标签：合规 缓存服务器 cache 取数 异步 复制 读取数据 hash算法 book
分布式缓存对应于CPU的模型有如下的关系,我们知道,CPU跟内存的关系中间还有三级高速缓存L1,L2,L3.L1最靠近CPU内核,CPU在进行数据处理的时候一般是先把内存的数据复制到L1中进行处理,把处理结果恢复到内存中,所以多CPU多线程中会有数据复制不一致的问题.
分布式缓存系统中,有着与之对应的关系(寄存器-本地内存,L1缓存-本地内存,L2缓存-本地内存,L3缓存-Redis分布式缓存,内存-数据库Mysql等).
建立分布式缓存的3种方法:
1、双读双写，一般写数据库，读缓存，缓存未命中，则读取数据库，再写入缓存。
2、异步更新，只读写缓存，由异步的更新服务将数据库里的变更或者新增的数据更新到缓存中。
3、串联模式，直接在缓存上进行读写操作，缓存作为代理，根据需要和配置与数据库进行读写操作。
缓存穿透是指使用不存在的key进行大量的高并发查询,导致缓存无法命中,直接穿透到后端的数据库系统进行查询,使数据库压力过大,甚至压死数据库.解决办法:存储空值,过滤规则,不符合规则的访问,直接拒绝.
缓存并发,当一个key过期时,访问这个key的请求量过大,穿透到数据库.解决办法:1,分布式锁,保证每个key同时只有一个线程去查询数据库,其他线程没有获得分布式锁的权限,只需要等待.对分布式锁的考验很大.2,本地锁,类比分布式锁,但可能会有不同节点的线程查询数据库.3,软过期,业务层处理.
缓存雪崩,缓存服务器重启或者大量缓存集中在某一个时间段内失效,给数据库造成瞬时压力.解决办法,对不同的数据使用不同的失效时间,对相同的数据,不同的请求使用不同的失效时间,过期时间采用固定时间+随机时间,有一个范围,就可以避免缓存雪崩.
当数据时效性要求很高时，需要保证缓存中的数据与数据库中的保持一致，而且需要保证缓存节点和副本中的数据也保持一致，不能出现差异现象。这就比较依赖缓存的过期和更新策略。一般会在数据发生更改的时，主动更新缓存中的数据或者移除对应的缓存。
缓存的颠簸问题，有些地方可能被成为“缓存抖动”，可以看做是一种比“雪崩”更轻微的故障，但是也会在一段时间内对系统造成冲击和性能影响。一般是由于缓存节点故障导致。业内推荐的做法是通过一致性Hash算法来解决。
该问题由 facebook 的工作人员提出的， facebook 在 2010 年左右，memcached 节点就已经达3000 个，缓存数千 G 内容。他们发现了一个问题---memcached 连接频率，效率下降了，于是加 memcached 节点，添加了后，发现因为连接频率导致的问题，仍然存在，并没有好转，称之为”无底洞现象”。
标签：合规 缓存服务器 cache 取数 异步 复制 读取数据 hash算法 book
原文地址：https://www.cnblogs.com/liboware/p/11921001.html
