weixin_43831204的博客

先删除缓存，再更新数据库该方案在线程A进行数据更新操作，线程B进行查询操作时，有可能出现下面的情况导致数据不一致：线程A删除缓存线程B查询数据，发现缓存数据不存在线程B查询数据库，得到旧值，写入缓存线程A将新值更新到数据库这样一来，缓存中的数据仍然是旧值如果线程B执行的是更新操作，线程B查询得到的是旧值，A更新到数据库新值，然后B基于旧值计算写入了计算后的值，A的更新操作被抹去了，这种情况下属于更新数据事务原子性问题，需要用分布式锁来解决。先更新数据库，再删除缓存当缓存失效时，线程B原

常见的缓存淘汰策略是FIFO、LRU、LFU首先，我们来说说FIFO：FIFO，意思是First in First out，中文翻译为先进先出，新插入的数据放在FIFO队列的尾部，数据在FIFO队列中顺序移动，淘汰FIFO队列中头部的数据LRU：LRU，意思是Least Recently Used，中文翻译为最近很少使用，根据数据的历史访问记录来进行淘汰，如果数据最近被访问过，那么将来被访问的几率也就更高新数据插入链表的头部，每当缓存数据被访问，则数据移动到链表头部。当链表满的时候，将链表尾部

上一篇写到的guava的使用,但是扩展起来需要入侵业务代码不是很方便guava实现多级缓存(1)这里抽象了一层,需要扩展直接继承就好了,直接贴代码接口import java.util.Map;/** * wxy * @param <K> * @param <V> */public interface ILocalCache <K, V> { /** * 从缓存中获取数据 * @param key * @ret

1. 为何要使用多级缓存日常工作中，时常要面对抽奖活动，奖励发放，商品秒杀等大流量高并发的场景。高并发场景面对的第一个问题是DB的IO瓶颈。 这时比较通用缓存方式是加一层redis，用内存的性能来解决IO的瓶颈。但是引入Redis就一劳永逸了嘛？不是的，相对应的高并发场景又会引发Redis热KEY和大KEY的问题，造成带宽拉胯。这时可以在做一层本地缓存。那么问题又来了，本地缓存没有过期时间啊，因此就可以用GUAVA CACHE来解决，本质上他就是封装了一个过期时间，至于过期策略，一般有三种，定时删除