学习笔记缓存篇（一）
1、如何解决热key
1、本地缓存
采用本地缓存的优点在于简单，扩容方便。但是会带来一致性的问题。
2、离散热点key
做法：结合当前节点的ip或者机器的MAC地址去得出一个固定值拼接在key后面。访问时也是根据key，到后端固定的edis上。
优点：不会出现热key（即数据不会过于倾斜某个节点）
缺点：每次更新和新增的时候都要去改动N个key
3、网关缓存+实时计算（推荐）
通过监控日志，结合流式计算，时间范围内统计，计算出超过一定阈值的热点key，时间时间窗口内（比如1分钟）访问增快，预判会成为热点key，放置到网关缓存里。当客户端请求过来时，先判断网关层是否包含当前key，存在的话直接从网关返回，
优点：nginx直连redis，性能非常高。
缺点：开发相对复杂
案例：
例如A 系统 给B系统引流，A系统的登录接口QPS 10w+ ，B系统 5000+。 用户同时登录B系统无法承接流量，可以采用方案3。首先通过分析log将一段时间内登录的用户，做一个已登录，然后将缓存写入网关缓存，从而减少B服务的压力。
二、Redis Big key
1、如何发现Big key
方案一：使用Redis自带的命令 redis-cli --bigkeys
这个命令可以帮助管理员找到可能导致性能问题的大键，并进行相应的优化。
使用时需要注意，redis-cli --bigkeys 在运行时可能会对 Redis 实例造成一定的负载，因为它会遍历整个键空间来查找大键。
客户端自己分装redis客户端，存储之前判断对象大小，大于阈值的打印相关日志。结合elk采集进行可视化监控
如何解决：
（1）直接删除，注意这里不要使用del key ，因为bigkey会导致阻塞，推荐使用lazy del 或者 unlink命令，异步的来删除bigkey
（2）选用合适的结构，例如某个对象字段太多则不使用string来存储。对对象进行拆分，例如使用hash，取的时候只取要用到的字段。
（3）优化存储架构，例如有着一个场景，大V的粉丝列表可能有几十万个用户，而普通用户的粉丝列表就几个，我们可以规定超过一定数量后，标记当前账号存储在不同的地方，避免和业务redis混用。（例如存到mongodb中）
三、分布式锁（Redis）
一、Redis+Lua脚本
二、Redlock
简单的来说就是向多个独立的Redis实力同时加锁，超过一半成功则加锁成功。
四、数据库和缓存
一、写数据
1、先写数据库再写缓存
最常用的，
2、Read/Write Throw（很少使用）
先写缓存再写数据库，应用把缓存作为主要数据源，数据库对于应用而言是透明的。更新数据库和从数据库读取都交由缓存来实现。
优点：写操作很快，一致性较高，缓存和数据库保持一致，缓存命中率高
缺点：读操作相对慢，如果没有命中缓存每次都会查询数据库。
应用场景：系统处理写操作频繁但是读操作不频繁的场景，例如云存储Ceph
3、Write Behind
被成为Write Back模式或者异步写入模式，一般较少使用，
如果有写操作则先写缓存，但是不会立即同步到数据库中，一般会把缓存中的数据更新到磁盘中，等后续有查询操作（或者隔一段时间）后再批量更新到数据库中。
优点：写速度非常快，不会对性能有影响，同时也避免了频繁更新数据库，提升了数据库性能，且数据一致性较高。
缺点：读操作较慢，由于异步更新数据库，可能会存在数据的延迟。
应用场景：用于数据读写比重较高的场景，如游戏中的用户积分，刚开始对写操作要求较高，后续查找比较少。