面试题：高并发下缓存设计的数据一致性保障

Question

假设在一个高并发的电商系统中，商品库存同时存在于数据库和缓存中。用户频繁进行商品购买操作，这会涉及到库存的扣减。请设计一套缓存更新机制，确保在高并发情况下，缓存和数据库的数据一致性，同时尽量减少缓存穿透和缓存雪崩的风险。

Answer 1

1. 扣减库存操作流程
   • 第一步：缓存预检查
     • 首先尝试从缓存中获取商品库存。如果缓存中库存数量小于等于0，直接返回商品已售罄信息给用户，避免不必要的数据库查询，减少缓存穿透风险。
   • 第二步：分布式锁
     • 由于是高并发场景，为防止多个请求同时操作库存导致数据不一致，使用分布式锁（如Redis的SETNX命令实现的锁）。只有获取到锁的请求才能继续进行库存扣减操作。
   • 第三步：缓存与数据库操作
     • 获取锁成功后，再次从缓存中获取库存数量。这一步是为了防止在获取锁的过程中，其他请求已经更新了缓存。
     • 检查库存数量是否足够，如果足够则扣减缓存中的库存数量。
     • 紧接着更新数据库中的库存数量。这里采用事务操作，确保数据库操作的原子性。如果数据库更新失败，需要将缓存中的库存数量恢复到原来的值。
   • 第四步：释放锁
     • 无论库存扣减操作是否成功，都要释放分布式锁，让其他请求有机会进行操作。
2. 缓存更新策略
   • 主动更新：在库存扣减成功后，主动更新缓存，确保缓存中的库存数据与数据库保持一致。可以使用消息队列（如Kafka），将库存更新消息发送到队列中，由专门的消费者来更新缓存，这样可以异步处理，减少对业务主线程的影响。
   • 过期策略：设置缓存的过期时间，一般设置为一个较短的合理时间（如几分钟）。过期后，下一次请求会重新从数据库加载数据到缓存，从而保证数据的一致性。同时为避免缓存雪崩，对不同商品的缓存过期时间设置一定的随机偏移量，让缓存过期时间分散开来。
3. 缓存穿透预防
   • 布隆过滤器：在系统启动时，将数据库中所有商品的主键（如商品ID）构建成一个布隆过滤器。当有购买请求时，先通过布隆过滤器判断该商品ID是否存在。如果不存在，直接返回商品不存在信息，避免查询数据库，从而防止缓存穿透。
   • 空值缓存：当查询数据库发现商品不存在时，将该商品ID对应的空值结果也缓存起来，并设置较短的过期时间，这样后续相同的请求直接从缓存获取空值，不再查询数据库。
4. 缓存雪崩预防
   • 多级缓存：采用多级缓存架构，如一级缓存使用本地缓存（如Guava Cache），二级缓存使用分布式缓存（如Redis）。当分布式缓存出现故障时，本地缓存可以继续提供服务，减少对业务的影响。
   • 服务降级：当检测到缓存大面积失效，系统负载过高时，启动服务降级策略。例如，暂时关闭一些非核心业务，优先保证商品库存查询和扣减等核心业务的正常运行，避免系统崩溃。