11.1.1.3 读写链路与缓存策略
所属:全栈开发面试题库 / 11 跨领域综合场景题 / 11.1 全链路设计 / 11.1.1 全链路设计
11.1.1.3-001 一条读链路怎么设计?
一句话结论
读链路按「客户端 → 网关 → 应用 → 多级缓存(本地/分布式)→ 数据库」组织,优先命中缓存减少回源;查询路径、降级兜底与超时策略逐段明确,热点数据提前预热。
概念解释
- 多级缓存:本地缓存承接极热点,分布式缓存承接共享数据。
- 回源:缓存未命中时查库并回填。
- 兜底:下游不可用时返回默认/缓存旧值。
原理流程
- 入口校验参数与权限。
- 先查本地缓存,未命中查分布式缓存。
- 仍未命中查数据库,回填缓存。
- 下游异常走降级兜底与超时控制。
代码或图示
Client → 网关 → 应用
→ 本地缓存(Caffeine 类)
→ 分布式缓存(Redis 类)
→ 数据库(未命中回填)
异常:超时 / 旧值 / 默认兜底
常见误区
- 所有数据都进缓存:更新频繁、命中率低的数据缓存收益差。
- 缓存未命中直接打库:热点失效时回源风暴,需互斥重建。
追问
- 多级缓存一致性怎么处理?答:本地缓存短 TTL 或订阅失效事件,分布式缓存按旁路策略更新。
- 读链路瓶颈先看哪?答:缓存命中率、数据库 QPS、接口 RT 分位值。
11.1.1.3-002 一条写链路怎么设计?
一句话结论
写链路按「校验 → 业务规则 → 事务落库 → 缓存失效/更新 → 异步通知」组织,先保证数据库为准数据源,缓存通过失效或更新保持一致;写操作必须幂等,旁路副作用异步化。
概念解释
- 校验:参数、权限、业务规则、重复提交。
- 落库:事务内完成必须原子的写入。
- 缓存:删除或更新缓存,避免脏数据。
原理流程
- 参数与权限校验,幂等键防重。
- 领域规则校验后事务写库。
- 提交后失效/更新缓存。
- 发消息触发通知、积分等旁路动作。
代码或图示
请求 → 参数/权限校验 → 规则校验
→ 事务落库(含唯一约束)
→ 失效/更新缓存
→ MQ 异步通知/积分/统计
常见误区
- 先更新缓存再写库:库失败后缓存脏数据。
- 事务内同步发通知:拉长事务、阻塞主链路。
追问
- 写失败缓存怎么处理?答:以数据库为准,缓存按过期或下次回源修正;必要时延迟双删。
- 幂等怎么做?答:业务唯一键 + 唯一约束,重复请求返回同一结果。
11.1.1.3-003 缓存穿透是什么?怎么防?
一句话结论
穿透指查询不存在的数据,缓存与数据库都查不到,请求直达数据库;防护包括空值缓存、布隆过滤器拦截非法 Key、参数校验与恶意访问限流。
概念解释
- 成因:Key 不存在,每次都回源。
- 危害:数据库被无效查询打满。
- 防护:空结果缓存、布隆过滤、校验。
原理流程
- 拦截非法参数与不存在标识。
- 布隆过滤器判断 Key 是否可能存在。
- 未命中缓存时空结果短 TTL 缓存。
- 异常流量限流保护数据库。
代码或图示
查询 → 参数校验 → 布隆过滤器(不存在直接拒绝)
→ 缓存命中返回
→ 未命中查库 → 空结果短 TTL 回填
常见误区
- 空值缓存 TTL 过长:真实数据入库后长期读不到。
- 布隆过滤器不更新:新写入 Key 被误判不存在。
追问
- 布隆过滤器误判率怎么理解?答:可能把存在判为不存在(需更新),不会把不存在判为存在;误判率随容量与哈希数调整。
- 穿透和击穿区别?答:穿透查不存在的数据;击穿查存在但刚好失效的热点 Key。
11.1.1.3-004 缓存击穿怎么防护?
