上篇文章整个三级缓存的架构已经走通了；
但是遇到一个问题，如果缓存服务在本地的ehcache中都读取不到数据，就意味着，需要重新到源头的服务数据库中去拉去数据，拉取到数据之后，先给nginx的请求返回，同时将数据写入ehcache和redis中。在多个服务下，就会有重建缓存的并发冲突问题！
分布式重建缓存并发冲突
问题由来
-
重建缓存：数据在所有的缓存中都不存在了（比如LRU算法清楚），就需要重新查询数据写入缓存，重建缓存 -
分布式的重建缓存，在不同的机器上，不同的服务实例中，去做上面的重建缓存，就会出现多个机器分布式重建去读取相同的数据，然后写入缓存中。
分布式重建缓存的并发冲突问题…
解决方案
采用的方案和分发层nginx分流到应用层nginx原理一样。
- 之前已经实现流量均匀分布到所有缓存服务实例上；
应用层nginx，是将请求流量均匀地打到各个缓存服务实例中的，当业务增长，my-eshop-cache缓存服务，可能会部署多实例在不同的机器上
-
分发层nginx根据商品idhash后，发送请求到应用层nginx，实现固定商品id，走固定的缓存服务实例
之前分流请求用
分发层nginx的lua脚本，通过应用层nginx的地址列表，对每个商品id做一个hash，然后对应用nginx数量取模，将每个商品的请求固定分发到同一个应用层nginx上面去
-
当请求到
应用层nginx，发现自己本地lua shared dict缓存中没有数据的时候，采取一样的方式，对product id取模，然后将请求固定分发到同一个缓存服务实例中去。 -
这样的话，就不会出现说多个缓存服务实例分布式的去更新那个缓存了
-
源信息服务发送的变更消息，需要按照
商品id去分区，固定的商品变更走固定的kafka分区，也就是固定的一个缓存服务实例接受消息实现缓存重建。 -
缓存服务，是监听kafka topic的，一个缓存服务实例，作为一个kafka consumer，就消费topic中的一个partition，所以你有多个缓存服务实例的话，每个缓存服务实例就消费一个kafka partition
所以这里，源头信息服务，在发送消息到
kafka topic的时候，都需要按照product id去分区。
- 也就时说，同一个
product id变更的消息一定是到同一个kafka partition中的，即同一个product id的变更消息，一定是同一个缓存服务实例消费到的
很简单，
kafka producer api，里面send message的时候，多加一个product id参数就可以了。
- 问题是，自己写的简易的
hash分发，与kafka的分区，可能并不一致！！！
之前写的简易的hash分发策略，是按照crc32去取hash值，然后再取模的，
kafka producer的hash策略很可能是不一样的，可能导致说，数据变更的消息所到的缓存服务实例，跟应用层nginx分发到的那个缓存服务实例也许就不在一台机器上了
- 这样的话，在高并发，极端的情况下，可能就会出现冲突，分布式的缓存重建并发冲突问题发生…
基于zookeeper分布式锁
介绍
-
分布式锁：如果你有多个机器在访问同一个共享资源，你需要加个锁，让多个分布式的机器在访问共享资源的时候串行起来，这个锁，多个不同机器上的服务共享的锁，就是分布式锁。 -
分布式锁当然有很多种不同的实现方案，
redis分布式锁，zookeeper分布式锁； -
zk，做分布式协调这一块，还是很流行的，大数据应用里面，hadoop，storm，都是基于zk去做分布式协调
方案流程
zk分布式锁的解决并发冲突的方案
- 变更缓存重建以及空缓存请求重建，更新redis之前，都需要先获取对应
商品id的分布式锁； - 拿到分布式锁之后，需要根据
时间版本去比较一下，如果自己的版本新于redis中的版本，那么就更新，否则就不更新 - 如果拿不到分布式锁，那么就等待，
不断轮询等待，直到自己获取到分布式的锁