在實際的開發(fā)當(dāng)中，我們經(jīng)常需要進行磁盤數(shù)據(jù)的讀取和搜索，因此經(jīng)常會有出現(xiàn)從數(shù)據(jù)庫讀取數(shù)據(jù)的場景出現(xiàn)。但是當(dāng)數(shù)據(jù)訪問量次數(shù)增大的時候，過多的磁盤讀取可能會最終成為整個系統(tǒng)的性能瓶頸，甚至是壓垮整個數(shù)據(jù)庫，導(dǎo)致系統(tǒng)卡死等嚴重問題。

常規(guī)的應(yīng)用系統(tǒng)中，我們通常會在需要的時候?qū)?shù)據(jù)庫進行查找，因此系統(tǒng)的大致結(jié)構(gòu)如下所示：

當(dāng)數(shù)據(jù)量較高的時候，需要減少對于數(shù)據(jù)庫里面的磁盤讀寫操作，因此通常都會選擇在業(yè)務(wù)系統(tǒng)和MySQL數(shù)據(jù)庫之間加入一層緩存從而減少對數(shù)據(jù)庫方面的訪問壓力。

但是很多時候，緩存在實際項目中的應(yīng)用并非這么簡單。下邊我們來通過幾個比較經(jīng)典的緩存應(yīng)用場景來列舉一些問題：

1.緩存和數(shù)據(jù)庫之間數(shù)據(jù)一致性問題

常用于緩存處理的機制我總結(jié)為了以下幾種：

Cache Aside

Read Through

Write Through

Write Behind Caching

首先來簡單說說Cache aside的這種方式：

Cache Aside模式

這種模式處理緩存通常都是先從數(shù)據(jù)庫緩存查詢，如果緩存沒有命中則從數(shù)據(jù)庫中進行查找。

這里面會發(fā)生的三種情況如下：

緩存命中：

當(dāng)查詢的時候發(fā)現(xiàn)緩存存在，那么直接從緩存中提取。

緩存失效：

當(dāng)緩存沒有數(shù)據(jù)的時候，則從database里面讀取源數(shù)據(jù)，再加入到cache里面去。

緩存更新：

當(dāng)有新的寫操作去修改database里面的數(shù)據(jù)時，需要在寫操作完成之后，讓cache里面對應(yīng)的數(shù)據(jù)失效。

這種Cache aside模式通常是我們在實際應(yīng)用開發(fā)中最為常用到的模式。但是并非說這種模式的緩存處理就一定能做到完美。

關(guān)于這種模式下依然會存在缺陷。比如，一個是讀操作，但是沒有命中緩存，然后就到數(shù)據(jù)庫中取數(shù)據(jù)，此時來了一個寫操作，寫完數(shù)據(jù)庫后，讓緩存失效，然后，之前的那個讀操作再把老的數(shù)據(jù)放進去，所以，會造成臟數(shù)據(jù)。

Facebook的大牛們也曾經(jīng)就緩存處理這個問題發(fā)表過相關(guān)的論文，鏈接如下:

https://www.usenix.org/system/files/conference/nsdi13/nsdi13-final170_update.pdf

分布式環(huán)境中要想完全的保證數(shù)據(jù)一致性是一件極為困難的事情，我們只能夠盡可能的減低這種數(shù)據(jù)不一致性問題產(chǎn)生的情況。

Read Through模式

Read Through模式是指應(yīng)用程序始終從緩存中請求數(shù)據(jù)。 如果緩存沒有數(shù)據(jù)，則它負責(zé)使用底層提供程序插件從數(shù)據(jù)庫中檢索數(shù)據(jù)。 檢索數(shù)據(jù)后，緩存會自行更新并將數(shù)據(jù)返回給調(diào)用應(yīng)用程序。使用Read Through 有一個好處。

我們總是使用key從緩存中檢索數(shù)據(jù), 調(diào)用的應(yīng)用程序不知道數(shù)據(jù)庫， 由存儲方來負責(zé)自己的緩存處理，這使代碼更具可讀性， 代碼更清晰。但是這也有相應(yīng)的缺陷，開發(fā)人員需要給編寫相關(guān)的程序插件，增加了開發(fā)的難度性。

Write Through模式

Write Through模式和Read Through模式類似，當(dāng)數(shù)據(jù)發(fā)生更新的時候，先去Cache里面進行更新，如果命中了，則先更新緩存再由Cache方來更新database。如果沒有命中的話，就直接更新Cache里面的數(shù)據(jù)。

