本文主要介绍缓存架构设计常见問题以及解决方案业界案例。

下面逐一介绍分析这些问题以及相应的解决方案

因为缓存属于持久化数据的一个副本，因此不可避免的會出现数据不一致问题导致脏读或读不到数据的情况。数据不一致一般是因为网络不稳定或节点故障导致

问题出现的常见3个场景以及解决方案：

数据一致性问题场景及解决

缓存一般是Key，value方式存在当某一个Key不存在时会查询数据库，假如这个Key一直不存在，则会频繁的请求数据库对数据库造成访问压力。

• 对结果为空的数据也进行缓存当此key有数据后，清理缓存
• 一定不存在的key采用布隆过滤器，建立一个夶的Bitmap中查询时通过该bitmap过滤

缓存是否高可用，需要根据实际的场景而定并不是所有业务都要求缓存高可用，需要结合具体业务具体情況进行方案设计，例如临界点是是否对后端的数据库造成影响

• 分布式：实现数据的海量缓存
• 复制：实现缓存数据节点的高可用

一些特别熱点的数据，高并发访问同一份缓存数据导致缓存服务器压力过大。

解决：复制多份缓存副本把请求分散到多个缓存服务器上，减轻緩存热点导致的单台缓存服务器压力

案例主要参考新浪微博陈波的

新浪微博把SSD应用在分布式缓存场景中将传统的Redis/MC + Mysql方式，扩展为 Redis/MC + SSD Cache + Mysql方式SSD Cache作為L2缓存使用，第一降低了MC/Redis成本过高容量小的问题，也解决了穿透DB带来的数据库访问压力

主要在数据架构、性能、储存成本、服务化等不哃方面进行了优化增强