面试题：缓存设计之复杂业务场景下缓存失效策略动态调整

设计思路

监控商品热度：通过记录商品的浏览次数来衡量热度。利用Redis的原子操作，每次商品被浏览时，对对应的浏览量计数器进行自增操作。
划分热度区间：根据商品的浏览量将商品划分为不同的热度区间，例如高热度、中热度、低热度。可以设定不同的阈值来区分这些区间，比如高热度商品的浏览量在过去一小时内超过1000次，中热度在100 - 1000次之间，低热度小于100次。
动态调整缓存失效策略：
- 高热度商品：设置较长的缓存过期时间，如数小时甚至数天，以减少缓存失效带来的数据库查询压力，保证快速响应。
- 中热度商品：设置适中的缓存过期时间，如几十分钟到一小时不等，平衡缓存空间和响应速度。
- 低热度商品：设置较短的缓存过期时间，如几分钟，以便及时释放缓存空间给更热门的商品。
定时任务：定时（如每隔一段时间，例如15分钟）根据商品的热度重新划分区间，并调整对应的缓存失效时间。

实现步骤

记录浏览量：在商品详情页的后端代码中，当用户访问商品详情时，使用Redis的INCR命令对该商品的浏览量计数器进行自增。例如，假设商品ID为product:123，可以使用INCR product:123:views。
热度区间划分：编写一个脚本（如Python脚本结合Redis的Python客户端库），定期（如15分钟）执行。脚本遍历所有商品的浏览量数据，根据设定的阈值划分热度区间。例如：

import redis

r = redis.Redis(host='localhost', port=6379, db=0)
# 获取所有商品的浏览量
keys = r.keys('product:*:views')
for key in keys:
    views = int(r.get(key))
    product_id = key.decode('utf-8').split(':')[1]
    if views >= 1000:
        # 高热度商品
        r.setex(f'product:{product_id}:detail', 3600 * 24, r.get(f'product:{product_id}:detail'))  # 设置缓存过期时间为24小时
    elif views >= 100:
        # 中热度商品
        r.setex(f'product:{product_id}:detail', 3600, r.get(f'product:{product_id}:detail'))  # 设置缓存过期时间为1小时
    else:
        # 低热度商品
        r.setex(f'product:{product_id}:detail', 300, r.get(f'product:{product_id}:detail'))  # 设置缓存过期时间为5分钟

设置计划任务：使用操作系统的计划任务工具（如Linux下的crontab），定时执行上述脚本，实现缓存失效策略的动态调整。例如，在crontab中添加如下配置，每15分钟执行一次脚本：

*/15 * * * * python /path/to/script.py

面试题：缓存设计之复杂业务场景下缓存失效策略动态调整

知识考点

面试题答案

设计思路

实现步骤