vlambda博客
学习文章列表

接上篇文章《》，分析了Springcache 缓存源码以及使用规范。本篇文章结合实际项目中应用场景，讲述缓存策略以及开发过程中的细节。

项目中的问题

项目A中2个关键key各35w个，key1对应的val包含：基本配置信息、控制流程信息、运营策略信息等等，对象中约70个字段信息，用于业务逻辑处理和上层返回数据的组装。每次的请求经过缓存模版判断、更新等一系列操作。

通过Client请求类型分别讲述项目中缓存策略：

日常1wQPS，通过监控统计发现80%的key并不活跃， 试想每次Write请求要将多个关联对象组装进行缓存且key调用频次低，这种冷数据缓存的同步更新影响资源消耗。此外还应考虑到Cache更新失败的情况，造成数据不一致的情况。

解决方案

根据实际项目中缓存场景，降低操作的复杂度，采用Cache Aside Pattern 下的一种缓存策略。不同点：

当前缓存策略模式基于懒加载的思想，在Spring、Mybatis中都有这种思想。只有用到对应的key才进行缓存，高频次下key的修改，很好的避免的资源的浪费。SpringCache 操作方式,指定要删除的key～

分布式缓存设计，结合实际业务场景，降低业务复杂度，避免过度设计。良好的缓存设计不仅可以提高Cache的响应速度，还提升业务场景的复用和拓展。

多级缓存一致性问题

在版本更新迭代和体量增加的过程中， 采取本地缓存+Redis的形式避免缓存穿透。项目分布式集群部署，Write请求更新Redis缓存，Node节点上的本地缓存数据不一致的情况。那么该如何解决这种情况呢？欢迎大家讨论～