一句话结论
击穿指热点 Key 失效瞬间,大量并发同时回源查库;防护包括互斥锁/单飞重建、热点 Key 永不过期加异步刷新、提前预热与限流兜底。
概念解释
- 成因:热点 Key 过期,并发同时未命中。
- 危害:数据库瞬时被重复查询冲击。
- 手段:单飞重建、逻辑过期、预热。
原理流程
- 识别热点数据并预热。
- 缓存未命中时加锁,仅一个线程回源。
- 其余线程等待或读旧值。
- 热点数据逻辑过期,后台异步刷新。
代码或图示
热点 Key 失效 → 线程 A 抢锁回源重建
→ 线程 B/C 等待或读旧值
→ 重建完成回填缓存
逻辑过期:值带过期时间,后台刷新,前端不阻塞
常见误区
- 所有 Key 用同一把大锁:锁竞争严重,应按 Key 粒度。
- 重建失败不处理:缓存持续未命中,回源风暴不缓解。
追问
- 单飞(singleflight)是什么?答:合并并发相同请求,只发一次回源,结果共享给等待方。
- 热点永不过期有什么风险?答:数据长期不刷新,需后台任务主动更新与失效。
11.1.1.3-005 缓存雪崩怎么避免?
一句话结论
雪崩指大量 Key 同时过期或缓存节点故障,请求集中回源压垮数据库;防护包括过期时间加随机抖动、分批预热、多级缓存、限流降级与缓存集群高可用。
概念解释
- 成因:批量同时失效或节点宕机。
- 危害:回源流量洪峰冲击数据库。
- 手段:TTL 抖动、冗余、兜底。
原理流程
- 基础 TTL 上加随机偏移,避免同时失效。
- 热点数据分批预热。
- 本地缓存兜底,分布式缓存集群冗余。
- 回源超限时限流降级保护数据库。
代码或图示
TTL = 基础值 + 随机抖动(如 30min ± 5min)
缓存节点故障 → 本地缓存 + 限流回源
回源超限 → 降级返回旧值/默认值
常见误区
- 大批量数据设相同 TTL:集中过期形成雪崩。
- 缓存无高可用:单节点故障即整体回源。
追问
- 雪崩和击穿区别?答:雪崩是大面积同时失效/故障;击穿是单个热点 Key 失效。
- 缓存集群怎么做高可用?答:主从/哨兵或集群分片,故障转移,避免单点。
11.1.1.3-006 缓存与数据库一致性怎么保证?
一句话结论
常用旁路缓存(Cache-Aside):读时先缓存后库,写时先写库再删缓存;强一致要求高的场景结合延迟双删、订阅 binlog 失效或短 TTL 兜底;不存在分布式场景下的绝对实时一致,需按业务容忍度选策略。
概念解释
- 旁路缓存:应用显式读写缓存。
- 删除优于更新:避免并发更新产生脏值。
- 兜底:缓存过期后回源修正。
原理流程
- 读:缓存命中返回,未命中查库回填。
- 写:先提交数据库,再删除缓存。
- 并发风险场景用延迟双删或 binlog 订阅失效。
- 短 TTL 作为最终一致兜底。
代码或图示
读:Cache → Miss → DB → 回填 Cache
写:DB 提交 → 删 Cache
并发窗口:写库后删缓存前,并发读回填旧值
→ 延迟双删(删 → 短暂等待 → 再删)或订阅变更失效
常见误区
- 先更新缓存再更新数据库:库失败留下脏缓存。
- 要求缓存与库秒级强一致:旁路缓存有并发窗口,强一致场景应直接读库。
追问
- 延迟双删怎么做?答:写库前删一次,写库后延迟短暂时间再删一次,间隔覆盖并发读窗口。
- binlog 订阅怎么保证失效?答:订阅数据库变更事件,消费后删除对应缓存 Key,注意消息顺序与重试。
11.1.1.3-007 缓存 Key 怎么设计?
一句话结论
Key 按「业务前缀:实体:标识」组织,语义清晰、避免冲突;字段序列化稳定,控制 Key 长度与数量,敏感标识不进 Key;批量场景用 Hash 结构减少 Key 数量。
概念解释
- 命名分层:业务:类型:ID。
- 稳定性:序列化字段顺序固定。
- 规范:统一前缀便于排查与批量管理。
原理流程
- 定义业务前缀规范。
- 拼接实体类型与唯一标识。
- 结构化数据选 Hash/对象结构。
- 避免敏感信息与超长 Key。
代码或图示
user:profile:10086
order:detail:202611190001
商品库存 hash:stock:{sku_id} → 字段存数量
常见误区
- Key 含义不明:排查时无法判断归属业务。
- 序列化格式不稳定:字段顺序变化导致 Key/值错乱。
追问
- 批量对象用什么结构?答:对象少用 String,字段多用 Hash;集合注意大 Key 拆分。
- 大 Key 有什么危害?答:阻塞缓存线程、网络传输慢、迁移卡顿,需拆分与监控。
11.1.1.3-008 本地缓存和分布式缓存怎么配合?
