面试题：缓存设计之高级难度：电商大促场景下的缓存设计优化

Question

假设电商即将迎来一场大型促销活动，预计商品的访问量和并发量会急剧增加。在这种场景下，如何对现有的缓存设计进行优化，以防止缓存雪崩和缓存穿透问题？请详细描述优化思路，包括缓存架构调整、数据预热策略等。

Answer 1

缓存雪崩优化思路

1. 缓存架构调整
   • 设置不同过期时间：避免大量缓存同时过期。对不同类型的商品缓存设置随机的过期时间，比如商品A的缓存过期时间在1 - 2小时内随机，商品B的缓存过期时间在2 - 3小时内随机等。这样可以分散缓存过期的时间点，降低同一时刻大量缓存失效的风险。
   • 使用多级缓存：构建二级或多级缓存结构，例如一级缓存使用内存型缓存（如Redis），二级缓存可以使用磁盘型缓存（如Memcached扩展的持久化存储或其他支持持久化的缓存系统）。当一级缓存失效时，先从二级缓存获取数据，如果二级缓存也没有，再去数据库查询，查询后更新一级和二级缓存。
   • 主从 + 哨兵或集群：对于Redis等缓存系统，采用主从架构并结合哨兵机制来保证高可用性，防止主节点宕机导致缓存不可用。或者直接使用Redis Cluster集群模式，通过数据分片存储，提高缓存的整体容量和读写性能，即使部分节点出现故障，也不影响整体缓存服务。
2. 数据预热策略
   • 提前加载：在促销活动开始前，通过脚本或定时任务将热门商品的缓存数据提前加载到缓存中。可以根据过往的销售数据和用户浏览记录，分析出热门商品列表，然后批量将这些商品的信息加载到缓存。
   • 预热时间规划：选择在系统低峰期进行数据预热，比如凌晨时段，以减少对正常业务的影响。同时，要确保预热过程中有足够的时间完成所有热门商品的缓存加载。

缓存穿透优化思路

1. 缓存架构调整
   • 布隆过滤器：在缓存之前加一层布隆过滤器。布隆过滤器可以快速判断一个数据是否存在于集合中。对于电商系统，将所有商品的ID（假设以ID作为查询依据）在系统启动时加载到布隆过滤器中。当有查询请求时，先通过布隆过滤器判断ID是否可能存在，如果不存在，直接返回，不会查询缓存和数据库，大大减少无效查询对数据库的压力。
   • 空值缓存：当查询数据库发现某个商品不存在时，将这个空值结果也缓存起来，并设置一个较短的过期时间，比如几分钟。这样后续相同的无效查询就可以直接从缓存中获取空值，而不会穿透到数据库。
2. 数据校验策略
   • 参数校验：在接收用户请求时，对传入的参数进行严格校验。比如商品ID必须是合法的数字且在合理的范围内，如果参数不合法，直接返回错误提示，不进行后续的缓存和数据库查询。
   • 权限校验：对于需要用户登录或特定权限才能访问的商品，在查询缓存和数据库之前，先进行权限校验。只有权限通过的请求才继续处理，防止恶意用户通过非法请求穿透缓存查询数据库。