1.什么是缓存
缓存就是数据交换的缓冲区，称为cache，是存储数据的临时地方，一般读写性能较高
典型例子就是在计算机的CPU和内存、磁盘。CPU的运算能力非常强大，运算速度已经远远超过内存或者磁盘读写数据的能力。但是先读到数据才能进行处理，那么数据读写能力较低就限制了CPU的性能。CPU内部添加缓存之后，就直接从缓存中读取数据进行计算，充分应用了CPU的性能。
缓存的应用场景
缓存的作用
- 降低后端负载
- 提高读写效率，降低响应时间（可应对更高并发的场景了）
缓存的成本
- 数据一致性成本（数据库数据更新了，缓存的数据还是旧数据，命中缓存就读到了旧数据，可能带来严重问题）
- 解决问题需要进行代码维护，维护成本较高
- 运维成本（集群模式的部署和维护、硬件成本）
添加redis缓存
2.缓存更新策略
针对 数据一致性 问题，提出了缓存更新策略，用来解决数据一致性问题、
更新策略主要分为三种
低一致性需求：使用内存淘汰机制
高一致性需求：使用主动更新，并以剔除超时时间兜底
主动更新策略：
Cache Aside Pattern：由缓存的调用者，在更新数据库时同时更新缓存
Read/Write Through Pattern：缓存与数据库整合为一个服务，由服务来维护一致性。调用者调用该服务，无需关心缓存一致性问题
Write Behind Caching Pattern：调用者只操作缓存，用其他线程异步将缓存持久化到数据库，保证最终一致
一般使用的主动更新策略是第一种，操作缓存和数据库时还需要注意三个问题
1.删除缓存还是更新缓存？
更新缓存：每次更新数据库都更新缓存，无效写操作较多
删除缓存：更新数据库时让缓存失效，查询时再更新缓存(有人访问才更新，延迟加载，写的频率更低，有效更新更多，适合选择的方案)
2.如何保证缓存与数据库的操作的同时成功或失败？保证操作原子性
单体系统，将缓存与数据库操作放在一个事务
分布式系统，利用TTC等分布式事务方案
3.先操作缓存还是先操作数据库
先操作缓存再操作数据库
正常情况
异常情况：
删除缓存很快了，更新数据库相对较慢，查写操作也快，所以上述情况发生概率是不小的
再看先操作数据库，后删除缓存
正常情况
特殊情况：缓存失效
场景：并发、缓存失效
1和4步骤是写缓存的操作，相比线程进行数据库的更新速度（写操作）来说，速度是极快的，因此这种情况不易发生（如果发生了，可以在加一个超时时间，超时后就删除了）
综上所述，这两种方案都有可能的发生线程不安全问题，但是方案二（先操作数据库，再删除缓存）更加安全
3.缓存穿透
请求到达redis为命中，然后请求到达数据库，也为命中。如果大量的不存在于数据库中的数据同时打到数据库，数据库很可能会难以承载而崩溃。
缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都打到数据库
解决方案：
缓存null值
优点：实现简单维护方便
缺点：额外的内存消耗（设置TTL ）、可能造成短期不一致（假如数据库真的插入了对应数据，之前redis写入的缓存是null，就数据不一致了，TTL过期后才能正确查询)
布隆过滤
4.缓存雪崩
缓存雪崩是同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量的请求到达数据库，带来巨大的压力
解决方案：
给不同的key的TTL添加随机值（控制过期时间）
利用redis集群提高服务的可用性（哨兵机制）
给缓存业务添加限流策略（拒绝服务，牺牲部分服务，保护数据库）
给业务添加多级缓存
5.缓存击穿
缓存击穿问题也叫做热点key问题，就是一个被高并发访问的并且缓存重建业务较复杂的key突然失效了，无数的请求访问会瞬间非数据库带来巨大的冲击
缓存重建的时间比较长，后续的所有请求都会打到数据库上
解决方案：
互斥锁
只有获取锁成功的现线程才能重建，其它线程等待（保证了数据一致性）
其它线程都在等待，性能比较差
逻辑过期
发现数据过期后，获取锁，交由另一个线程进行重建。然后返回旧的过期数据，别的线程也是如此，在重建完成前都返回过期数据，在重建完成后返回最新的数据。所有的请求不会直接打到数据库上、不能保证数据的一致性
对比