一句话结论
本地缓存承接极热点、低延迟访问,分布式缓存承接多实例共享数据;本地缓存容量小、TTL 短并监听失效事件,热点分层减少远程访问,同时控制本地脏数据窗口。
概念解释
- 本地:进程内,访问快,不共享。
- 分布式:跨实例共享,容量大。
- 分层:本地命中即返回,未命中走分布式。
原理流程
- 按热点程度与一致性要求分层。
- 本地缓存设小容量与短 TTL。
- 数据变更发布失效事件,各实例清理本地。
- 监控两层命中率。
代码或图示
请求 → 本地缓存(热点、短 TTL)
未命中 → 分布式缓存
未命中 → DB 回填
变更 → 事件通知 → 清理各实例本地缓存
常见误区
- 本地缓存长期不失效:多实例间数据不一致。
- 本地缓存放大量数据:挤占进程内存,影响应用。
追问
- 本地缓存用什么实现?答:Caffeine 类带容量与过期策略的进程内缓存,避免无界 Map。
- 失效事件怎么传播?答:MQ/发布订阅广播,消费端清理本地 Key,注意重复与遗漏兜底。
11.1.1.3-009 热点数据怎么识别与预热?
一句话结论
热点按访问频次、QPS 集中度识别(监控 Top Key、慢查询与流量分布);大促/活动前按预期流量预热缓存,避免冷启动集中回源;预热数据分层分批,观察命中率后放量。
概念解释
- 识别:访问频率、集中度、突发增长。
- 预热:上线/活动前主动加载热点数据。
- 分批:控制预热回源压力。
原理流程
- 监控统计 Key 访问 Top 榜。
- 结合活动预期圈定预热清单。
- 限速批量加载缓存。
- 上线后观察命中率与回源量。
代码或图示
监控:Top Key QPS / 命中率 / 回源量
预热:活动商品 → 分批写缓存(限速)
验证:命中率达标 → 放量;未命中 Key 补预热
常见误区
- 全量预热:浪费内存且大部分数据访问不到。
- 预热后不监控:热点转移后缓存未跟上。
追问
- 热点 Key 单 Key 打满怎么办?答:拆分 Key 加后缀分片,或本地缓存承接,分散到多节点。
- 预热失败怎么兜底?答:限流回源 + 旧值返回,避免数据库被冲垮。
11.1.1.3-010 缓存容量与淘汰策略怎么选?
一句话结论
按数据量、命中率与内存上限规划容量;淘汰策略按访问模式选择(LRU 保最近使用、LFU 保高频),设置上限防止无界增长;容量水位监控告警,淘汰不影响核心数据。
概念解释
- 容量:Key 数量 × 单值大小 + 开销。
- 淘汰:内存不足时移除策略。
- 水位:预留余量,避免频繁淘汰。
原理流程
- 估算缓存数据量与单值大小。
- 设置最大容量与淘汰策略。
- 监控内存水位与命中率。
- 超水位扩容或清理冷数据。
代码或图示
容量估算:Key 数 × 平均值大小 × 冗余系数
策略:LRU(最近使用)/ LFU(高频保留)
水位:使用率超阈值告警,预留扩容空间
常见误区
- 缓存不设上限:内存持续增长拖垮进程/节点。
- 淘汰策略与访问模式不匹配:低频数据占用热点空间。
追问
- 缓存内存满了会怎样?答:触发淘汰,命中率下降;极端情况节点 OOM 或拒绝写入。
- 热点数据怎么防淘汰?答:识别后永不过期或提高优先级,配合后台刷新。
11.1.1.3-011 读写分离与主从延迟怎么处理?
一句话结论
读流量分摊到从库,写走主库;主从复制存在延迟,强一致读(刚写后读)需走主库或按策略等待;监控复制延迟,延迟超阈值时告警并调整读路由。
概念解释
- 主库:写入与强一致读。
- 从库:分担读流量。
- 延迟:复制传播时间差。
原理流程
- 写请求路由主库。
- 读请求按一致性要求路由从库/主库。
- 监控 seconds_behind 类复制延迟。
- 延迟超限将读切回主库或等待同步。
代码或图示
写 → 主库 → 复制 → 从库 A / B
读:普通查询 → 从库;刚写入后读 → 主库
延迟监控:复制延迟超阈值 → 告警 + 读路由调整
常见误区
- 所有读都走从库:刚提交的数据可能读不到。
- 忽视延迟监控:从库落后导致业务读到旧数据。
追问
- 怎么判断主从延迟?答:看复制延迟指标,或主库写时间戳比对从库读到的值(按技术栈工具确认)。
- 读写分离解决什么瓶颈?答:分摊读压力,写瓶颈仍需分库分表或优化。
11.1.1.3-012 列表与详情查询怎么建模?
