缓存怎么做到高可用,如何提高缓存的利用效率

使用缓存承担大部分的读压力，可以缓解数据库的查询压力，提升了保证系统稳定性。

分布式缓存高可用方案有三种：

• 客户端方案，一般称为 Smart Client 。通过指定一些数据分片和数据读写策略，实现缓存高可用。在客户端配置多个缓存节点，通过缓存写入和读取算法策略实现分布式，从而提高缓存的可用性。
• 中间代理方案，在客户端和缓存节点之间中间层，在性能上会有一定损耗，在代理层，代理层采用内置的高可用方案，帮助提升缓存系统的高可用，比如 Codis 使用 Sentinel 。
• 服务端方案，依赖组件实现， Memcached 只支持单机版，没有分布式 和 HA 方案，Redis 在 2.4 版本提供了 sentinel 方案可用自动主从切换。

实现方案主要有三种：

• 缓存分片
• 主从
• 多副本

通过分片算法常见的算法有 Hash 分片算法和一致性 Hash 分片算法。

Hash 分片算法：

三个缓存节点组成一个缓存集群，当有新的数据写入时，这个缓存 key 做 crc32 等 Hash 算法生成 Hash 值，得出存入缓存节点的序号。

算法缺点是，增删节点，如果缓存节点个数变化，这样计算出来的节点会发生变化，从而造成缓存失效。

使用一致性 Hash 算法可以很好的解决增删节点 ，导致命中率下降的问题。

• 缺点

1. 缓存节点在环上分布不均匀的问题，造成部分节点压力大。
2. 一致性 Hash 脏数据问题

其次，就是一致性Hash算法的脏数据问题。为什么会产生脏数据呢？比方说，在集群中有两个节点A和B，客户端初始写入一个Key为k，值为3的缓存数据到 Cache a中。 这时如果要更新k的值为4，但是缓存A恰好和客户端连接出现了问题，那这次写入请求会写入到 Cache B中。接下来缓存A和客户端的连接恢复，当客户端要获取k的值时，就会获取到存在 Cache a中的脏数据3，而不是 Cache B中的4。

它是一个单 master 单 slave的方案，但它的 master/slave都是可读写的，而且可以相互同步，如果 master坏掉， slave 侦测到连接断了，它会自动 listen而成为 master；而如果 slave 坏掉， master也会侦测到连接断，它就会重新 listen等待新的 slave加入.

Redis 支持主从部署，但是 Memcached 并不支持。主从及机制最大的问题是，当一个 Slave 宕机，有 Master 继续处理，提升了缓存的高可用性。

主从方式能够解决大部分场景，但是在极端流量情况下，不能承担所有流量， Slave 网卡带宽会是瓶颈。为解决这个问题，可以在 Master / Slave 直接增加一层副本。这样当有读请求时，先从副本中选取一个副本查询， 查询失败，查询 Master/Slave.

客户端能够给解决很多问题，但是不同语言间不通用，比如 Java, C, PHP 各需要一套客户端方案。 十分麻烦。

代理层无状态，主要负责读写请求路由功能，并且内置高可用逻辑。

Redis Sentinel 模式解决了主从 Redis 部署时的高可用问题，可在主节点宕机后自动将从节点提升为主节点。保证整体集群可用性。