1. 何时需要考虑缓存一致性

缓存一致性主要在以下情况需要特别考虑：

• 读多写少场景：当数据读取操作远多于写入时，为了提高系统性能，通常会将数据缓存起来。但一旦数据源（如数据库）中的数据发生变化，就需要确保缓存中的数据也能得到相应的更新，以保持数据的一致性。

例子:

电商平台的商品详情页: 商品信息如价格、库存量通常读取频次远高于修改频次。当库存数量因订单生成而减少时，需要确保这一变更能快速反映到缓存中，否则用户看到的可能是过时的库存信息，导致超卖问题。此时，可以通过监听数据库的更新事件，触发缓存的更新机制来维持一致。

• 缓存击穿：大量并发请求访问刚好过期的缓存数据，如果没有合适的处理机制，可能会导致所有请求穿透到数据库，增加数据库压力。此时，通过预先加载或使用锁机制来避免击穿问题，保证缓存与数据库的一致性。

例子:

新闻网站的热点文章: 假设某篇文章突然成为热点，其缓存过期后，短时间内有大量请求涌入，若无适当处理，会导致所有请求直接查询数据库。为避免这种情况，可以采用提前刷新策略，即在缓存即将到期前，后台任务自动重新加载数据到缓存；或者使用“逻辑过期”策略，即使缓存过期，也先返回旧数据，并异步更新缓存

• 缓存雪崩：大量缓存同时失效，可能导致所有请求直接打到数据库上，造成数据库负载过高。设置合理的缓存过期策略（如添加随机过期时间）可以减轻雪崩效应。

例子:

社交应用的动态列表: 如果所有用户的动态数据缓存都设置了相同的过期时间，当这个时间点到达，所有请求都会直接打到数据库。为减轻这种雪崩效应，可以为不同的缓存项设置随机的过期时间范围，分散缓存失效时间点，从而避免集中失效造成的压力。

2. 何时需要用分布式锁，何时本地锁就足够了

• 分布式锁：在分布式系统中，当多个服务实例可能同时尝试修改共享资源（如数据库记录或缓存数据）时，需要使用分布式锁。例如，在高并发场景下，为了防止缓存击穿，确保只有一个线程能执行数据库查询并更新缓存，这时候分布式锁就显得尤为重要。@Cacheable注解中的sync=true就是一个简单的基于Spring Cache的同步控制，它利用了AOP代理实现类似锁的效果，以防止并发下的数据不一致，但其粒度相对粗且依赖于框架实现。

分布式锁具体例子:

• 秒杀系统: 在电商的秒杀活动中，成千上万的用户可能同时尝试购买同一件商品，这时需要确保库存的正确扣减。通过Redis分布式锁，可以确保同一时刻只有一个请求能够执行扣减库存的操作，其他请求则等待锁释放或失败，从而维护库存的准确性和交易的公平性。

• 本地锁：如果应用程序运行在单个JVM中，或者操作的数据仅对当前进程可见，那么使用本地锁（如Java的synchronized关键字或ReentrantLock）就足够了。本地锁可以提供更细粒度的控制，减少锁竞争带来的性能开销。但在微服务架构中，由于服务间的独立性，本地锁无法跨越服务边界，因此对于跨服务的资源访问控制，分布式锁是必要的选择。

本地锁具体例子:

• 单体应用的数据处理: 假设有一个单体应用负责处理报表生成任务，其中包含一个方法用于统计每日销售数据。因为这个方法可能被多个线程同时调用，使用Java的synchronized关键字或ReentrantLock可以确保在任何给定时间只有一个线程能够执行该统计逻辑，防止数据错乱。

总结来说，是否采用分布式锁取决于系统的部署架构（是否为分布式系统）、并发访问的程度以及对数据一致性的严格要求。在分布式环境下，特别是在处理全局共享资源时，分布式锁是确保数据一致性和防止并发问题的有效手段。而在单机环境或服务内部操作时，本地锁即可满足需求，实现简单且效率更高。