一句话结论
详情按主键/唯一标识点查走缓存;列表按筛选条件建模索引与排序,避免跨表关联;列表数据可缓存聚合结果,变更时失效;大列表分页加载,不一次性拉全量。
概念解释
- 详情:点查,缓存命中率高。
- 列表:条件筛选 + 排序,索引匹配。
- 聚合:列表页可预计算或缓存结果。
原理流程
- 详情走缓存点查。
- 列表按查询条件设计组合索引。
- 高频列表缓存聚合结果,变更失效。
- 分页控制返回规模。
代码或图示
详情:GET /item/{id} → 缓存 → DB
列表:WHERE category=? AND status=? ORDER BY created_at DESC
索引:(category, status, created_at)
列表缓存:变更后失效,分页回源
常见误区
- 列表查询多表关联:查询慢且索引难优化。
- 缓存动态条件列表:条件组合多,命中率低。
追问
- 列表缓存怎么失效?答:关联数据变更时删除对应列表 Key,条件复杂时缩短 TTL 兜底。
- 排序字段怎么选索引?答:等值条件在前,排序字段在后,遵循最左前缀。
11.1.1.3-013 深分页问题怎么解决?
一句话结论
OFFSET 深分页扫描大量行,越翻越慢;改用游标/键集分页(以上一页最后一条的排序值为条件),或用搜索引擎承接复杂分页;总计数按需延迟计算。
概念解释
- 偏移分页:跳过前 N 行,深翻扫描成本高。
- 游标分页:按排序键定位,避免扫描跳过行。
- 适用:按时间/ID 有序的列表。
原理流程
- 评估分页深度与排序字段。
- 深分页改键集游标查询。
- 复杂条件检索走搜索引擎。
- 总数按业务需要异步估算。
代码或图示
-- 偏移分页(深翻慢)
SELECT * FROM items WHERE category=? ORDER BY id LIMIT 20 OFFSET 10000;
-- 键集游标
SELECT * FROM items WHERE category=? AND id < :last_id ORDER BY id DESC LIMIT 20;
常见误区
- 大偏移量分页上线后才发现慢:评审阶段按数据量评估。
- 游标分页用于无序排序:键集条件失效。
追问
- 跳页需求怎么支持?答:跳页场景保留偏移分页但限制深度,或走搜索引擎;无限滚动用游标。
- 总数怎么算快?答:精确计数成本高时按业务接受度用估算值或异步统计。
11.1.1.3-014 缓存降级与回源策略怎么设计?
一句话结论
缓存故障或命中率下降时,按保护数据库目标限流回源、返回旧值/默认值、降低非核心查询;回源并发按 Key 粒度控制,降级策略预先配置并可开关切换。
概念解释
- 降级:牺牲部分新鲜度保核心可用。
- 回源控制:并发与速率限制。
- 兜底:旧缓存、默认值、静态页。
原理流程
- 监控命中率与回源量。
- 超阈值触发回源限流。
- 非核心查询降级返回旧值/默认。
- 缓存恢复后逐步放开回源。
代码或图示
缓存不可用 → 限流回源(单 Key 并发上限)
→ 读旧值/静态兜底 → 非核心接口降级
缓存恢复 → 观察命中率 → 逐步放开流量
常见误区
- 缓存挂掉直接全量打库:无保护措施导致数据库雪崩。
- 降级不可配置:应急时改代码来不及。
追问
- 降级返回旧值怎么告知用户?答:按业务需要标注数据时间或提示稍后刷新。
- 回源限流怎么设?答:按数据库可承载 QPS 反推回源上限,超排队或拒绝。
11.1.1.3-015 接口聚合与 N+1 问题怎么治理?
