在库存管理系统（WMS）中，如何设计缓存策略？比如本地缓存、分布式缓存（Redis），缓存更新策略（写时复制、双写）。
南光(集团)有限公司信息技术类难度：中等
答案
1) 【一句话结论】在WMS中设计缓存策略需结合业务场景，采用“本地缓存+分布式缓存”分层，高频读用本地缓存提升性能，分布式缓存解决跨服务共享；更新策略上，读多写少场景用写时复制减少锁竞争，需保证数据最终一致性，双写策略需考虑失败处理，避免脏数据。
2) 【原理/概念讲解】缓存的核心是“缓存-数据库”的读写分离，目的是减少数据库压力，提升系统响应速度。
- 本地缓存：数据存储在应用进程的内存中（如Java的
ConcurrentHashMap），适用于高频读、数据不常变的情况（如库存数量、商品信息），因为读操作远多于写操作，本地缓存能快速响应。 - 分布式缓存（如Redis）：数据存储在独立服务中，多个应用进程可共享，适用于跨服务、高并发场景（如入库、出库查询模块共享库存数据），避免重复查询数据库。
- 缓存更新策略：
- 写时复制（CoW）：写操作时复制旧数据，写完成后更新新数据，原数据不变，减少锁竞争，适合读多写少。
- 双写：先更新缓存再更新数据库（或反之），保证数据最终一致，但存在中间状态不一致风险（如先写缓存后数据库失败导致脏数据）。
3) 【对比与适用场景】
| 类别 | 本地缓存 | 分布式缓存（如Redis） |
|---|---|---|
| 定义 | 应用进程内内存存储的缓存，数据仅该进程可见 | 跨进程/机器的共享缓存，数据由Redis等存储 |
| 特性 | 读写速度快（进程内访问），无需网络通信 | 需网络通信，但可共享，支持高并发 |
| 使用场景 | 高频读、数据不常变（如静态商品信息、库存快照） | 跨服务共享、高并发读（如入库、出库查询）、分布式系统 |
| 注意点 | 进程重启后缓存数据丢失，需持久化或热重启 | 网络延迟、Redis故障导致数据丢失，需备份 |
| 更新策略 | 写时复制（CoW） | 双写（先缓存后数据库/先数据库后缓存） |
|---|---|---|
| 原理 | 写操作时复制旧数据，写完成后更新新数据，原数据不变 | 先更新缓存，再更新数据库（或反之），保证数据最终一致 |
| 适用场景 | 读多写少，减少锁竞争，提升并发性能 | 写操作频率不高，或需保证数据一致性（如金融场景） |
| 优点 | 减少锁竞争，读操作不受写影响 | 保证数据最终一致性 |
| 缺点 | 写操作时内存开销（复制数据），可能增加延迟 | 写操作失败导致数据不一致，需重试或补偿 |
4) 【示例】
-
本地缓存示例（伪代码）：
public class InventoryService { private final ConcurrentHashMap<String, Integer> localCache = new ConcurrentHashMap<>(); private final JdbcInventoryDao dao; public InventoryService(JdbcInventoryDao dao) { this.dao = dao; loadInitialData(); } private void loadInitialData() { List<Inventory> inventories = dao.getAllInventories(); for (Inventory inv : inventories) { localCache.put(inv.getProductId(), inv.getQuantity()); } } public int getQuantity(String productId) { Integer quantity = localCache.get(productId); if (quantity == null) { quantity = dao.getQuantity(productId); localCache.put(productId, quantity); } return quantity; } public void updateQuantity(String productId, int delta) { dao.updateQuantity(productId, delta); localCache.put(productId, localCache.getOrDefault(productId, 0) + delta); } } -
分布式缓存（Redis）示例：
// Redis缓存：库存数量 { "key": "inventory:product:123", "value": 100, "ttl": 3600 // 1小时过期 } // 写操作（先数据库后缓存，双写） 1. 更新数据库：UPDATE inventory SET quantity = quantity + 1 WHERE product_id = 123; 2. 更新Redis：SET inventory:product:123 101 EX 3600; // 读操作（先Redis后数据库，缓存未命中时查数据库） 1. GET inventory:product:123 -> 100 2. 若为空，查询数据库，然后SET缓存
5) 【面试口播版答案】
面试官您好，在库存管理系统（WMS）中设计缓存策略，核心是分层缓存（本地+分布式）结合更新策略，保证性能与一致性。首先，高频读场景用本地缓存（如进程内ConcurrentHashMap），快速响应，比如库存数量、商品信息，因为读多写少，本地缓存能减少数据库压力。对于跨服务共享或高并发读，用分布式缓存（如Redis），比如入库、出库查询模块都访问库存，通过Redis共享数据，避免重复查询数据库。更新策略上，读多写少用写时复制（CoW），写操作时复制旧数据，写完成后更新新数据，减少锁竞争，提升并发；如果写操作频率不高或需保证一致性，用双写（先数据库后缓存），比如库存扣减，先更新数据库，再更新Redis，保证最终一致性。总结来说，本地缓存解决高频读，分布式缓存解决跨服务共享，写时复制优化读多写少场景，双写保证一致性，需根据业务场景选择组合。
6) 【追问清单】
- 问题1：如何处理缓存击穿（热点数据突然大量请求，缓存未命中）？
回答要点：设置热点数据预加载（缓存预热），或用互斥锁（分布式锁）保证同一时间只加载一次，避免重复查询数据库。 - 问题2：如何处理缓存雪崩（大量缓存同时过期）？
回答要点：设置缓存过期时间随机化（比如1-3小时），避免集中过期；或用分布式锁控制过期时间，或增加缓存预热。 - 问题3：如何处理缓存穿透（查询不存在的数据，导致缓存空值，频繁查询数据库）？
回答要点：对空值缓存（比如设置空值过期时间，或用布隆过滤器过滤不存在的数据），避免频繁查询数据库。 - 问题4：本地缓存和分布式缓存如何选择？
回答要点：本地缓存适用于高频读、数据不常变（如静态信息），分布式适用于跨服务共享、高并发读（如动态库存）。 - 问题5：写时复制和双写哪个更优？
回答要点：写时复制适合读多写少，减少锁竞争；双写适合写操作频率不高或需保证一致性（如金融场景），需考虑失败处理。
7) 【常见坑/雷区】
- 缓存穿透：未命中时直接返回空，导致大量请求查询数据库，可设置空值缓存或布隆过滤器。
- 缓存击穿：热点数据未缓存，大量请求导致数据库压力，需预加载或互斥锁。
- 缓存雪崩：大量缓存同时过期，导致数据库压力激增，需随机化过期时间或预热。
- 更新策略选择不当：读多写少用双写会导致读操作等待写完成，降低性能；写多读少用写时复制可能增加内存开销。
- 缓存失效策略：未设置过期时间或过期时间不合理，导致数据不一致或过期后数据失效。
- 分布式缓存故障：Redis故障导致数据丢失，需备份或主从复制。