目前高并发项目会在数据库之上引入数据缓存：

  1. 缓存雪崩，什么是雪崩效应？
缓存雪崩可能是因为数据未加载到缓存中，或者缓存同一时间大面积的失效，从而导致所有请求都去查数据库，导致数据库 CPU 和内存负载过高，甚至宕机。

我的理解的雪崩效应是在分层服务调用的系统中，当一个较为基础的服务 a 因某种原因不可用，导致其调用服务 b ， c 也不可用，而 b 的不可用又导致其调用服务 e ， f 的不可用，不可用的服务就好像滚雪球一样越滚越大，最后导致系统出现严重故障。我们称之为雪崩效应。如图。

以此为例，当数据库主备都不可用时，将导致其调用服务的关联失效（红色组件）

2.基于 redis 数据过时失效的策略，在缓存过期的短时间内存在数据库短暂压力问题，如下：

为解决上述问题（主要是后者），可采用一下解决方案如下：

这里我们以两个键值对的缓存代替之前的一个，将缓存时间（ key-time),和缓存数据（ key-data ）分离，这样

1.当缓存过期时，第一个线程发现 key-time 没有，则先更新 key-time,

2.然后去查询数据库（或任何比较耗时的数据查询方式），并更新 key-data 的值，

3.当后续线程来获取数据时，虽然第一个还没有从数据库查完并更新缓存，但发现 key-time 存在，会获取旧的数据。

虽然按这种方式获取的数据中 c 类型的数据为旧数据，但可以做到：

在缓存过期时不至于在短时间内对数据库造成较高压力（解决第 2 个问题）。

在数据库不可用，同时缓存过期的时候，其调用服务皆不可用，造成连锁反应，而已该解决方式，则可以返回过期数据，为修复数据库赢得宝贵时间（缓解雪崩效应）