面试题：Redis缓存失效策略对MySQL用户行为数据查询优化的影响

Question

在使用Redis缓存优化MySQL用户行为数据查询时，常用的缓存失效策略有哪些？不同的缓存失效策略会对用户行为数据查询产生怎样不同的影响，结合实际应用场景举例说明。

Answer 1

常用缓存失效策略

1. 定时失效：为每个缓存数据设置一个固定的过期时间。例如设置用户登录信息缓存30分钟过期。
2. 基于事件失效：当数据库中用户行为数据发生变化（如新增、修改、删除）时，主动使对应的缓存数据失效。比如用户发表了新评论，就将包含该用户评论列表的缓存数据失效。
3. LRU（最近最少使用）：当缓存达到最大容量时，移除最近最少使用的数据。例如在一个高并发的社交平台，用户行为数据量庞大，缓存空间有限，使用LRU策略淘汰长时间未被访问的用户行为缓存数据。

不同策略对用户行为数据查询的影响

1. 定时失效
   • 优点：实现简单，可控制缓存数据在一定时间后更新，保证数据的相对新鲜度。例如在一个电商平台，用户浏览商品的行为数据缓存设置1小时过期，即使数据在这1小时内有更新，也能维持相对稳定的查询性能，不会因频繁更新缓存导致性能开销过大。
   • 缺点：可能在过期时间内数据已发生变化，查询到的不是最新数据。如社交平台用户刚发布新动态，但由于缓存未过期，其他用户查询时看不到这条新动态。
2. 基于事件失效
   • 优点：能保证缓存数据与数据库数据实时一致。在银行系统中，用户资金变动行为数据发生改变时，立即让相关缓存失效，确保后续查询到的是准确的资金信息。
   • 缺点：实现相对复杂，对数据库的写操作会增加额外的缓存失效处理逻辑。如果高并发下处理不当，可能会导致缓存雪崩等问题。
3. LRU
   • 优点：能优先保留热点数据在缓存中，提高缓存命中率。在短视频平台，热门视频的用户点赞、评论等行为数据频繁被查询，使用LRU策略能保证这些热点数据一直在缓存中，快速响应查询请求。
   • 缺点：可能会将一些偶尔但重要的用户行为数据淘汰。例如某个小众兴趣社区，一些低频但关键的用户行为数据（如特定小众话题的讨论记录）可能因长时间未被访问而被LRU策略淘汰，再次查询时需要从数据库读取。