戳藍字“CSDN云計算”關注我們哦！

技術頭條：干貨、簡潔、多維全面。更多云計算精華知識盡在眼前，get要點、solve難題，統統不在話下！

??

作者：cnstonefang

轉自：?方丈的寺院

摘要

最近接手的代碼中遇到幾個緩存的問題，存在一些設計原則的問題，這里總結一下，希望可以對你有幫助

問題

問題1： 店鋪數據的獲取，將用戶關注的數據放在店鋪信息一起返回

對外提供的接口

List<Shop> getPageShop(final Query query,final Boolean cache);

返回的店鋪信息

public class Shop {

public static final long DEFAULT_PRIORITY = 10L;

/**

* 唯一標識

*/

private Long id;

//省略了店鋪其他信息

/**

* 用戶關注

*/

private ShopAttention attention;

}

當調用方設置cache為true時，因為有緩存的存在，獲取不到用戶是否關注的數據。

問題2： 統計店鋪的被關注數導致的慢SQL,導致數據庫cpu飆高，影響到了整個應用

SQL

SELECT shop_id, count(user_Id) as attentionNumber

FROM shop_attention

WHERE shop_id IN

<foreach collection="shopIds" item="shopId" separator="," open="(" close=")">

#{shopId}

</foreach>

GROUP BY shopId

這兩種代碼的寫法都是基于一個基準

不同的地方的緩存策略不一樣，比如我更新的地方，查找數據時不能緩存，頁面展示的查找的地方需要緩存。 既然服務提供方不知道該不該緩存，那就不管了，交給調用方去管理

這種假設本身沒什么問題，但是忽略了另外一個原則，服務的內聚性。不應該被外部知道的就沒必要暴露給外部

無論是面向過程的C，還是面向對象的語言，都強調內聚性，也就是高內聚，低耦合。單體應用中應當遵循這個原則，微服務同樣遵循這個原則。但是在實際過程中，我們發現做到高內聚并不簡單。我們必須要時時刻刻審視方法/服務的邊界，只有確定好職責邊界，才能寫出高內聚的代碼

問題分析

第一個問題，從緩存的角度來看，是忽略了數據的更新頻繁性以及數據獲取的不同場景。

對于店鋪這樣一個大的聚合根，本身包含的信息很多，有些數據可能會被頻繁更改的，有些則會很少更新的。那么不同的修改頻率，是否緩存/緩存策略自然不同，使用同一個參數 Booleancache來控制顯然不妥

第二個問題，這種統計類的需求使用SQL統計是一種在數據量比較小的情況下的權宜之計，當數據規模增大后，必須要使用離線計算或者流式計算來解決。它本身是一個慢SQL，所以必須要控制號調用量，這種統計的數據量的時效性應該由服務方控制，不需要暴露給調用方。否則就會出現上述的問題，調用方并不清楚其中的邏輯，不走緩存的話就會使得調用次數增加，QPS的增加會導致慢SQL打垮數據庫

解法

緩存更新本身就是一個難解的問題，在微服務化后，多個服務就更加復雜了。涉及到跨服務的多級緩存一致性的問題。

所以對大部分的業務，我們可以遵循這樣的原則來簡單有效處理。

• 對數據的有效性比較敏感的調用都收斂到服務內部（領域內部應該更合適），不要暴露給調用方， 領域內部做數據的緩存失效控制

• 緩存預計算（有些頁面的地方不希望首次打開慢）的邏輯也應該放在領域內控制，不要暴露給調用方。 在領域內部控制在不同的地方使用不同的緩存策略，比如更新數據的地方需要獲取及時的數據。比如商品的價格，和商品的所屬類目更新頻次不同，需要有不同的過期時間。

• 跨服務調用為了減少rpc調用，可以再進行一層緩存。因為這些調用可以接受過期的數據，再進行一層緩存沒問題，expired time疊加也沒多大影響（expire time在這邊主要是影響緩存的命中數）

以上述店鋪查詢問題改造為例擴展：如果后續有case在跨服務的調用時，對數據的過期比較敏感，并且在調用方也做了緩存，那就是跨服務的多級緩存一致性的問題。那就需要服務方告知調用方緩存何時失效，使用消息隊列or其他方式來實現。

參考

https://martin.kleppmann.com/2012/10/01/rethinking-caching-in-web-apps.html

福利

掃描添加小編微信，備注“姓名+公司職位”，加入【云計算學習交流群】，和志同道合的朋友們共同打卡學習！

推薦閱讀：

• 10 種最流行的 Web 挖掘工具 | 程序員硬核評測

• 《復聯4》| 生活需要漫威這塊糖

• 如何向 6 歲的孩子解釋編程？這個解釋厲害了

• “踏實工作 7 年，辭職時老板頭都不抬”

• 60倍回報! AI工程師用OpenAI創建了一個比特幣自動交易工具! 這里是詳細做法 | 技術頭條

• 賭5毛錢，你解不出這道Google面試題
  

真香，朕在看了！

總結

以上是生活随笔為你收集整理的微服务化后缓存怎么做？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。