Write Behind Caching模式

Write Behind Caching 這種模式通常是先將數(shù)據(jù)寫入到緩存里面，然后再異步的寫入到database中進行數(shù)據(jù)同步，這樣的設(shè)計既可以直接的減少我們對于數(shù)據(jù)的database里面的直接訪問，降低壓力，同時對于database的多次修改可以進行合并操作，極大的提升了系統(tǒng)的承載能力。

但是這種模式處理緩存數(shù)據(jù)具有一定的風(fēng)險性，例如說當(dāng)cache機器出現(xiàn)宕機的時候，數(shù)據(jù)會有丟失的可能。

2.緩存穿透問題

在高并發(fā)的場景中，緩存穿透是一個經(jīng)常都會遇到的問題。

什么是緩存穿透？

大量的請求在緩存中沒有查詢到指定的數(shù)據(jù)，因此需要從數(shù)據(jù)庫中進行查詢，造成緩存穿透。

會造成什么后果？

大量的請求短時間內(nèi)涌入到database中進行查詢會增加database的壓力，最終導(dǎo)致database無法承載客戶單請求的壓力，出現(xiàn)宕機卡死等現(xiàn)象。

常用的解決方案通常有以下幾類：

1.空值緩存

在某些特定的業(yè)務(wù)場景中，對于數(shù)據(jù)的查詢可能會是空的，沒有實際的存在，并且這類數(shù)據(jù)信息在短時間進行多次的反復(fù)查詢也不會有變化，那么整個過程中，多次的請求數(shù)據(jù)庫操作會顯得有些多余。

不妨可以將這些空值（沒有查詢結(jié)果的數(shù)據(jù)）對應(yīng)的key存儲在緩存中，那么第二次查找的時候就不需要再次請求到database那么麻煩，只需要通過內(nèi)存查詢即可。這樣的做法能夠大大減少對于database的訪問壓力。

2.布隆過濾器

通常對于database里面的數(shù)據(jù)的key值可以預(yù)先存儲在布隆過濾器里面去，然后先在布隆過濾器里面進行過濾，如果發(fā)現(xiàn)布隆過濾器中沒有的話，就再去redis里面進行查詢，如果redis中也沒有數(shù)據(jù)的話，再去database查詢。這樣可以避免不存在的數(shù)據(jù)信息也去往存儲庫中進行查詢情況。

關(guān)于布隆過濾器的學(xué)習(xí)可以參考下我的這篇筆記：

https://blog.csdn.net/Danny_idea/article/details/88946673

3.緩存雪崩場景

什么是緩存雪崩？

當(dāng)緩存服務(wù)器重啟或者大量緩存集中在某一個時間段失效，這樣在失效的時候，也會給后端系統(tǒng)(比如DB)帶來很大壓力。

如何避免緩存雪崩問題？

1.使用加鎖隊列來應(yīng)付這種問題。當(dāng)有多個請求涌入的時候，當(dāng)緩存失效的時候加入一把分布式鎖，只允許搶鎖成功的請求去庫里面讀取數(shù)據(jù)然后將其存入緩存中，再釋放鎖，讓后續(xù)的讀請求從緩存中取數(shù)據(jù)。但是這種做法有一定的弊端，過多的讀請求線程堵塞，將機器內(nèi)存占滿，依然沒有能夠從根本上解決問題。

2.在并發(fā)場景發(fā)生前，先手動觸發(fā)請求，將緩存都存儲起來，以減少后期請求對database的第一次查詢的壓力。數(shù)據(jù)過期時間設(shè)置盡量分散開來，不要讓數(shù)據(jù)出現(xiàn)同一時間段出現(xiàn)緩存過期的情況。

3.從緩存可用性的角度來思考，避免緩存出現(xiàn)單點故障的問題，可以結(jié)合使用 主從+哨兵的模式來搭建緩存架構(gòu)，但是這種模式搭建的緩存架構(gòu)有個弊端，就是無法進行緩存分片，存儲緩存的數(shù)據(jù)量有限制，因此可以升級為Redis Cluster架構(gòu)來進行優(yōu)化處理。（需要結(jié)合企業(yè)實際的經(jīng)濟實力，畢竟Redis Cluster的搭建需要更多的機器）

4.Ehcache本地緩存 + Hystrix限流&降級,避免MySQL被打死。

使用 Ehcache本地緩存的目的也是考慮在 Redis Cluster 完全不可用的時候，Ehcache本地緩存還能夠支撐一陣。

使用 Hystrix進行限流 & 降級 ，比如一秒來了5000個請求，我們可以設(shè)置假設(shè)只能有一秒 2000個請求能通過這個組件，那么其他剩余的 3000 請求就會走限流邏輯。

然后去調(diào)用我們自己開發(fā)的降級組件（降級），比如設(shè)置的一些默認值呀之類的。以此來保護最后的 MySQL 不會被大量的請求給打死。