深入理解分布式系统中的缓存架构(下)

承接上一篇《理解分布式系统中的深入式系缓存架构(上)》，介绍了大型分布式系统中缓存的理解相关理论，常见的分布缓存组件以及应用场景，本文主要介绍缓存架构设计常见问题以及解决方案，统中业界案例。存架

1 分层缓存架构设计

2 缓存带来的复杂度问题

常见的问题主要包括

数据一致性

缓存穿透

缓存雪崩

缓存高可用

缓存热点 下面逐一介绍分析这些问题以及相应的解决方案。

数据一致性

因为缓存属于持久化数据的深入式系一个副本，因此不可避免的理解会出现数据不一致问题。导致脏读或读不到数据的分布情况。数据不一致，统中一般是存架因为网络不稳定或节点故障导致

问题出现的常见3个场景以及解决方案：

缓存穿透

缓存一般是Key，value方式存在，构下当某一个Key不存在时会查询数据库，深入式系假如这个Key，理解一直不存在，分布则会频繁的请求数据库，对数据库造成访问压力。

主要解决方案 ：

对结果为空的云服务器数据也进行缓存，当此key有数据后，清理缓存

一定不存在的key，采用布隆过滤器，建立一个大的Bitmap中，查询时通过该bitmap过滤

缓存雪崩

缓存高可用

缓存是否高可用，需要根据实际的场景而定，并不是所有业务都要求缓存高可用，需要结合具体业务，具体情况进行方案设计，例如临界点是是否对后端的数据库造成影响。

主要解决方案 ：

分布式：实现数据的海量缓存

复制：实现缓存数据节点的高可用

缓存热点

一些特别热点的数据，高并发访问同一份缓存数据，导致缓存服务器压力过大。

解决 ：复制多份缓存副本，把请求分散到多个缓存服务器上，减轻缓存热点导致的单台缓存服务器压力

3 业界案例

案例主要参考新浪微博陈波的技术分享

技术挑战

Feed缓存架构图

架构特点

新浪微博把SSD应用在分布式缓存场景中，亿华云计算将传统的Redis/MC + Mysql方式，扩展为 Redis/MC + SSD Cache + Mysql方式，SSD Cache作为L2缓存使用，第一降低了MC/Redis成本过高，容量小的问题，也解决了穿透DB带来的数据库访问压力

迎工作一到五年的Java工程师朋友们加入Java架构开发：860113481

群内提供免费的Java架构学习资料（里面有高可用、高并发、高性能及分布式、Jvm性能调优、Spring源码，MyBatis，Netty,Redis,Kafka,Mysql,Zookeeper,Tomcat,Docker,Dubbo,Nginx等多个知识点的架构资料）合理利用自己每一分每一秒的时间来学习提升自己，不要再用"没有时间“来掩饰自己思想上的懒惰！趁年轻，使劲拼，给未来的自己一个交代！

主要在数据架构、性能、储存成本、服务化等不同方面进行了优化增强