11.1 缓存更新策略
分别从使用场景、一致性、开发维护成本三个角度分析三种缓存更新策略。
1 LRU/LFU/FIFO 淘汰策略
使用场景：当缓存的大小超过了设置的内存最大值时，需要根据淘汰策略对多出的数据进行清除；
一致性： 一致性较差， 清除的数据是由淘汰策略算法决定；
开发成本：开发成本较低，只需要设置maxmemory和淘汰策略算法即可，不需要额外的开发工作。
2 超时剔除
使用场景：业务上允许缓存层和数据层在一段时间可以不同， 可以使用此方式。 对缓存的数据设置过期
时间，当超过了过期时间缓存会自动清除掉， 下次在访问时，会从数据库从获取最新的数据到缓存中；
一致性： 一致性差， 一段时间缓存层和数据层属于不一致；
开发成本： 开发成本低，只需要设置缓存的过期时间即可。
3 主动更新
使用场景： 当需要缓存层的数据和数据库层数据一致性要求高，当数据更新时，需要实时更新到缓存层；
一致性：一致性较高；
开发成本：开发成本高，当数据更新时需要同步维护缓存数据。
三种缓存策略实际使用总结：
１）对缓存数据一致性要求不高， 可以设置最大内存和选择淘汰策略这种方式；
２）对缓存数据要求实时性高，需要用主动更新加超时剔除一起使用，避免主动更新出问题后，能及时清除掉
失效的缓存。
11.2 缓存的粒度
在实际使用缓存的时候，缓存所有属性还是部分属性， 需要从通用性、空间占用、代码维护三个维度分析。
通用性： 缓存所有属性通用性好，但是实际工作上，在很长的一段时间只是维护几个属性字段；
空间占用： 缓存所有属性会占用更多的内存，数据在序列化和反序列化会占用更多cpu资源；
代码维护： 缓存所有属性维护成本低， 而部分属性如果有变动需要经常更新代码。
总结：
实际使用过程， 要根据实际情况， 从通用性、空间占用、代码维护三个维度取舍。
11.3 缓存击穿
1. 击穿的过程
1） 缓存层中没有查询到数据
2） 存储层也没有查询到数据， 不将空结果返回给缓存；
3） 直接返回空结果
2. 原因
1）程序问题；
2）恶意攻击导致大批量查询不命中缓存。
3. 解决方案
1） 缓存空对象
从存储层未查询到数据，会先把空对象缓存起来， 之后在返回给客户端空值。
存在的问题：
当空对象存储的越来越多，会占用大量内存， 解决方式， 可以用为这些空对象的key设置极端超时时间，
过期后自动清除。
2） 布隆过滤器
在缓存层和存储层之前增加一个布隆过滤器， 专门存储key值存在的key，如果查询的数据不存在key，
会被过滤器直接过滤掉， 从而实现了第一层过滤。
两种方案的对比：
实际使用中， 需要根据适用场景、维护成本去权衡使用哪种方式。
11.4 缓存雪崩
1. 原因
当缓存层出现故障，导致所有请求都直接访问存储层，造成存储层负载过重，严重会把存储层搞崩溃。
2. 解决方案
1） 高可用设置
redis的哨兵、集群都能保证缓存的高可用
2）依赖隔离组件为后端限流并降级