作者介紹

王梓晨，物流研發部架構師，GIS技術部負責人，2012年加入京東，多年一線團隊大促備戰經驗，負責物流研發一些部門的架構工作，專注于低延遲系統設計與海量數據處理。目前負責物流GIS部門，先后主導了國標轉京標、物流可視化等項目。

自古兵家多謀，《謀攻篇》，“故上兵伐謀，其次伐交，其次伐兵，其下攻城。攻城之法，為不得已”，可見攻城之計有很多種，而爬墻攻城是最不明智的做法，軍隊疲憊受損、錢糧損耗、百姓遭殃。故而我們有很多迂回之策，謀略、外交、軍事手段等等，每一種都比攻城的代價小，更輕量級，緩存設計亦是如此。

一、為什么要設計緩存?

其實高并發應對的解決方案不是互聯網***的，計算機先祖們很早就對類似的場景做了方案。比如《計算機組成原理》這樣提到的CPU緩存概念:它是一種高速緩存，容量比內存小但是速度卻快很多，這種緩存的出現主要是為了解決CPU運算速度遠大于內存讀寫速度，甚至達到千萬倍的問題。

傳統的CPU通過fsb直連內存的方式顯然就會因為內存訪問的等待，導致CPU吞吐量下降，內存成為性能瓶頸。同時又由于內存訪問的熱點數據集中性，所以需要在CPU與內存之間做一層臨時的存儲器作為高速緩存。

隨著系統復雜性的提升，這種高速緩存和內存之間的速度進一步拉開，由于技術難度和成本等原因，所以有了更大的二級、三級緩存。根據讀取順序，絕大多數的請求首先落在一級緩存上，其次二級...

故而應用于SOA甚至微服務的場景，內存相當于存儲業務數據的持久化數據庫，其吞吐量肯定是遠遠小于緩存的，而對于java程序來講，本地的JVM緩存優于集中式的Redis緩存。

關系型數據庫操作方便、易于維護且訪問數據靈活，但是隨著數據量的增加，其檢索、更新的效率會越來越低。所以在高并發低延遲要求復雜的場景，要給數據庫減負，減少其壓力。

二、給數據庫減負

1.緩存分布式，做多級緩存

讀請求時寫緩存

寫緩存時一級一級寫，先寫本地緩存，再寫集中式緩存。具體些緩存的方法可以有很多種，但是需要注意幾項原則:

不要復制粘貼，避免重復代碼;

切忌和業務耦合太緊，不利于后期維護;

開發初期剛剛上線階段，為了排查問題，常常會給緩存設置開關，但是開關設置多了則會同時升高系統的復雜度，需要結合一套統一配置管理系統，例如京東物流就有一套叫做UCC。

綜上所述，高耦合帶來的痛，彌補的代價是很大的，所以可以借鑒Spring cache來實現，實現也比較簡單，使用時一個注解就搞定了。

寫緩存失敗了怎么辦?應該先寫緩存還是數據庫呢?

既然是緩存的設計，那么策略一定是保證最終一致性，那么我們只需要采用異步消息來補償就好了。

大部分緩存應用的場景是讀寫比差異很大的，讀遠大于寫，在這種場景下，只需要以數據庫為主，先寫數據庫，再寫緩存就好了。

***補充一點，數據庫出現異常時，不要一股腦的catch RuntimeException，而是把具體關心的異常往外拋，然后進行有針對性的異常處理。

關于其他性能方面

緩存設計都是占用越少越好，內存資源昂貴以及太大不好維護都驅使我們這樣設計。所以要盡可能減少緩存不必要的數據，有的同學圖省事把整個對象序列化存儲。另外，序列化與反序列化也是消耗性能的。

2.vs各種緩存同步方案

緩存同步方案有很多種，在考慮一致性、數據庫訪問壓力、實時性等方面做權衡。總的來說有以下幾種方式:

懶加載式

如上段提到的方式，讀時順便加載，為了更新緩存數據，需要過期緩存。

優點:簡單直接。

缺點:

會造成一次緩存不***;

這樣當用戶并發很大時，恰好緩存中無數據，數據庫承擔瞬時流量過大會造成風險。

懶加載式太簡單了，沒有自動加載，異步刷新等機制，為了彌補其缺陷，請參見接下來的兩種方法:

補充式

可以在緩存時，把過期時間等信息寫到一個異步隊列里，后臺起個線程池定期掃描這個隊列，在快過期時主動reload緩存，使得數據會一直保持在緩存中，如果緩存沒有也沒有必要去數據庫查詢了。常見的處理方式有使用binlog加工成消息供增量處理。

