作者 陈彩华
文章转载交流请联系 caison@aliyun.com
承接上一篇《理解分布式系统中的缓存架构(上)》，介绍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用场景，本文主要介绍缓存架构设计常见问题以及解决方案，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
- 缓存高可用
- 缓存热点
下面逐一介绍分析这些问题以及相应的解决方案。
数据一致性
因为缓存属于持久化数据的一个副本，因此不可避免的会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，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。
主要解决方案：
- 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，建立一个大的Bitmap中，查询时通过该bitmap过滤
缓存雪崩
缓存雪崩
缓存高可用
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，具体情况进行方案设计，例如临界点是是否对后端的数据库造成影响。
主要解决方案：
- 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用
缓存热点
一些特别热点的数据，高并发访问同一份缓存数据，导致缓存服务器压力过大。
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
技术挑战
Feed缓存架构图
Feed缓存架构
架构特点
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作为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、服务化等不同方面进行了优化增强
架构关注点
参考：
