缓存是一种提高系统读性能的常见技术，对于读多写少的应用场景，我们经常使用缓存来进行优化。无论使用哪一种缓存技术，有些问题是缓存都要面临的。总结归纳一下。
名词解释:
缓存的命中率= 命中缓存请求个数/总缓存访问请求个数 = hit/(hit+miss)
缓存穿透
问题描述：
我们在项目中使用缓存通常都是先检查缓存中是否存在，如果存在直接返回缓存内容，如果不存在就直接查询数据库然后再缓存查询结果返回。这个时候如果我们查询的某一个数据在缓存中一直不存在，就会造成每一次请求都查询DB，这样缓存就失去了意义，在流量大时，可能DB就挂掉了。
解决思路：
将这个不存在的key预先设定一个值。比如，"key" , “&&”。
在返回这个&&值的时候，我们的应用就可以认为这是不存在的key，那我们的应用就可以决定是否继续等待继续访问，还是放弃掉这次操作。如果继续等待访问，过一个时间轮询点后，再次请求这个key，如果取到的值不再是&&，则可以认为这时候key有值了，从而避免了透传到数据库，从而把大量的类似请求挡在了缓存之中。
缓存并发
问题描述：
有时候如果网站并发访问高，一个缓存如果失效，可能出现多个进程同时查询DB，同时设置缓存的情况，如果并发确实很大，这也可能造成DB压力过大。
解决思路：
【1】我们会想到类似“锁”的机制，在缓存更新或者过期的情况下，先尝试获取到锁，当更新或者从数据库获取完成后再释放锁，其他的请求只需要牺牲一定的等待时间，即可直接从缓存中继续获取数据。
这个方法不靠谱，性能会很差。分布式情况下，如果只是单机使用锁，还是会有DB并发问题
【2】定期从DB里查询数据，再刷到缓存里面，确保缓存里面的数据一直可以读到。
这种方法有个缺点是，有些业务的key可能是变化的，不确定的。
【3】两个key，一个key用来存放数据，另一个用来标记失效时间。
比如key是aaa，设置失效时间为30s，则另一个key为expire_aaa，失效时间为25s。在取数据时，同时取出aaa和expire_aaa，如果expire_aaa的value == null，则后台启动一个任务去查询DB，更新缓存。对于后台启动一个任务去查询DB，更新缓存，要保证一个key只有一个线程在执行，这个如何实现？
对于同一个进程，简单加锁即可。拿到锁的就去更新DB，没拿到锁的直接返回。
对于集群式的部署的，如何实现只允许一个任务执行？可以使用分布式锁。
当get expired_aaa是null时，则add expired_aaa 过期时间由自己灵活处理。比如设置为3秒。
如果成功了，再去查询DB，查到数据后，再set expired_aaa为25秒。set aaa 为30秒。
综上所述，来梳理下流程：
比如一个key是aaa，失效时间是30s。查询DB在1s内。
put数据时，设置aaa过期时间30s，设置expire_aaa过期时间25s；
get数据时，multiget aaa 和 expire_aaa，如果expired_aaa对应的value != null，则直接返回aaa对应的数据给用户。如果expire_aaa返回value == null，则后台启动一个任务，尝试add expire_aaa，并设置超时过间为3s。这里设置为3s是为了防止后台任务失败或者阻塞，如果这个任务执行失败，那么3秒后，如果有另外的用户访问，那么可以再次尝试查询DB。如果add执行成功，则查询DB，再更新aaa的缓存，并设置expire_aaa的超时时间为25s。
这种方法的好处是从缓存里面查询数据的线程不受阻塞，同时查询db的线程不会多，即使在分布式不使用分布式锁，至多线程数也就是机器数
缓存失效
问题描述：
引起这个问题的主要原因还是高并发的时候，平时我们设定一个缓存的过期时间时，可能有一些会设置1分钟啊，5分钟这些，并发很高时可能会出在某一个时间同时生成了很多的缓存，并且过期时间都一样，这个时候就可能引发一当过期时间到后，这些缓存同时失效，请求全部转发到DB，DB可能会压力过重。
解决思路：
将缓存失效时间分散开，比如我们可以在原有的失效时间基础上增加一个随机值，比如1-5分钟随机，这样每一个缓存的过期时间的重复率就会降低，就很难引发集体失效的事件。
更新缓存 VS 淘汰缓存
什么是更新缓存：数据不但写入数据库，还会写入缓存
什么是淘汰缓存：数据只会写入数据库，不会写入缓存，只会把数据淘汰掉
更新缓存的优点：缓存不会增加一次miss，命中率高
淘汰缓存的优点：简单
先操作数据库 vs 先操作缓存
假设先写数据库，再淘汰缓存：第一步写数据库操作成功，第二步淘汰缓存失败，则会出现DB中是新数据，Cache中是旧数据，数据不一致。
假设先淘汰缓存，再写数据库：第一步淘汰缓存成功，第二步写数据库失败，则只会引发一次Cache miss。
所以结论是：先淘汰缓存，再写数据库
