高并发场景解决思路(2)

高并发场景解决思路(2)缓存

缓存特征

命中率:命中数/命中数+未命中数

最大元素(空间)

清空策略:FIFO,LFU,LRU,过期时间,随机等。

  • FIFO:先进先出策略,比较元素的进入缓存的时间,最先进入缓存的数据在缓存空间不足情况最先被清除,优先保障最新的数据,适合数据实时性要求高的场景。
  • LFU:最少使用策略,比较元素的命中次数,适合保障高频数据有效性的场景
  • LRU:最近最少使用策略, 比较元素最近被get的使用时间,适合保证热点数据有效性的场景
  • 过期时间:过期即清理

业务场景

  • 适合读多写少和实时性低的场景

缓存分类

  • 本地缓存:Guava Cache,成员变量,静态变量
  • 分布式缓存:Redis

主要介绍一下Redis在高并发下可能存在的问题:

缓存一致性


缓存穿透问题
  • 缓存空对象,空集合等,避免大量请求穿透到数据库
  • 单独过滤处理,对所有key可能为空的数据统一存放,在请求前拦截
缓存雪崩现象
  • 缓存集中失效可能导致缓存雪崩,因此可以使缓存失效时间错开。
  • 流量限流,熔断等方法

全部评论

相关推荐

北斗导航Compass低仿版:没必要写这么多东西,还是尽量浓缩成一页,自我评价,git和cursor Trae这些都可以去掉。实习经历的描述最好根据star法则改一下,别这么直白
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客企业服务