一句话结论
N+1 是循环内逐条查询关联数据;治理改为批量查询/关联加载,一次取出聚合后组装;接口聚合调用下游时合并请求、控制并发与超时,避免串行调用拉长 RT。
概念解释
- N+1:1 次主查询 + N 次关联查询。
- 批量:IN/关联查询一次取回。
- 聚合:多下游并行调用后合并结果。
原理流程
- 审查循环内是否触发查询/远程调用。
- 改批量加载并按主键分组组装。
- 多下游调用并行化,设超时与降级。
- 监控接口 RT 与下游调用次数。
代码或图示
差:for (item : items) { 查作者(item.authorId); }
好:authors = batchGet(ids); map 分组后组装
聚合:并行调用 A、B、C → 合并结果,各自超时隔离
常见误区
- 批量 IN 列表过长:分批处理,避免超大查询。
- 聚合接口串行调用下游:RT 叠加,应并行并隔离失败。
追问
- ORM 怎么发现 N+1?答:开启 SQL 日志/监控统计查询次数,评审检查循环内懒加载。
- 下游部分失败怎么办?答:按业务返回兜底值或局部失败,不拖垮整体接口。
11.1.1.3-016 读写链路容量与瓶颈怎么判断?
一句话结论
读瓶颈看缓存命中率、数据库读 QPS 与 RT;写瓶颈看数据库写 TPS、连接池、锁等待与下游异步堆积;按峰值需求对比单实例能力定位缺口,压测验证拐点。
概念解释
- 读指标:命中率、回源 QPS、查询 RT。
- 写指标:写入 TPS、连接占用、锁等待、MQ 积压。
- 缺口:需求 ÷ 单实例能力。
原理流程
- 估算读写峰值需求。
- 采集链路各段指标。
- 对比单实例能力算缺口。
- 压测定位拐点与最先饱和环节。
代码或图示
读:命中率 ↓ / 回源 QPS ↑ / 慢查询多 → 读瓶颈
写:TPS 到上限 / 连接池满 / 锁等待 / MQ 积压 → 写瓶颈
常见误区
- 只看平均 RT:长尾与并发下的瓶颈被掩盖。
- 不区分读写瓶颈:优化手段不同。
追问
- 写瓶颈先优化什么?答:索引、事务粒度、批量写入、锁竞争,再考虑扩容分库。
- 读瓶颈优化顺序?答:缓存命中率 → 索引/查询 → 读扩展。
11.1.1.3-017 缓存监控要看哪些指标?
一句话结论
监控命中率、Key 数量与内存水位、连接数、淘汰数、慢查询/大 Key、回源量与热点 Top Key;命中率与水位异常告警,缓存故障时能快速定位是容量、热点还是节点问题。
概念解释
- 命中:命中率、未命中回源量。
- 资源:内存、Key 数、连接、淘汰。
- 风险:大 Key、热 Key、慢命令。
原理流程
- 采集命中与回源指标。
- 监控内存/Key 水位与淘汰。
- 扫描大 Key、热 Key 与慢命令。
- 异常阈值告警并接入链路看板。
代码或图示
命中率 / 回源 QPS
内存水位 / Key 数 / 淘汰次数
连接数 / 慢命令 / 大 Key / 热点 Top Key
常见误区
- 只监控缓存存活不看命中率:缓存失效但节点存活,问题被掩盖。
- 无大 Key 监控:大 Key 突发阻塞缓存。
追问
- 命中率低怎么排查?答:看数据更新频率、过期策略、Key 设计与预热情况。
- 缓存告警怎么联动?答:命中率下降、回源升高时联动数据库限流与降级开关。
11.1.1.3-018 典型商品详情读链路怎么设计?
一句话结论
商品详情走多级缓存点查:本地缓存承接极热点,Redis 存商品详情与库存摘要,未命中回源数据库并回填;库存、价格等易变信息单独缓存短 TTL 或实时校验,变更主动失效,详情接口聚合商品、库存、营销信息并隔离下游失败。
概念解释
- 静态信息:标题、图片、描述,长 TTL 缓存。
- 易变信息:价格、库存、活动,短 TTL 或实时。
- 聚合:多来源并行组装,失败兜底。
原理流程
- 请求先查本地缓存,再查 Redis。
- 未命中查库回填商品详情。
- 库存/价格按独立缓存或下游获取。
- 聚合返回,下游失败返回兜底并记录。
代码或图示
详情请求
→ 本地缓存 → Redis 商品详情
→ DB 回填(标题/图片/描述)
→ 库存/价格/营销(独立缓存或下游,短 TTL)
→ 聚合返回;下游失败用兜底值
变更:商品/库存/价格 → 主动失效对应 Key
常见误区
- 详情缓存含全量易变字段:价格库存更新后读旧值。
- 聚合接口全部下游串行:RT 叠加,应并行隔离。
追问
- 库存超卖在详情链路要防吗?答:详情只展示可售状态,扣减在下单链路用唯一约束/原子扣减保证。
- 详情缓存怎么预热?答:活动前批量加载热点商品,上线后按 Top Key 补预热。