缓存服务
直接回答
缓存服务是一种通过将频繁访问的数据临时存储在高速存储介质（如内存）中，以减少对后端数据库或原始数据源访问次数的技术方案。其核心原理是利用局部性原理（时间局部性和空间局部性），将热点数据缓存到读写速度更快的存储层，从而显著降低数据获取延迟、减轻后端系统负载、提升整体系统吞吐量。常见的缓存服务包括 Redis、Memcached 等内存数据库，以及 CDN 缓存、本地缓存（如 Guava Cache）等。缓存服务广泛应用于 Web 应用加速、数据库查询缓存、会话管理、API 响应缓存等场景。在实际应用中，需要关注缓存穿透（查询不存在的数据导致缓存失效）、缓存雪崩（大量缓存同时过期导致后端压力骤增）、缓存击穿（热点 key 过期导致高并发请求直接打到数据库）以及缓存与数据库之间的数据一致性问题。合理的缓存策略（如 LRU、TTL 过期、预热、降级）和架构设计（如分布式缓存集群、多级缓存）是保障缓存服务高可用、高性能的关键。
核心要点
- 核心价值：性能与成本平衡
- 主流技术选型：Redis vs Memcached
- 三大常见问题与应对策略
- 数据一致性：最终一致性为主
Verwandte Tags
常见问题
- 缓存服务与数据库有什么区别？
- 缓存服务（如 Redis）将数据存储在内存中，读写速度极快（微秒级），但存储容量有限且数据通常不持久化或仅做异步持久化；数据库（如 MySQL）将数据存储在磁盘上，容量大、支持复杂查询和事务，但读写速度较慢（毫秒级）。缓存服务通常作为数据库的前置加速层，用于存储热点数据，而数据库负责全量数据的持久化存储和一致性保障。
- 如何选择合适的缓存淘汰策略？
- 常见的淘汰策略包括：LRU（最近最少使用，适合访问模式有明显时间局部性的场景）、LFU（最不经常使用，适合访问频率差异大的场景）、FIFO（先进先出，实现简单但命中率较低）、TTL（过期时间，适合有时效性的数据）。Redis 默认使用近似 LRU 策略，Memcached 使用 LRU。选择时应根据业务数据的访问特征和内存容量进行权衡，通常 LRU 是通用性较好的选择。
- 缓存穿透、缓存雪崩、缓存击穿分别是什么？如何解决？
- 缓存穿透：查询一个不存在的数据，导致请求直接打到数据库。解决方案：使用布隆过滤器预先过滤不存在 key，或缓存空对象（设置较短 TTL）。缓存雪崩：大量缓存同时过期，导致数据库瞬间压力过大。解决方案：设置随机过期时间（基础 TTL + 随机偏移）、使用多级缓存（本地缓存+分布式缓存）、或启用限流降级。缓存击穿：一个热点 key 在过期瞬间被大量并发请求访问，导致数据库压力骤增。解决方案：使用互斥锁（Mutex）保证只有一个线程去加载数据，或设置热点 key 永不过期并异步更新。
- 缓存服务如何保证数据一致性？
- 在缓存与数据库并存的架构中，强一致性通常难以实现且代价高昂。常用方案包括：Cache-Aside 模式（读时先查缓存，未命中则查数据库并写入缓存；写时先更新数据库，再删除缓存）、延迟双删（写操作后先删除缓存，等待一段时间再删除一次）、以及通过消息队列异步同步缓存。对于对一致性要求极高的场景（如金融交易），建议直接读写数据库，避免使用缓存。
- 分布式缓存集群如何实现高可用？
- 以 Redis 为例，高可用方案包括：主从复制（Master 负责写，Slave 负责读，Master 宕机后手动或自动切换）、哨兵模式（Sentinel 自动监控并执行故障转移）、Redis Cluster（数据分片 + 自动故障转移，支持水平扩展）。此外，还可以采用客户端分片（如一致性哈希）或代理层（如 Twemproxy、Codis）来实现高可用和负载均衡。