異步更新緩存的邏輯

前言

高併發場景下使用緩存能夠有效下降併發QPS對於數據庫的壓力，可是使用緩存就必須面對數據一致性的問題。

高併發處理

有效利用java多線程特性並行計算，充分利用CPU資源。 在序列化處理上考慮更好的工具，好比以前數據是用XML，JSON存儲，隨着訪問量的飆升，CPU和帶寬帶來了很大的壓力，後來咱們本身定義了一種傳輸協議和序列化方案，一方面數據壓縮到原來的30%～40%，極大節約了寬帶，同時CPU的運算量大大下降，服務器數量也隨之減小。

好比咱們以前用Fastjson，正常狀況下確實解析很快，可是一旦併發量上來後，就會愈來愈吃內存，甚至JVM很快內存溢出。 緣由是Fastjson設計的初衷是先把整個數據裝載至內存，而後解析，因此執行很快，但會至關消耗內存。

因此Fastjson是有他適合的使用場景的，做爲架構師須要對本身的場景有很好的理解，在技術選型上有很好的取捨。

同時引入NIO解決過多長鏈接致使的系統穩定性和開銷問題。

消息隊列

爲完成數據異步更新到緩存，能夠採用消息隊列方式（主備AMQ）來管理異步任務。 異步更新緩存的核心邏輯是，如何判斷緩存過時。上圖中引入了一個Router。 舉個例子：運營會設置細化一個航班段的緩存有效期，好比北京到紐約，通常來講買機票的人很少，航班信息緩存幾天沒有問題，但若是是北京到上海，可能只能最多5分鐘了。

Router解決的複雜工做，咱們叫「去僞存真」。進行一些規則設計，這個規則設計須要很靈活，也能夠引入消息隊列進行異步化解耦，進行很好的讀寫分離。

總體系統流轉

當緩存系統相關數據過時後，前臺搜索告知MQ有實時搜索任務，MQ統一把異步任務交給Router，這是Router不會直接請求下游數據，而是找Node池。

Node池會動態分配一個Node節點給Router，最後Router查找Node節點映射的數據，最後異步更新到緩存數據。