缓存常见问题及解决方式

缓存常见问题

由于引入缓存首先需要考虑的就是缓存更新的方式，之前在缓存更新的几种模式中我们介绍过。除了这个问题还有一些常见的问题，整理出一个表格，如下图所示：

数据不一致一致性问题

数据不一致的问题，可以说只要使用缓存，就要考虑如何面对这个问题。缓存不一致产生的原因一般有两方面：

选择缓存更新模式的不同造成的不一致，例如[缓存更新的几种模式]的Cache Aside不管是先更新db还是先删除或更新cache，在高并发的情况下都有可能造成不一致的情况，只是不同的更新方式造成不一致的概率不一样，尽可能的选择造成不一致概率最小的更新模式。系统问题导致失败造成的不一致，在这里就是如缓存服务的机器宕机，网络异常造成的更新失败等。解决方案采用强一致性协议，很少使用。最终一致性，在绝大部分场景中，特别是互联场景下，大多是保证最终一致性。 重试机制mq 更新数据库，若这一步就失败，更新事务失败回滚。 更新缓存失败，将失败的数据写入mq 消费mq得到失败的数据，重新删除缓存 订阅数据库binlog[参考MySQL复制原理及应用canal]，解耦缓存更新过程。缓存穿透问题

产生这个问题的原因可能是外部的恶意攻击，例如，对用户信息进行了缓存，但恶意攻击者使用不存在的用户id频繁请求接口，导致查询缓存不命中，然后穿透 DB 查询依然不命中。这时会有大量请求穿透缓存访问到 DB,增加数据库压力甚至导致系统宕机。

解决方案业务上做非法参数的校验，尽量避免非法请求打到缓存。对不存在的用户，在缓存中保存一个空对象进行标记，防止相同 ID 再次访问 DB。不过有时这个方法并不能很好解决问题，可能导致缓存中存储大量无用数据。使用 BloomFilter 过滤器，BloomFilter 的特点是存在性检测，如果 BloomFilter 中不存在，那么数据一定不存在；如果 BloomFilter 中存在，实际数据也有可能会不存在。非常适合解决这类的问题。布隆过滤器

下面简单介绍下布隆过滤器，布隆过滤器内部维护一个bitArray(位数组)， 开始所有数据全部置 0 。当一个元素过来时，能过多个哈希函数来实现负载均衡，还要考虑从节点数量显著增加后带来故障率增加的问题。Redis集群架构变更会为监控、运维、故障处理带来了更大的挑战。

以上就是朝夕生活（www.30zx.com）关于“缓存常见问题及解决方式”的详细内容，希望对大家有所帮助！