面试题：Node.js缓存策略在复杂业务场景下的优化

Question

在一个具有复杂业务逻辑的Node.js电商系统中，涉及商品详情页、购物车等不同模块，且各模块数据更新频率不同。请设计一套全面的缓存策略，以实现最优性能，并说明如何应对缓存穿透、缓存雪崩等问题。

Answer 1

缓存策略设计

1. 商品详情页缓存
   • 缓存粒度：以商品ID为缓存键，缓存整个商品详情对象。因为商品详情数据相对稳定，更新频率较低。
   • 缓存时间：设置较长的过期时间，例如24小时。但为了应对商品信息的突然变更（如库存紧急调整等），可在更新数据库商品信息时，同时删除对应的缓存。
   • 缓存级别：采用多级缓存，如先在进程内缓存（如使用Node.js的Map数据结构），如果进程内缓存未命中，再去访问分布式缓存（如Redis）。进程内缓存可以快速响应频繁的读请求，减少对分布式缓存的压力。
2. 购物车缓存
   • 缓存粒度：以用户ID为缓存键，缓存用户的购物车信息。购物车信息更新频率相对较高，每次用户添加、删除商品或修改数量都可能导致缓存更新。
   • 缓存时间：由于购物车数据实时性要求较高，可设置较短的过期时间，如15分钟。同时，每次购物车操作（添加、删除、修改）都直接更新缓存，并且在过期时间内，如果有频繁操作，可适当延长过期时间。
   • 缓存级别：同样采用多级缓存，先在进程内缓存，未命中再访问分布式缓存。对于购物车这种与用户会话紧密相关的数据，还可以考虑在客户端（如浏览器）进行一定程度的缓存，通过localStorage或sessionStorage存储部分购物车信息，减轻服务器端缓存压力。

应对缓存穿透问题

1. 布隆过滤器：在系统启动时，将所有可能存在的商品ID（或其他业务关键ID）加载到布隆过滤器中。当查询请求到来时，先通过布隆过滤器判断该ID是否可能存在，如果布隆过滤器判断不存在，则直接返回，不再查询数据库。布隆过滤器存在一定的误判率，但可以大大减少无效查询对数据库的压力。在Node.js中，可以使用bloom - filter库来实现布隆过滤器。
2. 空值缓存：当查询数据库发现某个ID对应的记录不存在时，也将该ID和空值缓存起来，并设置较短的过期时间（如5分钟）。这样后续相同的无效查询直接从缓存中获取空值，避免再次查询数据库。

应对缓存雪崩问题

1. 设置随机过期时间：对于不同模块的缓存，在设置过期时间时，不要设置固定的过期时间，而是在一个合理的时间范围内设置随机过期时间。例如，商品详情页缓存过期时间设置为20 - 28小时之间的随机值，这样可以避免大量缓存同时过期，降低缓存雪崩的风险。
2. 缓存降级：当检测到大量缓存失效，系统负载急剧上升时，启用缓存降级策略。例如，对于商品详情页，可以暂时返回一个简化的、静态的商品信息页面，不依赖实时的数据库查询和缓存，以保证系统的基本可用性。同时，记录相关日志，及时通知运维人员处理缓存问题。
3. 构建多级缓存架构：除了上述提到的进程内缓存和分布式缓存，还可以引入二级分布式缓存（如Memcached作为Redis的补充）。当Redis出现大量缓存失效时，Memcached可以作为备用缓存，分担部分读请求，减少对数据库的冲击。