介绍旁路缓存和缓存异常的场景

旁路缓存(Cache-Aside)

Cache Aside Pattern 中服务端需要同时维系 db 和 cache，并且是以 db 的结果为准

读策略：从缓存中读取数据；如果缓存命中，则直接返回数据；如果缓存不命中，则从数据库中查询数据；查询到数据后，将数据写入到缓存中，并且返回给用户
写策略：更新数据库Mysql中的记录,然后删除Redis中的缓存记录

场景：

举个例子，假设某个用户的年龄是 20，请求 A 要更新用户年龄为 21，所以它会删除缓存中的内容。这时，另一个请求 B 要读取这个用户的年龄，它查询缓存发现未命中后，会从数据库中读取到年龄为 20，并且写入到缓存中，然后请求 A 继续更改数据库，将用户的年龄更新为 21。最终，该用户年龄在缓存中是 20（旧值），在数据库中是 21（新值），缓存和数据库的数据不一致

为什么「先更新数据库再删除缓存」不会有数据不一致的问题？

假如某个用户数据在缓存中不存在，请求 A 读取数据时从数据库中查询到年龄为 20，在未写入缓存中时另一个请求 B 更新数据。它更新数据库中的年龄为 21，并且清空缓存。这时请求 A 把从数据库中读到的年龄为 20 的数据写入到缓存中
最终，该用户年龄在缓存中是 20（旧值），在数据库中是 21（新值），缓存和数据库数据不一致。从上面的理论上分析，先更新数据库，再删除缓存也是会出现数据不一致性的问题，但是在实际中，这个问题出现的概率并不高
因为缓存的写入通常要远远快于数据库的写入
Cache Aside 策略适合读多写少的场景，不适合写多的场景

缓存穿透

用户访问的数据既不在缓存中，也不在数据库中

解决：

回写特殊值：缓存未命中且数据库也没有，在Redis缓存中设置一个特殊值表示数据不存在。会消耗内存
布隆过滤器：由初始值都为0的位图数组和N个哈希函数组成
流程：
1. 采用N个哈希函数运算得到N个哈希值
2. 将这N个哈希值对位图数组长度取模，得到每个哈希值在数组中的位置
3. 在N个对应位置设置成1
4. 查询的时候，只要对于位置的值全是1就表示存在。因此过滤器查询到这个数据，数据库不一定存在。如果查询不到数据库一定不存在
限流策略：采取令牌桶算法或者漏桶算法，对这些数据进行限流

缓存击穿

缓存中的某个热点数据过期

解决：

设置热点数据的热度时间窗口，在这个时间内如果数据被频繁访问，将缓存时间延长
使用互斥锁或分布式锁，只允许一个线程去查询数据，避免多个线程同时查询数据库压力过大
热点数据缓存永不过期
异步更新缓存，减少对数据库的直接访问，并且不会阻塞请求的响应

缓存雪崩

大量缓存数据在同一时间过期或者Redis宕机

大量缓存数据在同一时间过期的解决：

设置缓存过期的随机过期时间
使用互斥锁或分布式锁，只允许一个线程去查询数据，避免多个线程同时查询数据库压力过大
数据预热，提前将热点数据加载到缓存
后台更新缓存，业务不再复制更新缓存，也不设置有效期，而让缓存“永久有效”，将更新缓存的工作交给后台线程定时更新
数据库优化，提升数据库的性能，增加数据库的容量，以应对大量请求导致的数据库压力

Redis宕机的解决：

服务熔断或者限流策略：暂停业务对缓存的访问，如果Redis宕机则直接返回错误不访问数据库。但是这样做会导致业务无法正常工作。也可以启动限流策略，只接受少量部分的请求
提供缓存本身的可用性：通过主从节点的构建Redis缓存高可靠集群