1 缓存架构意义

缓存是什么？

将各种繁琐或简单的东西全部提取都一个大格子箱里面，下次拿的时候不需要慢慢找，直接快速的就能拿到。这是博主简单粗暴的理解。（没有那么多官方定义，有需要的可以去搜索一下），目的是它解决性能问题，同时能够支撑高并发，高可用。

缓存场景

放到软件开发里面，可以小到存储一些固定信息，定时保存数据、大到小型电商的页面静态化、大型电商商品详情页的缓存架构方案

缓存问题

注：这里针对电商详情页讲述缓存

页面静态化

通常的做法是有一套页面模板，每次数据改变，就自动或者手动的进行静态化html页面（通过模板引擎），然后挂到nginx服务器上，请求过来直接走html即可。如下图：

页面静态化

这里数据量小的时候，可以，完全没有问题，对于大数据量，模板或者数据一旦改变，那么就要重新静态化页面，数据量一亿呢，二亿等等，这事明显不靠谱

异步多级缓存构建+nginx数据本地化动态渲染的方案

既然页面静态化走不通，那思路是什么呢？针对大流量详情系统，可以采用目前比较常见的异步多级缓存构建+nginx数据本地化动态渲染的方案， 如下图所示：

基本思路.png

• 商品服务数据更新，通知mq,更新缓存服务监听到mq的通知后，调用商品服务更新数据到ehcache中，同时更新到redis
• web 请求过来，首先到nginx 本地cache 中找，不命中，到上一级redis，如果有，则取回，不过继续不命中，再向上一级ehcache请求数据
• ehcache 继续不命中，只能请求源数据了

虽然有了思路，但是距离架构方案落地还相差甚远，在具体实现上有诸多细节、难点需要解决。比如：

• 如何解决redis QPS的高并发、高可用、数据备份和恢复
• 如何更好实现 nginx + redis + ehcache 多级缓存架构，结合lua ，三级缓存架构
• 如何解决高并发下的数据库和缓存双写的数据不一致，即数据库、缓存双写解决方案
• 如何解决big value 缓存的全量更新效率低下情况，即缓存维度化拆分
• 如何提高缓存命中率，即双层nginx部署方案，lua实现一致性hash流量分发策略
• 如何解决缓存重建时的分布式并发重建冲突，即基于zookeeper锁的缓存并发重建
• 如何解决缓存冷启动Mysql瞬间打死，即基于storm的实时统计热数据分布式快速缓存预热
• 如何解决热点缓存导致单机器负载瞬间飙高，即基于storm实时热点缓存负载均衡降级
• 如何解决服务高可用、避免多层服务依赖中因少量故障导致系统崩溃，即hystrix 实现资源隔离+ 限流+降级+熔断+超时控制
• 如何解决缓存雪崩，即事前、事中、事后的解决方案
• 如何解决缓存穿透，避免mysql 压力过大，即缓存穿透
• 如何解决缓存失效，避免redis 集群压力过大，即缓存失效

以上问题都是缓存方案落地时需要解决的问题。
解决了以上问题，将拥有一个99.99%高可用、高并发的缓存方案，后续章节中将一一讲解以上的实现落地。

以上就是本章内容，如有不对的地方，请多多指教，谢谢！

为了方便有需要的人，本系列全部软件都在 https://pan.baidu.com/s/1qYsJZfY

下章预告：主要讲解 centos 集群搭建及ssh相互免密登录

作者：逐暗者 （转载请注明出处）