对于高并发的系统，所有的请求都打在数据库上是不明智的选择。一般的做法是通过缓存来缓解数据库的压力。缓存是用于解决高并发场景下系统的性能及稳定性问题的银弹。最主要的就是要考虑到缓存的穿透性和数据一致性问题。
先来看一个示例：
这是一个简单应用缓存的示例，存在以下几个问题：
1：高并发的情况下，大部分请求会直接访问数据库。多线程的情况下，缓存还没及时写入，就会有大部分请求直接访问数据库。
2：业务逻辑与缓存之间解耦性太高。
先来解决第一个问题。就是利用锁的机制。但是要考虑加锁的地方，加的不对会导致性能问题，比如不能加到整个方法上。
接下来解决第二个问题，这就是解耦问题，让别的人也可以轻松使用这个缓存方法。那就是使用模板设计模式，做一个缓存模板。
调用方式：
目前为止，是一个相对比较完美的方案了。
但是作为架构师，眼界还需要再开阔一下，那就是需要实现一个更加方便的架构供更多的人灵活调用。给大家提示一下，借鉴Spring cache的思想使用AOP + Annotation等技术实现缓存与业务逻辑的解耦。
大概的流程如下：
1 . 获取到拦截方法的 @Cache 注解，并生成缓存 key；
2 . 通过缓存 key，去缓存中获取数据；
3 . 如果缓存命中，执行如下流程：
如果需要自动加载，则把相关信息保存到自动加载队列中；
否则判断缓存是否即将过期，如果即将过期，则会发起异步刷新；
最后把数据返回给用户。
4 . 如果缓存没有命中，执行如下流程：
选举出一个 leader 回到数据源中去加载数据，加载到数据后通知其它请求从内存中获取数据（拿来主义机制）；
leader 负责把数据写入缓存；如果需要自动加载，则把相关信息保存到自动加载队列中；
最后把数据返回给用户。
本文地址：https://blog.csdn.net/python8989/article/details/107487863
如对本文有疑问， 点击进行留言回复！！
我要评论
网友评论