数据同步与缓存一致性问题

1、如何保持数据同步中间件（如 canal）的高可用？

中间件高可用大多借助 ZK 来部署集群（如 Canal），借助 ZK 的瞬时节点与 Pub/Sub 特性完成 HA 部署：

• canal server 要启动某个 canal instance 时都先向 zookeeper 进行一次尝试启动判断 (实现：创建 EPHEMERAL 节点，谁创建成功就允许谁启动)

• 创建 zookeeper 节点成功后，对应的 canal server 就启动对应的 canal instance，没有创建成功的 canal instance 就会处于 standby 状态

• 一旦 zookeeper 发现 canal server A 创建的节点消失后，立即通知其他的 canal server 再次进行步骤 1 的操作，重新选出一个 canal server 启动 instance.

2、请描述缓存延迟双删策略？

假设先删除缓存，在更新数据库，在并发场景下，线程 A 删除缓存后，还没来及更新数据库 V1，而线程 B 先查询缓存，发现缓存缺失，去数据库拿数据 V0，这时 B 拿到的数据是线程 A 更新之后的数据，把此值重新缓存 V0，这时线程 A 去修改数据库为 V1，这种场景下就造成了 缓存中的数据 V0 和 数据库中的数据 V1 不一致问题。 采用延迟双删可以降低影响的请求数，伪代码如下：

redis.delKey(X)

db.update(X)

Thread.sleep(N)

redis.delKey(X)

3、通过布隆过滤器可以解决缓存穿透问题，请描述布隆过滤器的工作原理以及使用时的注意事项？ 

布隆过滤器由一个初值都为 0 的 bit 数组和 N 个哈希函数组成，可以用来快速判断某个数据是否存在。当我们想标记某个数据存在时（例如，数据已被写入数据库），布隆过滤器会通过三个操作完成标记：

• 首先，使用 N 个哈希函数，分别计算这个数据的哈希值，得到 N 个哈希值。

• 然后，我们把这 N 个哈希值对 bit 数组的长度取模，得到每个哈希值在数组中的对应位置。

• 最后，我们把对应位置的 bit 位设置为 1，这就完成了在布隆过滤器中标记数据的操作。

如果数据不存在（例如，数据库里没有写入数据），我们也就没有用布隆过滤器标记过数据，那么，bit 数组对应 bit 位的值仍然为 0。

4、如何保证 redis 缓存与数据库的一致性？

1、延迟双删策略

2、监听 binlog 异步更新缓存