当请求比较多的时候，频繁地访问数据库会给数据库带来比较大的压力，所以此时我们会使用缓存作为缓解数据库压力的一种方式。

常见的缓存更新策略

• Cache Aside（旁路缓存）策略

  • 当修改数据时，由应用程序来更新数据库，然后同时由应用程序来更新或者删除缓存
  • 低一致性需求：使用Redis的内存淘汰机制, 最多加上超时删除来兜底。
  • 高一致性需求：主动更新，并以超时删除作为兜底方案。

• Read/Write Through（读穿/写穿）策略

  • Read/Write Through是应用程序只和缓存交互，不再和数据库交互。让缓存和数据库交互，相当于更新数据库的操作由缓存进行
    • Read Through: 查询缓存中数据不存在时，由缓存中间件负责从数据库查询数据，并将结果写入到缓存组件，最后缓存组件将数据返回给应用
    • Write Through: 当有数据更新的时候，先更新缓存中的数据，并且由缓存组件同步更新到数据库中，然后缓存组件告知应用程序更新完成
  • 常用的缓存中间件，如Redis，往往不提供这种方式。所以业务场景中不常用

• Write Back（写回）策略

  • Write Back策略在更新数据的时候，只更新缓存，同时将缓存数据设置为脏的，然后立马返回，并不会更新数据库。之后会通过批量异步更新的方式来更新数据库
  • Write Back 策略特别适合写多的场景, 但是带来的问题是，数据不是强一致性的，而且会有数据丢失的风险
  • Write Back常用于计算机底层。比如 CPU 的缓存、操作系统中文件系统的缓存都采用了Write Back策略. 当电脑在突然断电之后，之前写入的文件会有部分丢失，就是因为 Page Cache 还没有来得及刷盘造成的.

我们的写业务代码时通常使用旁路缓存策略，有可能出现缓存击穿、穿透、雪崩问题。

缓存雪崩

所谓缓存雪崩，一般有两种情况。

• 同一时间大量的key都过期了，导致访问这些key的大量请求访问数据库。
• redis宕机了，导致大量请求访问数据库。

解决方案

• 如果是大量key同一时间过期，则给key添加固定的过期时间的基础上, 再增加一个随机的过期时间。
• 如果是Redis宕机, 那么就使用主从或者集群保证Redis高可用。
• 最后，做好缓存雪崩的预防是一方面。另一方面，从服务保护的角度来说，要做好服务的限流，降级，熔断策略。即使万一发生了雪崩，也能让系统提供一定程度的服务，不至于整个宕机。

缓存穿透

缓存穿透: 请求的数据在数据库和缓存中都不存在, 那么请求就会直接访问数据库.

解决方案

• 可以缓存空对象.
  • 优点是实现简单, 维护方便
  • 缺点是空对象会带来额外的内存消耗, 有可能出现短暂的数据不一致问题, 当每次请求的key都不一样时失效
• 使用布隆过滤器。
  • 优点是不会有多余key, 内存占用少
  • 缺点是实现复杂, 且有误判的可能

缓存击穿

缓存击穿: 缓存击穿问题也叫热点Key问题，就是一个被大量请求访问的key突然失效了，大量请求打到了数据库上。

解决方案

• 互斥锁: 如果redis中没查到数据, 缓存未命中. 则获取互斥锁(setnx), 获取失败则休眠重试, 获取成功则再次查询缓存是否存在(双重检测), 没查到则查询数据库进行缓存重建
  • 互斥锁注重一致性, 但是性能较差, 需要数据库与缓存强一致性选择互斥锁.

• 逻辑过期: 缓存数据时不设置过去时间，需要在将要缓存的数据中加上时间属性作为逻辑过期时间. 当缓存命中则判断是否过期, 未过期直接返回数据, 过期则获取互斥锁. 获取锁失败则说明已经有人进行缓存重建了, 那么直接返回旧数据. 获取锁成功(需要双重检测)则开启新线程进行缓存重建, 原线程直接返回保证效率.
  • 逻辑过期性能好, 但是一致性差, 需要高性能选择逻辑过期.