0 概述
为什么要使用缓存？以电商系统为例，比如商品信息、导购、详情、购物车、交易等都需要查询商品信息。如果不引入缓存，面对着大流量必定会对数据库稳定性和机器水位造成很大压力。引入缓存后，性能也会有很大的提升。
1 缓存常见问题
引入缓存，除了增加了系统复杂度外，也会带来一些新问题。如一致性问题、缓存雪崩、缓存击穿、缓存穿透。
1.1 缓存一致性问题
简单理解就是缓存的数据和DB数据不一致：1）缓存中有值和DB一样 2）缓存中没有值，数据库读到的是最新值。如下图所示，请求首先是先到缓存，如果缓存有数据直接返回，如果缓存中没有数据再访问DB，然后再讲数据写入到缓存。如果同时有数据更新或者新增，就有可能出现缓存不一致现象。
- 新增数据
新增数据，缓存没有数据，DB是最新值；这个符合缓存一致性条件。 - 更新数据（含删除）
理想的情况缓存删除和DB更新在一个分布式事务中，要么都成功要么都失败。如果引入分布式事务，不仅系统变的非常复杂&且系统吞吐量会下降不少；在实际工作中根据不同业务场景，也有不同解决方案。
| 场景 | 可能存在问题 | 解决方案 |
|---|---|---|
| 先更新DB ，然后再删除缓存 | 1.DB更新成功，缓存删除失败，请求读到是旧值 2.DB更新成功，缓存删除成功，由于读写分离延迟，从DB读到的是旧值，缓存就和DB不一致了 | 1.缓存删除失败，发出相应的消息（同步转异步）2.定期缓存对账或者刷新，强制读主库 |
| 先删除缓存，然后再更新DB | 导致缓存删除成功，DB更成功，由于并发场景可能会在缓存删除后，DB还未更新，读到DB旧值导致缓存和DB数据不一致 | 缓存异步对账，定期刷新缓存；双删（DB更新成功后再删除一次） |
1.2 缓存雪崩
缓存雪崩是指大量的应用请求无法在缓存中进行处理，紧接着，应用将大量请求打到数据库层，导致数据库层的压力激增，由于缓存雪崩，Redis 缓存失效，所以，数据库就可能要承受近十倍的请求压力，从而因为压力过大而崩溃。主要原因：1）大量数据同时失效 2）redis 实例宕机。
解决方案：首先业务层可以避免大量的数据失效，设置过期时间时候+一个随机值。其次要保护好自己系统，配置上降级和限流；同时可以考虑使用loadingCacheing
1.3 缓存击穿
缓存击穿是指，针对某个访问非常频繁的热点数据的请求，没有命中缓存中进行处理，然后请求打到了DB层，导致了数据库压力激增，会影响数据库处理其他请求。主要原因：经常发生在热点数据过期。解决方案：1）定时刷新热点数据，热点数据过期时间设置较长 2）保护好自己系统。
1.4 缓存穿透
缓存穿透是指要访问的数据既不在缓存中，也不在数据库中，导致请求在访问缓存时，发生缓存缺失，再去访问数据库时，发现数据库中也没有要访问的数据。主要原因：误操作、恶意攻击。解决方案：1）缓存空值或特殊标识。2）布隆过滤器快速判断数据是否存在。
2 总结
本文主要阐述了缓存应用与常见问题。在实际工作中，会根据业务场景的不同选择不同方案；比如有些非核心场景，只会读缓存不会读DB，缓存定时异步刷新，有些流量特别大的地方会采用多级缓存策略。