1. Cache Aside Pattern（旁路緩存模式）??

?核心思想?：應用代碼直接管理緩存與數據的同步，分為讀寫兩個流程：

• ?讀取數據?：
  1. 先查本地緩存（如 Guava Cache）。
  2. 若本地未命中，則查 Redis。
  3. 若 Redis 也未命中，則從數據庫加載數據，并回填到本地緩存和 Redis。
• ?寫入數據?：
  1. 直接更新數據庫。
  2. ?刪除本地緩存和 Redis 中的相關數據?（避免舊數據殘留）。

// 偽代碼示例
public Data getData(String key) {// 1. 查本地緩存Data data = localCache.getIfPresent(key);if (data != null) return data;// 2. 查 Redisdata = redis.get(key);if (data != null) {// 回填本地緩存localCache.put(key, data);return data;}// 3. 從數據庫加載data = db.load(key);if (data != null) {localCache.put(key, data);redis.set(key, data);}return data;
}public void updateData(String key, Data newData) {// 1. 更新數據庫db.update(newData);// 2. 刪除緩存（本地 + Redis）localCache.invalidate(key);redis.delete(key);
}

?優點?：實現簡單，適用于讀多寫少的場景。
?缺點?：存在短暫不一致窗口（如寫入后需等待緩存過期）。

---

?2. 發布訂閱模式（Pub/Sub）??

?適用場景?：分布式系統中，多個應用實例需要同步緩存狀態。
?方案?：

1. 當數據更新時，發送消息到消息隊列（如 Redis 的 Pub/Sub 或 Kafka）。
2. 所有訂閱該主題的應用實例監聽到消息后，主動刪除本地緩存和 Redis 中的舊數據。

// 發布消息示例（更新數據時）
public void updateData(String key, Data newData) {db.update(newData);// 刪除 Redis 緩存redis.delete(key);// 發布失效事件redis.publish("cache-invalidation", key);
}// 訂閱消息示例（各實例啟動時訂閱）
redis.subscribe("cache-invalidation", (channel, message) -> {localCache.invalidate(message); // 刪除本地緩存
});

?優點?：解耦緩存失效邏輯，適合分布式系統。
?缺點?：消息可能丟失或延遲，需處理冪等性。

---

?3. 過期時間策略?

?核心思想?：為緩存設置合理的 TTL（Time-To-Live），依賴自動過期減少不一致時間窗口。
?適用場景?：對實時一致性要求不高，允許最終一致性的場景。
?優化點?：

• 通過隨機 TTL 避免緩存雪崩。
• 結合主動失效（如更新時刪除）縮短過期時間。

// 本地緩存設置 TTL
Cache<String, Data> cache = CacheBuilder.newBuilder().expireAfterWrite(5, TimeUnit.MINUTES) // 本地緩存 5 分鐘過期.build();// Redis 設置 TTL
redis.setex(key, 300, data); // Redis 緩存 5 分鐘過期

---

?4. 雙刪策略（Double Delete）??

?適用場景?：高并發寫操作場景，減少緩存臟數據。
?流程?：

1. 更新數據庫前，先刪除緩存。
2. 更新數據庫后，延遲一段時間再次刪除緩存（防止并發讀寫導致的臟數據）。

public void updateData(String key, Data newData) {// 第一步：刪除緩存localCache.invalidate(key);redis.delete(key);// 更新數據庫db.update(newData);// 第二步：延遲刪除（如通過異步線程）scheduleDelete(key, 1000); // 1 秒后再次刪除
}

---

?5. 讀寫鎖（Read-Write Lock）??

?核心思想?：通過鎖機制保證讀寫操作的原子性。
?方案?：

• 寫操作時加鎖，阻止其他讀寫操作。
• 讀操作時加讀鎖，允許多個并發讀取。

// 使用 Redis 分布式鎖（示例）
public void updateDataWithLock(String key, Data newData) {String lockKey = "lock:" + key;boolean locked = redis.setnx(lockKey, "locked", 10, TimeUnit.SECONDS);if (locked) {try {// 更新數據庫db.update(newData);// 刪除緩存localCache.invalidate(key);redis.delete(key);} finally {redis.del(lockKey);}} else {// 獲取鎖失敗，重試或返回錯誤}
}

---

?6. 本地緩存與 Redis 的協同設計?

• ?分層緩存?：本地緩存作為一級緩存，Redis 作為二級緩存。
  • 優先從本地緩存讀取，未命中則查詢 Redis。
  • 更新時同步刪除兩級緩存。
• ?熱點數據管理?：對熱點數據設置更短的 TTL 或主動推送更新。

---

?關鍵注意事項?

1. ?最終一致性?：多數場景下無需強一致，允許短暫延遲。
2. ?緩存穿透?：對空值或無效 Key 也進行緩存（如設置短 TTL）。
3. ?緩存雪崩?：設置隨機 TTL，避免大量緩存同時失效。
4. ?監控與告警?：通過統計信息（如?cache.stats()）監控命中率、延遲等指標。

---

?總結方案選擇?

?場景?	?推薦方案?
單機應用，低并發	Cache Aside + TTL
分布式系統，多實例	Pub/Sub + Cache Aside
高并發寫操作	雙刪策略 + 分布式鎖
允許最終一致性	TTL 過期 + 異步更新

通過結合業務需求，靈活采用上述策略，可以有效降低本地緩存與 Redis 的不一致風險。