面试题：缓存设计之内存数据库与缓存技术基础融合

数据存储架构：
- 主数据库（如关系型数据库 MySQL 等）存储用户信息的持久化数据，保证数据的完整性和可靠性。
- 使用内存数据库（如 Redis）作为缓存层，用于快速读取和写入经常访问的用户信息，减少对主数据库的压力。
读取流程：
- 应用程序首先尝试从 Redis 缓存中读取用户信息。如果缓存中存在该用户信息，则直接返回给应用程序，这样能快速响应请求。
- 如果缓存中不存在，应用程序从主数据库中查询用户信息，查询到后将数据写入 Redis 缓存，同时返回给应用程序。这样下次相同请求就可以从缓存中获取数据。
写入流程：
- 当有用户信息更新操作时，首先更新主数据库中的数据，确保数据的持久化保存。
- 然后根据选择的缓存更新策略，同步更新 Redis 缓存中的数据，保证缓存数据与主数据库数据的一致性。

高性能：Redis 基于内存存储，读写速度极快，能满足后端开发对缓存系统快速响应的需求。例如，它的读操作速度可达 10 万次/秒以上，写操作速度也能达到 8 万次/秒以上，大大提高了用户信息读取的效率。
丰富的数据结构：Redis 支持多种数据结构，如字符串（String）、哈希（Hash）等。对于用户信息缓存，可以使用 Hash 结构，将用户的不同属性存储为 Hash 的字段，方便进行部分更新和查询。例如，用户的姓名、年龄、邮箱等属性可以作为 Hash 的不同字段存储。
持久化机制：Redis 提供了 RDB（快照）和 AOF（追加式文件）两种持久化方式。即使服务器重启，也能通过持久化文件恢复数据，保证缓存数据的可靠性，减少因缓存数据丢失导致的大量数据库查询。
分布式支持：在大型后端系统中，往往需要分布式缓存。Redis 提供了 Redis Cluster 等分布式解决方案，能方便地进行横向扩展，提高缓存系统的容量和性能。

读写时同步更新（Write - Through / Read - Through）：
- 写操作：当有用户信息更新时，应用程序先更新主数据库，然后立即更新 Redis 缓存。这种方式能保证缓存数据与主数据库数据的强一致性，但在高并发写操作时，可能会因为要同时更新数据库和缓存，导致性能瓶颈。
- 读操作：应用程序先从 Redis 缓存读取数据，如果缓存中没有则从主数据库读取，读取到后将数据写入缓存。
异步更新（Write - Behind Caching）：
- 写操作：应用程序只更新主数据库，然后将缓存更新操作放入队列（如 RabbitMQ 等消息队列）中。由专门的异步任务从队列中读取缓存更新任务并执行，更新 Redis 缓存。这种方式在高并发写操作时性能较好，因为应用程序不需要等待缓存更新完成。但存在一定时间内缓存数据与主数据库数据不一致的问题，适用于对数据一致性要求不是特别高的场景。
失效策略（Cache - Aside）：
- 写操作：应用程序更新主数据库后，直接使 Redis 缓存中的对应数据失效（删除缓存数据）。下次读取该用户信息时，缓存中不存在，会从主数据库读取并重新写入缓存。这种方式实现简单，能保证最终一致性，但在缓存失效到重新写入缓存期间，每次读取都需要查询数据库，可能会增加数据库压力。

星途面试题库