---

前言

本文主要记录redis的缓存穿透、缓存击穿、缓存雪崩、双写一致性、持久化、数据过期策略、数据淘汰策略、分布式锁等问题的分析与面试回答示例。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、redis使用场景

1. 知识分布

2. 缓存穿透

① 问题引入

② 举例说明

一个get请求路径：api/news/getById/1
从数据库中查询到了数据并加载到redis缓存，直接查询redis中的数据，查询到了就返回结果，否则查数据库，具体流程如下：

缓存穿透：查询一个不存在的数据，mysql查询不到数据也不会直接写入缓存，就会导致每次请求都查数据库，给数据库增加压力。

③ 解决方案

方案一：缓存空数据，查询返回的数据为空，仍把这个空结果进行缓存
优点：简单
缺点：消耗内存，可能数据库数据已经修改，但是redis中还是之前的空数据

方案二：布隆过滤器，拦截不存在的数据
优点：内存占用较少，没有多余的key
缺点：实现复杂，存在误判

补充：
在添加数据到数据库时，也需要添加到redis、布隆过滤器中
布隆过滤器依赖bitmap（位图）：一个以（bit）位为单位的数组，只能存储二进制（0、1）

布隆过滤器的作用：用于检索一个元素是否在一个集合中。
比如添加一个id=1的数据，经过哈希函数计算，将0改为1，表示存在数据。

当id=1和id=2都存在，但是id=3不存在，经过hash函数计算得到的结果是存在，这就是误判。
误判率：数组越小误判率就越大，数组越大误判率就越小，但是同时带了了更多的内存消耗。

布隆过滤器的实现中我们可以控制误判率（5%之内）

④ 实战面试

3. 缓存击穿

① 问题引入

② 举例说明

缓存击穿： 当某一个热门的key设置了过期时间，当key过期的时候，恰好这个时间点对这个key有大量的并发请求过来，redis缓存重建的过程比较慢，这些并发请求可能会瞬间把数据库压垮。

③ 解决方案

**方案一：**互斥锁
优点：数据强一致
缺点：性能查
补充：当线程1在缓存的过程中，其他线程只能等待；当线程1把数据缓存成功，其他的线程就可以获取到数据

方案二： 逻辑过期
优点：高可用，保证查询效率
缺点：不能保证数据绝对一致
补充：当线程2没有将最新数据加入到缓存之前，所有的线程获取的都是过期数据，当线程2将数据更新完成后，所有的线程获取到最新数据。

④ 实战面试

4. 缓存雪崩

① 问题引入

② 举例说明

缓存雪崩： 是指在同一时段大量的缓存key同时失效或者Redis服务宕机导致大量请求到达数据库，带来巨大压力。

③ 解决方案

方案一：
情况：大量的缓存key同时失效
方法：给不同的key设置不同的过期时间，在原有的时间基础上再加一个随机时间值；
方案二：
情况：大量的缓存key同时失效
方法：给业务添加多级缓存；
方案三：
情况：Redis服务宕机
方法：利用Redis集群提高服务的可用性，比如哨兵模式、集群模式。
方案四：
情况：降级作为系统保底策略，适用于穿透、击穿、雪崩
方法：给缓存业务添加降级限流策略，比如nginx或者springcloud gateway

④ 实战面试

5. 缓存-双写一致性

① 问题引入

② 举例说明

双写一致性： 当修改了数据库的数据也要同时更新缓存的数据，缓存和数据库的数据要保持一致。
读操作：缓存命中，直接返回;缓存未命中查询数据库，写入缓存，设定超时时间。

写操作：延迟双删

1. 先删除缓存还是先删除数据库？
   情况一：先删除缓存，再操作数据库，可能会出现脏数据
   
   情况二：先操作数据库，再删除缓存，也可能会出现脏数据
   
2. 为什么要删除两次缓存？
   降低脏数据的出现
3. 为什么要延时删除？
   数据库是主从分离的，延时把同步数据，也可能出现脏数据

③ 解决方案

**方案一：**分布式锁
优点：保证强一致性
缺点：性能低

方案二： 共享锁与排他锁（优化版）
优点：保证数据强一致性
共享锁：读锁readLock，加锁之后，其他线程可以共享读操作

排他锁：独占锁writeLock也叫，加锁之后，阻塞其他线程读写操作

方案三： MQ异步通知
优点：保证数据的一致性

方案四： Canal异步通知

④ 实战面试

分为两种情况进行回答，主要是业务需要是属于一致性要求高、延迟一致性

情况一：强一致性

情况二：延迟一致

二、redis分布式锁

引用声明

文章内容来源：https://www.bilibili.com/video/BV1yT411H7YK?p=7&spm_id_from=pageDriver&vd_source=98092b0aee05ae7c890b09fe07f13df4