实际业务中应该如何正确使用缓存

Posted 2021-04-14 SpringForAll社区

及时获取有趣有料的技术文章

本文来源：https://blog.dogchao.cn/?p=119

后文是根据沈剑的一个文章尝试进行回答。原文：https://mp.weixin.qq.com/s/DM0dKHyD3FweVSHcjabLaw

一、不同业务场景下的缓存选型

穿透型缓存？

缓存穿透是指在旁路型缓存中，db不存在数据，导致cache一直失败，将流量全部压到db上的情况。

旁路型缓存（Cache-Aside）。

在我平时的编码中，平时几乎用到的策略都是旁路策略。

什么时候用进程内缓存，什么时候用缓存服务？

如果是进程内缓存，则该缓存的上下文和生命周期应该是在该进程内。可用于多线程的一些操作。例如，一个批量任务需要用到多线程，且各个线程可能需要访问一个共享的上下文，则可以使用HashMap（如果涉及到的操作有写操作的需求，需要用ConcurrentHashMap）做一个Context，用于多个线程之间的数据共享和缓存。由于生命周期是进程级别的，所以该操作只在单机中执行。相对的，就是分布式的问题。缓存的数据范围小。一个例子是EhCache。

分布式的缓存，需要用到缓存服务。分布式的缓存的生命周期和业务以及数据相关。缓存的数据范围大，控制较进程内缓存更复杂。比如redis。

啥时候用memcache，啥时候用redis？又或者？

redis可以简单的看为强化版的memcache，基本上可以用memcache的场景下都可以使用redis。redis相比较memcache，具备了以下的特性：

• 提供的操作类型更多。memcache只提供了key等操作，而redis提供了list，setnx 等操作。
• redis的数据可以落地
• redis理论上比memcache提供的缓存量更大。redis在缓存数据多的时候，存在一个swap机制。即，只缓存key，不缓存value，当get该key的时候才去磁盘里获取value。所以极端情况下，内存的要求更小。（但如果大量的发生swap则表明机器内存不够用了，在该情况下，redis不比memcache更有优势）

不过，redis的获取数据是通过socket，不如memcached直接，所以速度比memcached慢。并且，redis不支持多核操作（操作都是原子性的），减少了由并发带来的问题，性能上有所牺牲。memcached也可以通过一些手段支持分布式，不过使用的复杂度更大。

另外一种就是类似EhCache。EhCache将数据存在JVM里，速度最快，在小范围的缓存上，比其他两个都有优势。

缓存在微服务体系架构中的位置，以及设计原则？

二、关于缓存的设计折衷

• 使用情况读>写
• 知道数据存在不一致性。使用缓存始终会碰到数据不一致的情况。有很多手段可以缓解该情况，但是始终还是存在该情况。
• 在整个数据流中，存在短板导致整个流程的性能问题，可以考虑在该流程中使用缓存。

引入缓存后，对读写业务流程有什么影响？

提高了性能，增加了复杂性，增加了数据的风险。

到底应该修改缓存，还是淘汰缓存？

大多数情况考虑淘汰缓存。缓存本身就是对原始数据的一个映射，缓存如果发生了更改，则表示该映射失效。可以通过手动删除该缓存或者重建缓存的key来保证缓存的淘汰。不过，还是需要关注雪崩的情况。

应该先操作数据库，还是操作缓存？

分场景。比如spring的几个级别的事务，就是这种情况。如果允许脏读等情况，可以考虑先写缓存，再写库。还是性能和数据安全上的一个折衷。还包括写缓存成功，写库失败，缓存如何淘汰，等等。比如，可以在第一次写缓存的时候将过期时间设置得很短，保证该时间段的请求能够命中缓存。写库成功后，增加该缓存的实效时间来使该缓存生效。这种情况下，写缓存写了两次，但是缓存生效的时间很快。

三、关于缓存的架构设计

通常都是db挂掉。也有应用挂掉的，比如缓存的数据来自于cpu的大量计算得出的结果，缓存实效后重新执行cpu的大量计算，导致段时间内cpu被打满。其实在缓存的后面的每一个环节都可能会挂掉。

缓存是否需要保证高可用？如何保证高可用？

不是都需要。保证高可用可以采用分级缓存。

缓存如何保证与数据库中的数据一致性？

利用分布式锁；也可以参考阿里倡导的柔性事务的思想，采用补偿机制等方式进行。用锁的复杂度低于补偿机制，性能低一些。

缓存如何保证无限量的扩展性？

数据分片。

四、各类典型业务的缓存实践…

很多人说，遇到瓶颈，就用缓存。缓存如同万金油一般。缓存是架构设计中非常重要的一环。

 

 

 

 

如果资源对你有帮助的话

       
         
         
       

        
          
          
        
 
         
 
          
 
           
 
            
 
             
 
              ❤️ 
              给个 
              「在看」 
              ，是最大的支持❤️