面试题：缓存设计之中等难度：分布式缓存与本地缓存应用场景分析

Question

请阐述在一个高并发、读多写少的电商商品展示系统中，分布式缓存（如Redis）和本地缓存（如Guava Cache）分别适用于哪些业务场景，并说明原因。

Answer 1

分布式缓存（如Redis）适用场景及原因

1. 商品基本信息缓存
   • 场景：电商商品的名称、描述、图片链接等基本信息，这些信息相对稳定，更新频率较低。
   • 原因：分布式缓存可跨多台服务器共享数据，适合大规模集群部署的电商系统。多台应用服务器都能从Redis获取商品基本信息，保证数据一致性。同时，Redis基于内存存储，读写速度极快，能快速响应高并发的商品展示请求。
2. 热门商品缓存
   • 场景：热门商品的详细信息页面，例如促销活动中的爆款商品。
   • 原因：热门商品访问量巨大，将其缓存到Redis中，利用其分布式特性和高并发处理能力，可有效减轻后端数据库压力。即使在高并发情况下，也能快速从缓存中获取数据，提升用户体验。
3. 商品分类及品牌缓存
   • 场景：商品分类列表以及品牌信息展示，这些数据变化不频繁。
   • 原因：Redis可将这些数据缓存起来，多台服务器共享。当用户浏览商品分类或品牌相关页面时，直接从Redis读取，减少数据库查询次数，提高系统整体性能。

本地缓存（如Guava Cache）适用场景及原因

1. 应用内高频访问且数据量小的数据
   • 场景：如应用内部一些配置信息，例如某些商品展示规则（如是否展示推荐商品），这些配置信息在应用启动后很少变化，且仅在当前应用实例内使用。
   • 原因：Guava Cache在应用本地内存中缓存数据，访问无需网络开销，速度极快。对于应用内高频访问的数据，使用Guava Cache可极大提高访问效率。同时，由于数据量小，不会占用过多本地内存资源。
2. 个性化推荐缓存
   • 场景：针对特定用户的个性化商品推荐信息，每个用户的推荐数据相对独立且数据量不大。
   • 原因：Guava Cache基于应用实例，不同用户的个性化推荐数据可在各自对应的应用实例本地缓存。这样既减少了网络交互（无需每次都从分布式缓存获取），又能满足个性化需求。同时，Guava Cache支持设置过期时间和缓存淘汰策略，方便管理个性化推荐数据的生命周期。