優點:刷新緩存變為異步的任務，對數據庫的壓力瞬間由于任務隊列的介入而降低了，削平并發的波峰。

缺點:消息一旦積壓會造成同步延遲，引入復雜度。

定時加載式

這就需要有個異步線程池定期把數據庫的數據刷到集中式緩存，如Redis里。

優點:保證所有數據最小時間差同步到緩存中，延遲很低。

缺點:如補充式，需要一個任務調度框架，復雜度提升，且要保證任務的順序。如果遞進一步還想加載到本地緩存，就得本地應用自己起線程抓取，方案維護成本高。可以考慮使用mq或者其他異步任務調度框架。

ps:為了防止隊列過大調度出現問題，處理完的數據要盡快結轉，且要對積壓數據以及寫入情況做監控。

3.防止緩存穿透

緩存穿透是指查詢的key壓根不存在，從而緩存查詢不到而查詢了數據庫。若是這樣的key恰好并發請求很大，那么就會對數據庫造成不必要的壓力。怎么解決呢?

把所有存在的key都存到另外一個存儲的Set集合里，查詢時可以先查詢key是否存在;

干脆簡單一些，給查詢不到的key也加一個標識空值的Value，這樣就不會去查詢數據庫了，比如場景為查詢省市區街道對應的移動營業廳，若是某街道確實沒有移動營業廳，key規則不變，value可以設置為"0"等無意義的字符。當然此種方案要保證緩存集群的高可用;

這些Key可能不是永遠不存在，所以需要根據業務場景來設置過期時間。

4.熱點緩存與緩存淘汰策略

有一些場景，需要只保持一部分的熱點緩存，不需要全量緩存，比如熱賣的商品信息，購買某類商品的熱門商圈信息等等。

綜合來講，緩存過期的策略有以下三種:

FIFO(First In，First Out)

即先進先出，淘汰最早進來的緩存數據，一個標準的隊列。

以隊列為基本數據結構，從隊首進入新數據，從隊尾淘汰。

LRU(Least RecentlyUsed)

即最近最少使用，淘汰最近不使用的緩存數據。如果數據最近被訪問過，則不淘汰。

和FIFO不同的是，需要對鏈表做基本模型，讀寫的時間復雜度是O(1)，寫入新數據進入頭部，鏈表滿了數據從尾部淘汰;

最近時間被訪問的數據移動到頭部，實現算法有很多，如hashmap+雙向鏈表等等;

問題在于若是偶發性某些key被最近頻繁訪問，而非常態，則數據受到污染。

LFU(Least Frequently used)

即最近使用次數最少的數據被淘汰，注意和LRU的區別在于LRU的淘汰規則是基于訪問時間。

LFU中的每個數據塊都有一個引用計數，數據塊按照引用計數排序，若是恰好具有相同引用計數的數據塊則按照時間排序;

因為新加入的數據訪問次數為1，所以插入到隊列尾部;

隊列中的數據被新訪問后，引用計數增加，隊列重新排序;

當需要淘汰數據時，將已經排序的列表***的數據塊刪除;

有很明顯問題是若短時間內被頻繁訪問多次，比如訪問異常或者循環沒有控制住，而后很長時間未使用，則此數據會因為頻率高而被錯誤的保留下來，沒有被淘汰。尤其對于新來的數據，由于其起始的次數是1，所以即便被正常使用也會因為比不過老的數據而被淘汰。所以維基百科說純粹的LFU算法不經常單獨使用而是組合在其他策略中使用。

5.緩存使用的一些常見問題

Q1:那么應該選擇用本地緩存(local cache)還是集中式緩存(Cache cluster)呢?

A1:首先看數據量，看緩存更新的成本，如果整體緩存數據量不是很大，而且變化的不頻繁，那么建議本地緩存。

Q2:怎么批量更新一批緩存數據?

A2:依次從數據庫讀取，然后批量寫入緩存，批量更新，設置版本過期key或者主動刪除。

Q3:如果不知道有哪些key怎么定期刪除?

A3:拿Redis來說keys * 太損耗性能，不推薦。可以指定一個集合，把所有的key都存到這個集合里，然后對整個集合進行刪除，這樣便能完全清理了。

Q4:一個key包含的集合很大，Redis無法做到內存空間上的均勻Shard?

A4:1、可以簡單的設置key過期，這樣就要允許有緩存不***的情況;2、給key設置版本，比如為兩天后的當前時間，然后讀取緩存時用時間判斷一下是否需要重新加載緩存，作為版本過期的策略。