面试题：缓存设计之复杂分布式场景下缓存一致性优化

Question

假设你正在负责一个高并发、大规模的分布式电商系统的后端缓存设计，在该系统中，商品数据频繁读写，且要求缓存一致性极高。你会如何设计缓存一致性方案以确保系统的高性能和数据一致性，同时请考虑如何应对缓存雪崩、缓存穿透等问题？

Answer 1

缓存一致性方案设计

1. 读写策略
   • 读操作：先从缓存读取数据，如果缓存命中则直接返回；若缓存未命中，再从数据库读取，读取后将数据写入缓存，并设置合理的过期时间。
   • 写操作：采用“先更新数据库，再删除缓存”策略。更新数据库成功后，立即删除对应的缓存数据。虽然有短暂的数据不一致窗口，但在高并发电商场景下，相对“先删除缓存，再更新数据库”策略，能减少因缓存删除失败但数据库更新成功导致的数据不一致问题。同时，为了尽量缩短不一致窗口，可以为缓存设置较短的过期时间，促使数据尽快从数据库重新加载到缓存。
2. 使用分布式缓存同步机制：如使用 Redis 的发布 - 订阅（Pub - Sub）功能。当某个节点更新了数据库并删除本地缓存后，通过发布消息告知其他节点也删除相应缓存，确保各节点缓存一致性。

应对缓存雪崩

1. 设置不同过期时间：避免大量缓存数据在同一时间过期。对商品数据的缓存设置随机的过期时间，例如在原本设定的过期时间基础上，上下浮动一定的时间范围（如 1 - 10 分钟）。
2. 使用二级缓存：主缓存失效时，从二级缓存读取数据。二级缓存可以采用与主缓存不同的存储介质或策略，如使用本地内存缓存作为二级缓存，在主缓存（如 Redis）失效时，先从本地内存缓存获取数据，然后尽快从数据库加载数据到主缓存和二级缓存。
3. 缓存预热：在系统上线前，提前将热点商品数据加载到缓存中，并设置合理的过期时间，避免上线后大量请求同时查询数据库导致雪崩。

应对缓存穿透

1. 布隆过滤器：在查询数据前，先通过布隆过滤器判断数据是否存在。布隆过滤器可以快速判断一个数据一定不存在或者可能存在，对于一定不存在的数据直接返回，避免查询数据库。如果布隆过滤器判断可能存在，再去查询缓存和数据库。当数据库中新增数据时，同步更新布隆过滤器。
2. 空值缓存：当查询数据库发现数据不存在时，也将该空值缓存起来，并设置较短的过期时间。后续相同查询直接从缓存返回空值，避免重复查询数据库。