面试题：缓存设计：高并发场景下Memcached与Redis的性能优化策略

Question

假设在一个高并发的电商抢购场景中，同时使用Memcached和Redis作为缓存，如何针对它们各自的特性进行性能优化，以确保系统稳定运行，避免缓存击穿、缓存雪崩等问题？

Answer 1

Memcached性能优化及应对缓存问题策略

1. 性能优化
   • 合理设置缓存过期时间：避免大量缓存同时过期。对于不同商品的抢购缓存，设置有一定时间差的过期时间，如在商品抢购开始前一段时间批量加载缓存，然后为每个缓存项设置在抢购结束后1 - 5分钟内不同的过期时间，防止缓存雪崩。
   • 优化数据结构：Memcached以简单的键值对存储，尽量让键值对的数据量保持在合理范围，减少内存碎片。对于复杂商品信息，可先进行序列化处理，确保单个键值对大小不超过Memcached限制（一般1MB左右）。
   • 负载均衡：采用一致性哈希算法进行负载均衡，将缓存数据均匀分布在多个Memcached节点上，避免单个节点压力过大。例如使用Twemproxy这样的代理工具实现一致性哈希负载均衡。
2. 应对缓存击穿
   • 互斥锁：当某个商品的缓存过期，在从数据库加载数据时，使用互斥锁（如基于文件锁机制等）保证同一时间只有一个线程去查询数据库并更新缓存，其他线程等待。一旦缓存更新完成，等待的线程直接从缓存获取数据。
   • 热点数据永不过期：对于抢购的热门商品，设置缓存不过期，在商品抢购结束后手动删除缓存。同时，后台启动定时任务，每隔一段时间（如半小时）异步更新缓存中的商品信息。
3. 应对缓存雪崩
   • 缓存预热：在抢购开始前，预先将所有商品信息加载到缓存中，并设置不同过期时间。可以使用脚本或者定时任务在系统启动时完成这个操作。
   • 服务降级：当发生缓存雪崩，部分缓存无法获取时，启用服务降级策略。如对抢购商品提供“稍后重试”提示，避免大量请求直接压到数据库，保证核心业务的可用性。

Redis性能优化及应对缓存问题策略

1. 性能优化
   • 数据类型选择：根据不同场景选择合适的数据类型。例如对于商品库存可以使用Redis的INCRBY原子操作来减少库存，利用Hash类型存储商品详细信息，以提高存储和查询效率。
   • 持久化策略优化：采用混合持久化（AOF + RDB），结合AOF的实时性和RDB的恢复速度优势。在高并发抢购场景下，合理配置AOF重写频率，避免因频繁重写影响性能。
   • 集群优化：使用Redis Cluster实现分布式缓存，自动数据分片，提高读写性能和扩展性。通过合理配置节点数量和副本数量，在保证高可用的同时优化性能。
2. 应对缓存击穿
   • 使用Lua脚本：将查询缓存、判断缓存是否存在、查询数据库和更新缓存的操作封装在一个Lua脚本中，利用Redis的单线程特性，保证原子性操作，避免缓存击穿。
   • 设置二级缓存：在应用层设置二级缓存，当Redis中缓存过期，先从二级缓存获取数据（如果存在），同时启动异步线程更新Redis缓存，减少对数据库的直接访问。
3. 应对缓存雪崩
   • 过期时间随机化：为不同商品的缓存设置随机的过期时间，在抢购开始前一段时间内，将过期时间随机设置在抢购结束后的1 - 10分钟内，避免大量缓存同时过期。
   • Redis Sentinel 监控与自动故障转移：部署Redis Sentinel来监控主从节点状态，当主节点出现故障，自动将从节点提升为主节点，保证缓存服务的可用性，防止因某个节点故障引发缓存雪崩。