在生产环境中，对于高并发架构，我们知道缓存 是最重要的环节，对于大量的高并发。可以采用三层缓存架构来实现，也就是Nginx+Redis+Ehcache
对于中间件Nginx常来做流量分发，同事nginx本身也有自己的缓存机制，但是呢，容量也是有限，我们可以用来缓存热点数据，让用户的请求直接走缓存并返回，从而减少流向服务器的流量
一：模板引擎
通常可以配合使用freemaker/velocity等模板引擎来抗住打量的请求
小型系统可能直接在服务器端 渲染出所有页面并放入缓存，之后的相同页面 请求就可以直接返回，不用去查询数据源或者做数据逻辑处理
二：双层nginx来提升缓存命中率
对于部署多个nginx而言，如果不加入 一些数据的路由策略，那么可能导致每个nginx的缓存命中率很低，因此可以部署双层Nginx
分发层nginx负责流量 分发的逻辑和策略，根据自己定义的一些规则，比如根据productld（产品表示）进行hash，然后对后端nginx数据访问 固定路由到一个nginx后端服务器上去，后端nginx用来缓存一些热点数据到自己的缓存区；
用户的请求，在nginx没有缓存相应数据，那么进入到redis缓存中，redis可做到全量数据的缓存，通过水平扩展能够提升高并发，高可用能力，
一：持久化机制
所谓持久化 机制就是讲redis内存中的数据持久化到磁盘中，然后可以定期讲磁盘文件上传到S3或 这云存储 服务上去
如果同时使用RDB和AOF两种持久化机制，那么在redis重启的时候，会使用AOF来重新构建数据，因为AOF中的数据更加完善，建议将两种持久化机制都开启，用AOF来保证数据不丢失，作为数据恢复的首选；而RDB用来做不同程度的冷备，在AOF文件都丢失或者损坏不可用的时候快速进行数据恢复
Ps：又一个坑需要踩，对于想从RDB恢复数据，同时AOF开关也是打开的，一直都无法正常恢复，因为每次会优先从AOF获取数据（如果临时关闭AOF，就正常恢复了）这个时候需要先停止redis，然后在关闭AOF，拷贝RDB到相应的目录，启动redis之后热修改配置参数redis config set appendonly yes，此时会自动生成一个当前内存数据的AOF文件，然后再次停止redis，打开AOF配置，在此启动数据及正常启动了，
RDB：对于redis中的数据执行周期性的持久化，每一刻持久化都是全量的数据一个快照，对于redis性能影响较少，基于RDB能够快速的异常恢复
AOF：以append-only的模式写入一个日志文件中，在redis重启的时候 可以通过回放AOF日志中的写入指令来重新构建整个数据集（实际上每次写的日志数据会先到linux OS cache的数据写入磁盘）对redis有一定的影响，能够尽量保证数据的完整性，redis通过rewrite机制来保障AOF文件不会太大，基于内存数据并做到适当的指令重建
二：redis集群
replication
一主多从架构，主节点负责写入，并且将数据同步到其他salve节点（异步执行）从节点负责读，主要是用来做读写分离的横向扩容架构，这种架构的master节点数据一定要做持久化，否则当master宕机重启之后内存数据清空，那么就会将空数据复制到slave，导致所有数据丢失
sentinal哨兵
哨兵是redis集群架构中很重要的一个组件，负责监控redis master和slave进程是够正常工作，当某个redis实例出现故障时，能够发送告警通知到管理员，当master node宕机能够自动转移到slave node上
前两种架构方式最大的特定是，每个节点的数据是相同的，无法存取海量的数据，因此，哨兵集群的方式使用与数据量不大的情况
redis cluster
redis cluster支撑多master node，每个master node可以挂载多个slave node,如果master挂掉，会自动将对应的某个slave切换成master，需要注意的是redis cluster下slave节点主要是用来做高可用，故障主备切换的，如果一定需要slave能够提供读的能力，修改配置也可以实现（同时也需要修改jedis源码来支持该情况下的读写分离操作），slave节点能够自动迁移（让master节点尽量平均拥有slave节点）对整个架构过载冗余的slave就可以保障系统更高的可用性
Tomcat jvm堆内存缓存，主要是抗redis出现大规模灾难，如果redis出现了大规模的宕机，导致nginx大量流量直接永祥数据生产服务器，那么最后tomcat堆内存缓存也可以处理部分请求，避免所有请求都直接流向数据库；
【缓存数据更新策略】
对时效性要求高的缓存数据，但发生变更的时候，直接采取数据库和redis缓存双写方案，提高缓存时效性
对时效性不高的数据，当发生变更之后，采用MQ异步通知的方式，通过数据生产服务来监听MQ消息，然后异步去拉去服务的数据更新tomcat jvm和redis缓存，对于nginx本地缓存过之后就可以从redis中拉去新的数据并更新到nginx本地
【数据库和redis缓存双写不一致的问题】
将数据库与缓存更新的读写操作进行异步串行化，当跟新数据的时候，根据数据的唯一标识，将更新数据操作路由到一个jvm内部队列中，一个队列对应一个工作线程，线程串行随后在队列里一条一条的执行，当执行队列中的更新数据操作，删除缓存，然后去更新数据库，此时还没有完成更新的时候过来一个读请求，读到了空缓存，那么可以先将缓存更新之后的请求发送到路由之后的队列中,此时会在队列积压，然后同步等待缓存更新完成，
【缓存雪崩解决方案】
redis集群彻底奔溃，缓存服务大量对redis的请求等待，占用资源，随后缓存服务大量的请求进入源头服务去查询DB，使得DB压力过大直至崩溃，此时对源头的请求 也大量等待占用资源，缓存服务大量的资源全部消耗在访问redis和原服务无果，最后使得自身也无法提供服务，最终整个网站崩溃；
事前解决方案：搭建一套高可用架构redis cluster集群，主从架构，一主多从，并且最好使用双机房部署集群
事中解决方案：部署一层ehcache缓存，在整个redis集群中能够扛得住部分压力，对redis cluster的访问做资源隔离，避免所有资源都请求等待，对redis cluster的访问失败这种情况应该实施熔断策略，对源服务访问进行限流以及资源隔离
事后解决方案：redis数据做了备份可以直接恢复，重启redis即可，redis数据彻底丢失或者数据过旧，可以快速缓存预热，然后让redis重新启动，最后由于资源隔离的half-open策略发现redis恢复正常，那么所有的请求将自动恢复
【Nginx缓存失效导致redis压力倍增】
这个时候我们可以在nginx本地设置缓存数据的时候设置缓存有效期，避免同一时间缓存都失效导致大量的请求直接进入redis