在好未来系统中，课程信息（如课程名称、价格、教师信息）需要被频繁访问（QPS约5000），且更新频率较低（每天调整1-2次）。请设计缓存策略，说明如何处理缓存击穿（热点数据突然失效）、缓存雪崩（大量缓存同时失效），并说明分布式锁的实现（如Redis分布式锁）。

1) 【一句话结论】：针对课程信息高频访问（QPS约5000）、低更新频率（每天1-2次）的场景，采用**多级缓存（本地+分布式）**结合分布式锁，通过预加载/互斥锁处理缓存击穿，随机过期/热备份应对缓存雪崩，用Redis SETNX+EXPIRE实现分布式锁，确保高并发下数据一致性。

2) 【原理/概念讲解】：

• 缓存击穿：指热点数据缓存过期后，大量请求直接访问数据库，导致性能骤降。类比“热门电影票突然下架，所有想购票用户同时访问官网，官网服务器瞬间崩溃”。处理方法：预加载（如每天凌晨更新缓存）或加互斥锁（确保同一时间仅一个线程查数据库并更新缓存）。
• 缓存雪崩：指大量缓存同时失效，所有请求都去数据库，服务器压力激增。类比“所有热门商品同时下架，所有用户同时抢购，服务器瞬间宕机”。处理方法：随机设置缓存过期时间（避免集中失效）或为热点数据做热备份（多个节点缓存同一数据）。
• 分布式锁：用于分布式系统中保证资源访问的互斥性，防止并发问题。类比“超市购物车限购，只有一人能加锁抢购，其他人等待”。实现上，通常用Redis的SETNX（设置键值，若键不存在则返回1）结合EXPIRE（设置过期时间），确保锁的原子性和时效性。

3) 【对比与适用场景】：

对比项	缓存击穿	缓存雪崩	分布式锁 vs 本地锁
定义	热点数据缓存过期，大量请求访问数据库	大量缓存同时失效，请求全部去数据库	分布式系统资源互斥访问
处理方式	预加载、互斥锁	随机过期、热备份	Redis SETNX+EXPIRE
适用场景	热点数据，更新频率低	缓存集群，避免集中失效	分布式系统，跨进程/节点
注意点	需优化锁粒度（如粗粒度锁或本地缓存）	需热备份或随机过期	锁值唯一性、过期时间动态调整

4) 【示例】（伪代码）：

public Course getCourseInfo(String courseId) {
    // 1. 本地缓存优先
    Course course = localCache.get(courseId);
    if (course != null) return course;
    
    // 2. 分布式缓存
    course = redisCache.get(courseId);
    if (course != null) {
        localCache.put(courseId, course); // 回写本地缓存
        return course;
    }
    
    // 3. 缓存未命中，加分布式锁
    String lockKey = "course:" + courseId + ":lock";
    String lockValue = UUID.randomUUID().toString();
    try {
        // 尝试加锁
        if (redis.setnx(lockKey, lockValue, 10, TimeUnit.SECONDS)) {
            // 加锁成功，查数据库
            course = db.queryCourse(courseId);
            if (course != null) {
                // 更新缓存
                redis.set(courseId, course, 3600); // 1小时过期
                localCache.put(courseId, course);
            }
        } else {
            // 加锁失败，等待重试
            Thread.sleep(100);
            return getCourseInfo(courseId);
        }
    } catch (Exception e) {
        throw new RuntimeException("获取课程信息失败", e);
    } finally {
        // 释放锁
        if (redis.exists(lockKey) && redis.get(lockKey).equals(lockValue)) {
            redis.del(lockKey);
        }
    }
    return course;
}

5) 【面试口播版答案】：面试官您好，针对课程信息高频访问（QPS约5000）、低更新频率（每天1-2次）的场景，我会设计如下缓存策略：首先，采用多级缓存（本地缓存+分布式缓存），本地缓存（如ConcurrentHashMap）用于高频访问，分布式缓存（如Redis）用于数据持久化，减少数据库压力。针对缓存击穿（热点数据缓存过期，大量请求访问数据库），通过预加载（如每天凌晨更新缓存）或互斥锁（加分布式锁，确保同一时间仅一个线程查数据库并更新缓存）处理；针对缓存雪崩（大量缓存同时失效，请求全部去数据库），用随机过期时间（避免集中失效）或热点数据热备份（多个节点缓存同一数据）。分布式锁用Redis的SETNX+EXPIRE实现，保证加锁的互斥性，并设置10秒过期时间防止死锁。具体流程：获取课程信息时，先查本地缓存，再查分布式缓存，缓存未命中时加分布式锁，查数据库后更新缓存。这样既能保证高并发下的性能，又能避免缓存失效导致的服务雪崩。

6) 【追问清单】：

• 问：如何处理缓存穿透？答：用布隆过滤器或缓存空值（设置过期时间，避免无效请求穿透）。
• 问：分布式锁的过期时间怎么设置？答：根据业务逻辑，比如10秒，防止线程阻塞，同时避免死锁。
• 问：缓存更新策略是什么？答：异步更新（如消息队列），避免阻塞请求，提高系统吞吐量。

7) 【常见坑/雷区】：

• 错误：分布式锁不设置过期时间，导致死锁（线程一直持有锁，无法释放）。
• 错误：缓存击穿时没有加锁，导致多个线程同时查数据库，数据库压力激增。
• 错误：缓存雪崩时没有随机过期时间，导致集中失效，服务器宕机。