面试题答案
一键面试缓存策略优化
- 多级缓存设计
- 一级缓存：使用进程内缓存，如Guava Cache。它的优点是访问速度极快，因为数据就在应用程序的内存空间内。适用于访问频率极高且数据变动相对不频繁的数据。例如，系统中的一些配置信息、很少修改的基础数据等。
- 二级缓存：采用Redis作为分布式缓存。Redis具有高性能、支持多种数据结构等特点。对于读写频繁的数据，Redis可以很好地承担缓存职责。同时，利用Redis的集群模式可以提高缓存的可用性和扩展性。例如，商品的基本信息（名称、价格等）可以存放在Redis中。
- 缓存过期策略
- 设置合理的过期时间：对于不同类型的数据设置不同的过期时间。对于变动频繁的数据，如实时库存，设置较短的过期时间，比如1 - 5分钟，以保证数据的一致性。对于相对稳定的数据，如商品介绍等，可以设置较长的过期时间，如1 - 2天。
- 缓存预更新：在缓存过期前，提前异步更新缓存。例如，使用定时任务或者基于事件驱动的方式，在缓存过期前10%的时间内，触发更新操作，避免缓存过期瞬间大量请求穿透到数据库。
- 缓存穿透、击穿和雪崩处理
- 缓存穿透：使用布隆过滤器（Bloom Filter）。在查询数据前，先通过布隆过滤器判断数据是否存在。如果布隆过滤器判断不存在，则直接返回，避免无效请求穿透到数据库。例如，在用户查询不存在的商品时，可以快速拦截。
- 缓存击穿：对于热点数据，设置永不过期，同时使用互斥锁进行更新操作。在更新数据时，只有获取到锁的线程才能更新，其他线程等待，更新完成后释放锁。例如，对于热门商品的缓存更新就可以采用这种方式。
- 缓存雪崩：对不同数据设置随机的过期时间，避免大量缓存同时过期。同时，采用服务降级和熔断机制，当数据库压力过大时，暂时返回兜底数据或者错误提示，保证系统的可用性。
读写分离优化
- 数据库层面
- 主从复制：使用MySQL等数据库的主从复制机制。主库负责写操作，从库负责读操作。主库将写操作记录通过二进制日志（binlog）同步到从库，从库通过重放这些日志来保持数据一致性。例如，订单写入操作在主库执行，订单查询操作在从库执行。
- 读写路由：使用中间件如MyCAT、Sharding - JDBC等进行读写路由。这些中间件可以根据SQL语句的类型（读或写）自动将请求路由到对应的主库或从库。同时，它们还支持分库分表等功能，进一步提高数据库的扩展性。
- 应用层面
- 读写分离配置：在应用程序的数据源配置中，配置主数据源和多个从数据源。在代码中，根据业务逻辑手动选择使用主数据源还是从数据源。例如，在Spring框架中，可以通过AOP切面或者自定义注解的方式，在写操作方法上使用主数据源，在读操作方法上使用从数据源。
- 读请求负载均衡：对于多个从库，采用负载均衡策略将读请求均匀分配到各个从库上。可以使用轮询、随机、加权轮询等负载均衡算法。例如，使用Netflix Ribbon等负载均衡组件来实现对从库的读请求负载均衡。
其他技术要点
- 异步处理
- 消息队列：引入消息队列如Kafka、RabbitMQ等。对于一些非实时性的写操作，如订单记录的持久化、日志记录等，可以将相关数据发送到消息队列，由消费者异步处理。这样可以减少主业务流程的响应时间，提高系统的并发处理能力。
- 异步缓存更新：在数据更新时，除了同步更新缓存外，还可以通过消息队列异步更新其他相关的缓存数据。例如，商品信息更新后，通过消息队列通知相关的缓存更新服务，异步更新商品详情页缓存、搜索结果缓存等。
- 优化锁机制
- 锁的粒度优化：虽然已经实现了细粒度化锁，但仍可以进一步评估锁的必要性和粒度。对于一些只读操作或者对数据一致性要求不高的操作，可以尝试不使用锁，以减少锁竞争带来的性能损耗。
- 锁的类型选择：根据业务场景选择合适的锁类型。例如，对于读多写少的场景，可以使用读写锁（Read - Write Lock），允许多个读操作并发执行，而写操作则独占锁。
- 监控与调优
- 性能监控：使用Prometheus、Grafana等工具对系统的各项性能指标进行监控，如缓存命中率、数据库读写性能、锁竞争情况等。通过实时监控数据，及时发现性能瓶颈。
- 参数调优：根据监控数据，对系统的各项参数进行调优。例如，调整Redis的缓存大小、MySQL的连接池大小、消息队列的消费者数量等，以达到最佳的性能表现。