大量请求落在db
解决方案：
（1）提前校验入参，避免无效数据 （2）查到不存在的数据时，往缓存写一份为空的数据（适用于数据较少的情况，如共享数据） （3）布隆过滤器，不存在则一定不存在，存在则有可能不存在，过滤大量无效请求（适用于数据较多的情况，如用户维度的缓存）
2. 雪崩
短时间内大量key过期，大量请求落在db
解决方案：
（1）缓存失效时间不要设置在同一时间，常发生在和 “天” 有关的缓存
3. 击穿
热点key过期后，瞬间大量请求落在db
解决方案：
（1）实际读库的时候，采用（本地锁+双重检测）控制查询流量 （2）热点key设置失效时间为晚上凌晨的流量低峰
4. 大key
缓存的数据过大，占用
进行数据切割分多份存储（推荐），或者压缩数据
三、实践
根据场景选择合适的缓存策略
1. 短时间数据一致性要求较低，最终一致即可
1) 适用场景
所有用户共享的数据，数量较少，例如投放计划、活动配置等
2) 缓存策略
定期刷新适当的数据到缓存中，只读缓存
3) 实践示例
(1) 典型表结构：
id,startTime,endTime,state
(2) 需要定期缓存的数据：即将开始的数据 + 正在进行的数据 + 刚刚结束的数据
startTime <= (当前时间 + x天) and endTime >= (当前时间 - x天)
过期时间：x天
(3) 使用时再进行有效状态过滤
startTime <= now and endTime >= now and state = 有效
(4) 缓存模型
本地短期缓存（一级缓存，二级缓存回源）
redis缓存（二级缓存，定期刷新）
本地长期缓存（降级缓存，定期刷新）
(5) 异常告警
2. 数据一致性要求较高
1) 适用场景
用户个人数据，数量巨大等
2) 缓存策略
采用 cache aside 模式
3) 实践示例
3. 常用缓存框架
java-jetcache
https://github.com/alibaba/jetcache
<dependency>
<groupId>com.alicp.jetcache</groupId>
<artifactId>jetcache-starter-redis</artifactId>
<version>${jetcache.latest.version}</version>
</dependency>