Java阶段五Day18

Java阶段五Day18

缓存方案

面试题整理

目标：

• 整理相关问题的话术，碰到问题

思路： 概念 是什么 原因 为什么 解决方案 如何解决

• 缓存雪崩：

  • 概念： 缓存在长期应用的系统中，存储了大量的高并发访问数据，一旦这些数据突然批量消失，访问吞吐的并发，到达数据库，导致数据库崩溃
  • 原因：
    • 大量数据超时时间固定，相同的
    • redis分片宕机（数据分布式）短时间造成雪崩，但是不会持续，也不会总是交给代码处理，因为高并发高吞吐的redis架构是cluster，保证集群高可用，数据的高可靠性
  • 解决方案：
    • 超时时间不要固定
    • 第二种代码不提供解决方案，最多降级处理（不重要的数据降级）

• 缓存穿透：

  • 概念： 缓存没有命中数据，同时数据库也没有命中数据，缓存穿透就出现了
  • 原因：
    • 故意造成，高并发请求，携带无效数据
    • 错误，误差
  • 解决方案：
    • 错误误差： 通过日志，监控
    • 故意： 引入过滤器（布隆过滤器），拦截根本不存在的数据.或者对于数据库查询为null的（临时数据），也存储到缓存（redis可能会因为大量故意访问，出现大量null数据）

• 缓存击穿：

  • 概念： 对于cache-aside缓存方案中，命中返回缓存，没命中查询数据库.如果没命中的数据是热点数据（并发高，访问高）可能造成大量线程在缓存都没有命中数据，都到数据库查询数据
  • 原因： 高并发访问热点数据，缓存方案cache-aside 造成的逻辑问题
  • 解决方案： 分布式锁.

  

  穿透和击穿的区别：

  1. 穿透是缓存没有，数据库也没有，击穿缓存没有，但是数据库有
  2. 都是高并发造成的影响，穿透更多的情况是大量不同数据，击穿针对少量（相同）业务数据（热点）

• 一致性

  • 批量一致性
    • 批量： 一次性处理大批数据
    • 解决方案： 预热同步.同步刷新
  • 增量一致性
    • 增量： 一次处理1条，几条数据，相比于批量百万，千万级别数据量，非常小的数据量

• 增量一致性场景： redis存储200万数据，有一条数据存储了一个电脑的商品信息，后台对这个电脑数据做了变更，原价在数据库200元-500元.

  • redis和mysql同步改（写，先写谁，后写谁）
    • 先写redis（200-500） 再写数据库（200-500）——问题数据库写失败
    • 先写数据库（200-500）再写redis（200-500）——处理事务问题
  • redis先删，mysql写
    • 造成高并发下的数据不一致问题（因为cache-aside缓存方案）

  

  • 采用双删（延迟双删）

  延迟双删和双删的区别，就是第二次删除redis的时候，是否要先等待1~3秒

  

项目功能

新增审核

业务流程图

账户

账户表格和ER图

账号服务功能

账号的创建

• 什么时候调用账号创建? 审核通过创建
• 调用方式：dubbo
• account provider角色 在account-server 有对外暴露的接口
• adapter层 实现这个接口，并且server启动时，支持dubbo运行

账号dubbo远程调用，检查调整的内容

第一步： 确定角色 谁是provider（admin server） account-server 谁是consumer worker-admin

第二步： dubbo配置

1. 依赖（当前在源代码基础上实现的配置，依赖一般不需要检查）
2. applicationContext
   1. dubbo：reference dubbo：service 代替原来自动配的注解 @DubboReference， @DubboService
   2. 其他标签都对应的yaml文件配置
3. provider 提供实现（accountRpcService 有没有添加@Service）
4. consumer 注入使用（@Autowired）

当前实现功能时序图（对应全景图）

https://sparrowzoo.feishu.cn/docx/My4mdlLuMovmQixHko4c6qXbnYc?from=from_copylink

抢单相关时序图

供应商和需求单

https://sparrowzoo.feishu.cn/docx/My4mdlLuMovmQixHko4c6qXbnYc?from=from_copylink

需求单是供应商通过远程调用提供的接口推送过来的

现在没有这个流程，在数据库直接准备可以抢的需求单

数据request_order表格 修改grab_status 抢单状态0 还没人抢 1 已经被抢了，version 0 1 表示版本（防止抢单多线程并发，导致抢单 多个师傅抢到一个订单）

附录

布隆过滤器

布隆工作流程（filter）

布隆过滤器缺点

• 批量新增到布隆，也可以增量新增，不能删除（重新清空预热）
• 判断存在的概率，有可能误判的。比如100万条，判断100万条存在。200条实际是不存在的，即：误差0.02%