如何用好缓存？全面梳理（第三篇）

讲了这么多，那我们在使用缓存有没有要注意的问题，有没有什么潜在的坑。我们来看几个问题案例。

黑客、竞品对手恶意攻击，缓存没有起到分担存储系统访问压力，系统拖垮

布隆过滤器拥有极高的性能

• 时间复杂度O(1)，二进制位存储，省空间，20亿的数组约占238M.
• 缺点：由于hash碰撞，只能支持未命中的判断，如果布隆过滤器认为值不存在，那么值一定是不存在的，无需查询缓存也无需查询数据库，存在极小概率的误判断。不支持元素删除

流量控制。加锁，只允许第一次请求去预热缓存，预热完成之前，后续请求直接返回或阻塞等待结果

另一种方法是缓存预热，在大批量请求到来以前，先主动将缓存填充好。这种方法操作简单高效，但局限性是需要提前知道哪些数据可能引发缓存穿透的问题。

看几个例子。大的电商公司会有比价系统，用于做运营策略，知彼知己，百战不殆。爬取竞品公司商品价格，将冷数据加载到缓存中，挤掉热点数据。压力转嫁DB。导致数据库出现问题。一般不会瞬间造成系统不可用，缓慢过程，报警，监控命中率。风控层面做干预，识别非法来源。lru-k

新业务上线，比如秒杀活动，缓存未预热。很容易引发雪崩。解决：一种方式提前将数据预热到cache；另一种，灰度，逐步开放给新用户，做好流量阶梯缓冲

我们经常听到系统不停机完成一些架构升级，飞行的飞机上换发动机引擎，说明技术实力很强。但有些系统停机后，很难再启动，为什么？一启动，大流量就把DB打死了。

最后提一个点，我们预热缓存经常通过跑批任务，缓存的过期时间不要过于集中。很容易引发问题。

例如，某明星微博发布恋爱公告，短时间内吸引上千万的用户来围观。

注意事项。缓存副本设计有一个细节需要注意，就是不同的缓存副本不要设置统一的过期时间，否则就会出现所有缓存副本同时生成同时失效的情况，从而引发缓存雪崩效应。正确的做法是设定一个过期时间范围，不同的缓存副本的过期时间是指定范围内的随机值。

重试机制。代码重试3次。失败记录到DB中，扫描任务定时补偿缓存

操作DB成功后，发MQ消息，异步更新缓存，如果更新失败，借助MQ框架自身的重试机制来保证，想阿里开源的RocketMQ支持18级的延迟规则，最低1s，最高级2个小时，如果不 ack success，会一直重试。

缓存功能具体怎样整合集成到 Web 应用中。有很多方式，每一种方式都意味着一个切入点。首先看下编程方式。使用编程的方式来获取缓存数据，是最常见的方式。这种方式比较灵活

配置文件注入也比较常见，比如 MyBatis 在 mapper 标签中可以指定 cache 标签，通过这种方式就可以把选定的缓存框架注入到这个持久层框架中。对于指定映射的数据，再次访问时会优先从缓存中查找。对于热点数据效果比较好。

最后我们来做下总结，使用缓存要注意哪些问题。

空间大小：避免空间不足，导致热数据被置换出去，影响缓存命中率

缓存对象粒度，考虑尽可能复用，不要一个小字段修改导整个大对象全部失效

对象大小。单key下挂了5M的大对象，反序列化，取部分字段数据，当业务并发量上涨，占用太多带宽，把网卡打爆，进而影响其它正常业务访问

最后建议，软件的系统架构是一个不断衍化的过程。”过早的优化是万恶之源“，如果没有达到引入缓存的条件，尽量不要过早使用缓存，缓存的坑很多，经常引发一些一致性的问题，维护成本极高。

终结篇，谢谢收藏！