分布式缓存

一 介绍下出现分布式缓存的背景

　　现在的程序开发越来越复杂，功能多，拆分为各个微服务板块。然后并发量大，每个服务板块又有配置集群。分布式缓存是为了解决web服务器与数据库服务器之间的瓶颈，如果访问流量大，那么这个瓶颈就越大，数据库的读取压力将会非常大，即使此时数据库已经做了读写分离。那么为了分担数据库的压力，我们需要将数据缓存起来，这是可以在业务层，缓存数据。

       其实在MVC每一个层次都会有缓存系统，

       1.web层一般采用静态页面的缓存，比如localstorage（同一浏览器内共享），sessionstorage(同一浏览器不同页面不能共享)，cookie还有些前端框架带有的缓存，比如VueX.但是这个有问题，就是数据不安全性

　　2.业务层采用内存nosql的数据库，比如redis,memcache

　　3.数据层，一般持久层框架比如hibernate,mybatis都有自己的缓存系统，介绍一下mybatis的缓存，它有一级缓存和二级缓存。

　　一级缓存是在sqlSession级别的，执行不一样的sql他的缓存不一样。

　　二级缓存是在命名空间mapper级别的，同一个mapper的缓存是共享的。顺序是写拿一级缓存再拿二级缓存。如果upate或insert的话，缓存都会被清空。

二 .采用redis实现分布式缓存

一般缓存都有这么个逻辑

 1.查找先查缓存中，有就取出来，没有去差数据库，查到后添加到缓存中

2.添加或修改时，清空对于key的缓存。

大型应用中，单利的redis肯定是不行的。所以会带来redis的集群。

其实redis环境的搭建使用有很多模式

1.分片模式：多个redis节点，采用redis池的模式，将多个redis节点组合起来，根据hash一致性算法hash（key）存储对对应的节点上，缺点是一个节点宕机会影响这个分片系统

2.哨兵模式：有监控和转移系统，如果一个节点宕机，哨兵会进行选举机制，选出另外一台机器作为主机工作。缺点：需要消耗资源部署哨兵系统，哨兵个数一般为奇数

3集群模式：也是多个节点构成一个集群系统，节点之间相互通信，每个节点都有2中节点身份，主节点，从节点。一般配置2主4从，3主6从模式。

　　　　　　主节点负责存储，从节点复制主节点数据，防止主节点宕机后，数据丢失。（数据持久化策略AOF与RDB）

　　　　　　RDB：redis会再一定时间范围内，进行数据备份（将内存数据持久化到磁盘中RDB文件），宕机后从当前节点的rdb文件进行同步。

　　　　　　默认持久化策略

　　　　　　A save 900 1   900秒内发生一次set操作时执行

　　　　　　B save 300 10

　　　　　　C save 60 10000’

　　　　　　优点：定时备份，消耗资源少

　　　　　　缺点：不能保证数据完整性，比如采用B策略，300内进行了8次set，突然宕机了，数据就没有写入磁盘

　　　　　　AOF：appendonly 改为yes 就会采用AOF配置模式

　　　　　　EverySec:每秒备份一次

　　　　　　Always：只要进行set操作就备份

　　　　　　No:30分钟备份一次 

　　　　　　集群的节点分配：集群将内存分配为16384个插槽，同样根据hash(key）将数据存储到固定的插槽。

　　　　　　集群内置有类似哨兵的性质，可以实现高可用，监控选举的特点。

三  使用缓存时会遇到很多不同的情况

　　1.缓存穿透：取数据时，缓存和数据库中都没有数据。

　　比如当攻击者传入查询参数id为-1,这时缓存中没有数据，去数据库中查找，会对数据造成很大的压力，因为数据中并没有这条数据，但是进行了全局查找

　　解决方法：业务层进行条件判断，比如 id<=0 直接拦截，拦截不符合逻辑的查询条件

　　2.缓存击穿：一般查询同一条数据的时候，并发量比较高，缓存中的数据过期了或者没有数据。会加大数据的压力

　　解决方法：设置热点数据永不过期

　　　　　　   查询添加双锁校验机制（有点类似分布式锁的实现过程，但不一样）。这样会牺牲用户的响应时间

　　3.缓存雪崩：缓存中含有大量过期的数据，与缓存击穿不同的时 这些并不是同一条数据。这样同样会造成数据库的压力大

　　解决方法：设置热点数据永不过期

　　　　　　　 不同数据设置不同过期时间，随机时间，防止同一时间出现过期现象

　　　　　　　采用分布式缓存数据部署，将不同热点数据部署在不同的节点的缓存数据库中