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於一個基准

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並不簡單。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。

對於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Boolean cache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，調用方並不清楚其中的邏輯，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

在這里插入圖片描述
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，並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。