简阳网站建设,外贸企业网站改版,德清县建设局网站,泰州东方医院男科在实际开发过程中#xff0c;一般都会遇到缓存#xff0c;像本地缓存#xff08;直接在程序里搞个map也可以#xff0c;但是可能会随着数据的增长出现OOM#xff0c;建议使用正经的本地缓存框架#xff0c;因为自己实现淘汰策略啥的挺费劲的#xff09;、分布式缓存一般都会遇到缓存像本地缓存直接在程序里搞个map也可以但是可能会随着数据的增长出现OOM建议使用正经的本地缓存框架因为自己实现淘汰策略啥的挺费劲的、分布式缓存简单记录以下自己对这两方面的理解。 本地缓存就是将数据缓存在当前应用程序本地它速度快易于管理但是它无法跨多节点共享在集群环境中会出现不一致的问题。多个本地缓存之间的数据可能不一致。 分布式缓存就是将数据存储到多个节点的内存中这些节点可以再不同服务器甚至不同的地理位置上。分布式缓存可以支持多个程序共享数据提高系统的可伸缩性和可用性但是成本比较高考虑的地方也比较多如数据一致性和故障恢复等问题。 从上面不难看出来缓存有个共性那就是缓存的一致性问题在分布式的系统中只能在CA中进行平衡根据具体得到业务甚至数据特性进行平衡。 本地缓存 首先在选择上现在的缓存框架多的很Caffeine、Guava等但是spring cache默认是支持Caffeine的 启用本地缓存呢就是为了减少网络连接数据库、redis这都要的有些数据频繁访问而且这些数据在其他应用模块中不会使用或很少使用且这些数据很少会有所变动如行政区划、行业信息、纳税人识别号以及一些系统内的数据。这种就适合放到本地内存里。 但是本地内存有个问题就是在集群环境里多份数据的存储会造成内存的浪费这点需要考虑到但是世上安有两全法只能是在两者之间做权衡选性能还是选成本。 一旦要涉及到本地内存的一致性问题那这问题就麻烦了解决办法也不是没有但一到实际中就等于是脱裤子放屁了比如数据库或者redis里弄个版本号用本地缓存之前先看看版本号是否一致这就和使用本地缓存的初衷不一致了啊我就是想减少数据库访问或者redis连接的结果现在还要再去访问我为了什么呢干嘛不直接用redis啊 所以本人认为一旦要考虑本地缓存的一致性问题了那就说明你这个缓存没必要要了。 分布式缓存 分布式缓存解决了各个应用之间的一致性的问题但它还是会存在与数据库的一致性问题。 而这个一致性问题的解决方式有很多具体要根据业务以及数据的特性来确定。 先说说数据不一致产生的原因拿redis举例在逻辑中有两个操作更新数据库与刷新缓存有时候缓存信息很多比如我存了一件商品的信息里面有商品价格有商品的库存如果是更新的话两个线程并发首先都先后获取到了缓存的信息都进行了修改然后保存的时候一次提交那这时候肯定有一个是没更新进去的这两个操作都有可能失败但是数据库可以开启事务失败了就回滚但是redis可没有回滚这一说所以要想保证数据和缓存的一致性大家就要想尽办法来解决这个问题。 ①开启事务 如果要求强一致性缓存更新失败可以让数据库事务回滚。先执行逻辑更新数据库然后刷新缓存。这样会有三种情况1、都成功皆大欢喜2、数据库刷新成功缓存刷新失败数据库回滚缓存未变数据库也未变3、数据库失败直接回滚 ②刷新数据操作缓存 系统并发没那么高或者对一致性要求不高的可以采用更新缓存删除的缓存可以消除并发操作缓存导致的数据不一致的问题。这种情况下如果更新缓存失败可以根据业务的需求来确定是否采取重试机制或者采用MQ消息进行异步修改策略。 ③延迟双删 具体步骤是删除缓存刷新数据库延迟1-2秒删除数据库。 刷新缓存失败的可能性比删除的可能性大很多所以采用删除缓存的方式。并发高的情况下还要考虑到刷新缓存也可能会导致数据不一致的问题所以采用删除的方式。第二次的删除是防止在第一次删除缓存数据还未落到数据库的时候有线程查缓存没查到直接拿的数据库之后又将数据缓存虽然这第二次删除可能会导致删除掉正确数据但是顶多会发生一次cache miss。 总的来说针对分布式缓存与数据库的一致性问题要根据具体情况来进行分析并发量大且要求一致性高的数据就延迟双删至于之后可能产生的缓存击穿问题那就是另外的问题了缓存击穿有缓存击穿的解决方案。如果并发量不大的情况下直接刷数据库然后再刷缓存删或者刷看具体情况如果失败了可以采用重试机制或者异步MQ消息重试的方式进行解决。 没有啥完美方案只能找最适合业务的方案
