面试题答案
一键面试缓存表存储引擎选择
- Redis：
- 优势：
- 高性能：基于内存存储，读写速度极快，能满足高并发查询需求。例如，简单的键值对查询操作可以在微秒级完成，非常适合处理大量的在线交易系统查询请求。
- 丰富的数据结构：支持字符串、哈希、列表、集合、有序集合等多种数据结构。对于交易系统中不同类型的数据，如用户交易记录（可使用哈希结构）、热门商品排序（可使用有序集合）等都能很好地存储和操作。
- 持久化机制：提供RDB（快照）和AOF（追加式日志）两种持久化方式，可在保证高性能的同时，确保数据在故障后恢复。
- 优势：
- Memcached：
- 优势：
- 简单高效：设计简单，专注于缓存，在纯内存缓存场景下性能卓越。它的内存管理机制高效，能够快速分配和回收内存空间，对于高并发的简单键值对查询有很好的支持。
- 分布式：支持分布式部署，可以通过增加节点来扩展缓存容量，以应对不断增长的查询负载。
- 优势：
索引优化
- 合理设计键：
- 业务相关性：键应与业务紧密相关且具有唯一性。例如在交易系统中，以订单号作为缓存键，可以快速定位到具体订单的相关信息，避免键冲突导致的数据覆盖。
- 简洁性：避免过长或复杂的键，减少存储和查询开销。比如，对于用户相关的缓存，可以采用“user:用户ID:数据类型”这样简洁且有逻辑性的键格式。
- 复合索引（对于支持复合索引的存储引擎，如Redis的哈希结构变相支持复合索引）：
- 场景应用：如果经常需要根据多个条件进行查询，可使用复合索引。例如，在商品查询中，经常需要根据商品类别和价格范围查询热门商品，可以将商品类别和价格相关信息组合在一个哈希键内，通过哈希结构的特性实现快速定位。
锁机制处理
- 乐观锁：
- 原理：乐观锁假设在大部分情况下，数据的并发修改不会发生冲突。在读取数据时不锁定数据，在更新数据时，检查数据在读取后是否被其他进程修改。
- 应用场景：适用于读多写少的场景，如交易系统中的商品浏览信息缓存。例如，在缓存商品浏览量时，每次读取浏览量数据不进行锁定，在更新浏览量时，通过版本号或时间戳等机制检查数据是否被修改，若未被修改则更新成功。
- 悲观锁：
- 原理：悲观锁假设数据在并发操作时一定会发生冲突，在读取数据时就锁定数据，其他进程无法同时访问该数据。
- 应用场景：适用于写多读少且数据一致性要求极高的场景，如交易系统中的资金账户缓存。例如，在对用户账户余额进行操作时，先获取锁，确保只有一个操作能对余额进行修改，避免出现余额不一致的问题。
避免缓存雪崩和缓存穿透
- 避免缓存雪崩：
- 设置不同过期时间：
- 原理：将缓存数据的过期时间分散设置，避免大量缓存数据在同一时间过期，导致瞬间大量请求直接穿透到数据库。
- 实现方式：在设置缓存过期时间时，采用随机时间加上固定时间的方式。例如，固定时间为30分钟，随机时间在0到10分钟之间，这样每个缓存项的过期时间就会分布在30到40分钟之间，减少了同时过期的可能性。
- 使用二级缓存：
- 原理：一级缓存失效时，先从二级缓存获取数据，避免直接访问数据库。
- 实现方式：可以使用不同存储引擎作为二级缓存，如一级缓存使用Redis，二级缓存使用Memcached。当Redis中的缓存失效时，先从Memcached中查找数据，若Memcached中也没有，则再访问数据库，并将数据依次更新到二级和一级缓存中。
- 设置不同过期时间：
- 避免缓存穿透：
- 布隆过滤器：
- 原理：布隆过滤器是一种概率型数据结构，它可以高效地判断一个元素是否在一个集合中。在缓存中使用布隆过滤器，先判断查询的数据是否可能存在于缓存或数据库中，若不存在则直接返回，避免无效查询穿透到数据库。
- 实现方式：在系统初始化时，将数据库中已有的数据（如商品ID、用户ID等）批量添加到布隆过滤器中。当有查询请求时，先通过布隆过滤器判断数据是否存在，若不存在则直接返回，大大减少无效查询对数据库的压力。
- 空值缓存：
- 原理：对于查询后数据库中不存在的数据，也进行缓存，不过设置较短的过期时间，避免下次同样的无效查询穿透到数据库。
- 实现方式：当查询数据在数据库中不存在时，将该查询的键值对（值可为特殊标识表示不存在）缓存起来，设置较短的过期时间，如1分钟。下次再有相同查询时，直接从缓存中获取，知道该数据不存在，而不需要访问数据库。
- 布隆过滤器：