作者 陈彩华文章转载交流请联络 caison@aliyun.com

承接上一篇《了解分布式系统中的缓存架构(上)》，详情了大型分布式系统中缓存的相关理论，常见的缓存组件以及应使用场景，本文主要详情缓存架构设计常见问题以及处理方案，业界案例。

1 分层缓存架构设计

2 缓存带来的复杂度问题

常见的问题主要包括

• 数据一致性
• 缓存穿透
• 缓存雪崩
• 缓存高可使用
• 缓存热点
  下面逐一详情分析这些问题以及相应的处理方案。

数据一致性

由于缓存属于持久化数据的一个副本，因而不可避免的会出现数据不一致问题。导致脏读或者读不到数据的情况。数据不一致，一般是由于网络不稳固或者节点故障导致

问题出现的常见3个场景以及处理方案：

缓存穿透

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，如果这个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。

主要处理方案：

• 对结果为空的数据也进行缓存，当此key有数据后，清除缓存
• 肯定不存在的key，采使用布隆过滤器，建立一个大的Bitmap中，查询时通过该bitmap过滤

缓存雪崩

缓存高可使用

缓存能否高可使用，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使用，需要结合具体业务，具体情况进行方案设计，例如临界点是能否对后台的数据库造成影响。

主要处理方案：

• 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使用

缓存热点

少量特别热点的数据，高并发访问同一份缓存数据，导致缓存服务器压力过大。

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

3 业界案例

案例主要参考新浪微博陈波的技术分享

技术挑战

Feed缓存架构图

架构特点

新浪微博把SSD应使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作为L2缓存用，第一降低了MC/Redis成本过高，容量小的问题，也处理了穿透DB带来的数据库访问压力

主要在数据架构、性可以、储存成本、服务化等不同方面进行了优化加强

参考：

从0开始学架构 —— Alibaba 李运华

Java核心技术36讲—— Oracle 杨晓峰

微博Cache架构设计实践 —— 陈波

缓存在大型分布式系统中的最佳应使用 —— 侯忠好

缓存，并发升级的大坑？ —— 58沈剑

分布式缓存设计—— crossoverJie