网站制作公司关于电商平台促销大流量数据“应用缓存”以及“分布式缓存”解决方案。深圳网站制作公司先说说应用层缓存，我们使用Tomcat时，可以使用堆内缓存/堆外缓存，堆内缓存的最大问题就是重启时内存中的缓存会丢失，此时流量风暴来临，则有可能冲垮应用；还可考虑使用localrediscache来代替堆外内存；或在接入层使用shared_dict来将缓存前置，以减少风暴。localrediscache，通过在应用所在服务器上部署一组Redis，应用直接读本机Redis获取数据，多机之间使用主从机制同步数据。这种方式没有网络消耗，性能是最优的。
网站制作公司关于电商平台促销大流量数据之分布式缓存解决方法
网站制作公司关于电商平台促销大流量数据之分布式缓存解决方法
有一种机制是要废弃分布式缓存，改成应用localrediscache情况下，如果数据量不大，这种架构是最优的。但是如果数据量太大，单服务器存储不了，那么可以使用分片机制将流量分散到多台，或者直接用分布式缓存实现。常见的分片规则就是一致性哈希了。如上图所示就是我们一个应用的架构。
·首先接入层（nginx+lua）读取本地proxycache/localcache。
·如果不命中，则接入层会接着读取分布式Redis集群。
·如果还不命中，则会回源到Tomcat，然后读取Tomcat应用堆内cache。
·如果缓存都没命中，则调用依赖业务来获取数据，然后异步化写到Redis集群。因为我们使用了nginx+lua，第二、三步时可使用lua-resty-lock非阻塞锁减少峰值时的回源量；如果你的服务是用户维度的，那么这种非阻塞锁大部分情况下不会有太大作用（要看具体场景）。好了，网站制作公司“关于电商平台促销大流量数据“应用缓存”以及“分布式缓存”解决方案”的知识就分享到这里，谢谢关注，博纳网络编辑整理。
·首先接入层（nginx+lua）读取本地proxycache/localcache。
·如果不命中，则接入层会接着读取分布式Redis集群。
·如果还不命中，则会回源到Tomcat，然后读取Tomcat应用堆内cache。
·如果缓存都没命中，则调用依赖业务来获取数据，然后异步化写到Redis集群。因为我们使用了nginx+lua，第二、三步时可使用lua-resty-lock非阻塞锁减少峰值时的回源量；如果你的服务是用户维度的，那么这种非阻塞锁大部分情况下不会有太大作用（要看具体场景）。好了，网站制作公司“关于电商平台促销大流量数据“应用缓存”以及“分布式缓存”解决方案”的知识就分享到这里，谢谢关注，博纳网络编辑整理。
当前文章链接：/construction/jzhyzx/2855.html
如果您觉得案例还不错请帮忙分享：
[声明]本网转载网络媒体稿件是为了传播更多的信息，此类稿件不代表本网观点，本网不承担此类稿件侵权行为的连带责任。故此，如果您发现本网站的内容侵犯了您的版权，请您的相关内容发至此邮箱【qin@198bona.com 】，我们在确认后，会立即删除，保证您的版权。
