缓存

缓存更新方式

这是决定在使用缓存时就该考虑的问题。

• 设置缓存数据的TTL，当缓存数据失效后，如果有系统要请求，则会查询数据库并插入缓存（被动更新） 不友好
• 在各类会往mysql写入数据的系统中，植入更新缓存的逻辑（判断哪些表的数据是热点数据，那么就可以在这些表数据的更新操作逻辑中植入缓存刷新逻辑）
  （严重弊端：将缓存更新逻辑与系统的业务逻辑高度耦合）后期维护很麻烦
• 异步更新：开发一个异步任务，定期从mysql数据库中读取“热门表”的数据更新缓存（时效性低）
• 利用canal监听mysql的binlog写入kafka，开发一个更新程序，消费kafka中的binlog信息，并根据“热度方案”进行缓存数据的更新；
  (时效性强！对业务系统的mysql数据库几乎不带来任何压力！跟业务系统完全没有耦合，修改扩展维护都很方便）

数据不一致

第二个问题是数据不一致的问题，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是主动更新失败，例如更新 DB 后，更新 Redis 因为网络原因请求超时；或者是异步更新失败导致。
解决的办法是，如果服务对耗时不是特别敏感可以增加重试；如果服务对耗时敏感可以通过异步补偿任务来处理失败的更新，或者短期的数据不一致不会影响业务，那么只要下次更新时可以成功，能保证最终一致性就可以。

缓存穿透

有人、系统，频繁查询数据库中不存在的数据；那么，缓存相当于不存在！

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。

解决的办法如下:
对不存在的数据，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

缓存击穿

就是某个热点数据失效时，大量针对这个数据的同时请求会穿透到数据源
解决这个问题有如下办法

• 可以使用互斥锁更新，保证同一个进程中的多个线程针对同一个数据不会并发请求到 DB，减小 DB 压力。但是查询的效率相对会低很多
• 使用随机退避方式，失效时随机 sleep一个很短的时间，再次查询，如果失败再查询mysql并更新redis。

缓存淘汰机制

TTL删除策略

可以为数据设置TTL（存活时长），时长一到，数据就会被删除
缓存数据TTL的删除策略可分为三种

• 定时删除(对内存友好，对CPU不友好)
  到时间点上就把所有过期的键删除了。
• 惰性删除(对CPU极度友好，对内存极度不友好)
  每次取键的时候，判断一下该键是否过期了，如果过期了就删除。
• 定期删除(折中)
  每隔一段时间去检查及删除过期键，限制删除的执行时长和频率。
  Redis的过期数据的删除策略：采用的是惰性删除+定期删除两种策略。所以说，在Redis里边如果过期键到了过期的时间了，未必被立马删除的！

LRU（least recently used）淘汰策略

Redis可以设置内存最大使用量，当内存使用量超出阈值时，会执行数据淘汰策略。
Redis的内存数据淘汰机制有以下几种：

• volatile-lru: 从已设置过期时间的数据集中挑选最近最少使用的数据进行淘汰
• volatile-ttl: 从已设置过期的时间数据集中挑选将要过期的数据淘汰
• volatile-random: 从已设置过期时间的数据集中任意选择数据淘汰
• allkeys-lru: 从所有数据集中挑选最近最少使用的数据淘汰
• allkeys-random: 从所有数据集中任意选择数据进行淘汰
• noeviction: 禁止驱逐数据
• volatile-lfu: 从已设置过期时间的数据集中使用LFU策略淘汰

一般场景：
使用 Redis 缓存数据时，为了提高缓存命中率，尽量将所有热数据存在缓存中，可以将内存最大使用量设置为热点数据占用的内存量，然后启用allkeys-lru淘汰策略，将最近最少使用的数据淘汰

LRU概念
LRU（The Least Recently Used，最近最少未使用）是一种常见内存管理算法，最早应用于Linux操作系统，在Redis中也有广泛使用的。
LRU算法有这样一种假设：如果某个数据长期不被使用，在未来被用到的几率也不大；因此缓存容量达到上限时，应在写入新数据之前删除最久未使用的数据值，从而为新数据腾出空间。

LFU概念
LFU（The Least Frequently Used，最不经常使用）也是一种常见的缓存算法。
和LRU类似，LFU同样有这样的假设：如果一个数据在最近一段时间很少被访问到，那么可以认为在将来它被访问的可能性也很小。因此，当空间满时，最小频率访问的数据最先被淘汰；当存在两个或者更多个键具有相同的使用频次时，应该淘汰最久未使用的数据。（类比LRU）