面试题答案
一键面试1. 选择合适的缓存数据结构
- 哈希表（Hash Table）：适用于根据课程 ID 快速查找课程资料。它具有 O(1) 的平均时间复杂度，能快速定位缓存中的数据。例如在 Python 中可使用字典（dict），在 Java 中可使用 HashMap 来实现。
- 链表（Linked List）：若需要考虑数据的访问顺序，如实现最近最少使用（LRU）缓存淘汰策略时，链表可发挥作用。双向链表能方便地在 O(1) 时间内删除和移动节点。结合哈希表和双向链表可以高效实现 LRU 缓存，像 Java 中的 LinkedHashMap 就支持这种特性。
- 缓存数组：对于一些固定顺序或范围查询的场景，比如按照课程分类批量获取课程资料，数组结构可以按照分类索引来存储，直接通过索引获取数据，查询时间复杂度为 O(1) 。
2. 缓存分片
- 按课程 ID 取模分片：将课程 ID 对缓存服务器数量进行取模运算，根据结果将数据分配到不同的缓存服务器上。例如，有 5 台缓存服务器，课程 ID 为 123 的课程资料就被分配到
123 % 5 = 3号服务器上。这样可以实现数据的均匀分布，每个服务器承担大致相同的负载。 - 一致性哈希分片：为每个缓存服务器在哈希环上分配一个位置，对课程 ID 进行哈希运算后，将其映射到哈希环上。数据会被存储在顺时针方向遇到的第一个缓存服务器上。当增加或减少缓存服务器时，只有少量数据需要迁移，能更好地应对服务器的动态变化，降低缓存雪崩的风险。例如在分布式缓存系统 Memcached 中，一致性哈希是一种常用的分片方式。
3. 缓存预热
- 批量加载：在系统启动前，通过脚本从数据库中批量读取热门课程资料，并加载到缓存中。可以按照课程热度排序，优先加载热度高的课程。例如，在 Python 中可以使用
pymysql连接数据库，读取热门课程数据，再使用redis - py将数据写入 Redis 缓存。 - 后台异步预热：在系统启动后，通过后台任务（如使用 Celery 等任务队列）逐渐将课程资料加载到缓存中。这种方式不影响系统的正常启动，但可能在预热完成前，部分请求仍需从数据库读取数据。例如，设置定时任务每 5 分钟加载一定数量的课程资料到缓存，直到所有热门课程都被预热。
- 结合用户行为预热：分析历史用户行为数据，了解不同时间段、不同用户群体的课程访问模式。在相应的时间段或针对特定用户群体，提前预热他们可能访问的课程资料。比如，根据历史数据发现每天晚上 8 - 10 点是学生访问编程课程的高峰期，在每天晚上 7 点左右就提前预热相关编程课程资料。