做课件的网站有哪些网络营销考试题目及答案2022

✅ 答案是：通常每个服务实例都会独立地缓存它自己访问过的数据，这些数据可能是相同的，也可能是不同的，取决于请求的内容。

---

📌 举个例子说明

假设你有一个商品详情页的服务，部署了 3 个服务实例（A、B、C），分别运行在三台服务器上。

场景1：用户请求同一个商品（比如商品ID=1001）

• 用户1访问商品1001，请求被负载均衡器分配给服务实例 A。
• 实例 A 缓存了 product:1001 的数据。
• 用户2也访问商品1001，请求被分配给服务实例 B。
• 实例 B 发现本地没有这个缓存，于是去数据库或远程缓存中加载，并缓存一份。
• 用户3也访问商品1001，请求被分配给服务实例 C，同样也会缓存一份。

✅ 此时：

• 每个服务实例都缓存了相同的 key：product:1001
• 数据可能相同，但它们是相互独立的，存在于不同机器的内存中。

场景2：不同用户访问不同商品

• 用户1访问商品1001 → 实例 A 缓存 product:1001
• 用户2访问商品1002 → 实例 B 缓存 product:1002
• 用户3访问商品1003 → 实例 C 缓存 product:1003

✅ 此时：

• 每个实例缓存的是不同的数据
• 它们之间不共享缓存内容

---

🔍 所以总结一下：

问题	回答
三个服务实例的本地缓存是不是一模一样的？	不一定，取决于请求的数据是否相同
是不是每个节点只存一部分数据？	不是刻意分片，而是“谁访问谁缓存”，所以看起来像“分散”了
这种结构叫什么？	非中心化缓存 / 分布式本地缓存

---

💡 本地缓存 vs 分布式缓存对比（再强化理解）

特性	本地缓存（Local Cache）	分布式缓存（如 Redis）
存储位置	应用进程内存内	集中在远程服务器
数据一致性	各节点缓存可能不一致	所有节点看到的是同一份数据
访问速度	极快（无网络开销）	较慢（需网络通信）
可扩展性	不适合大规模缓存	支持水平扩展
是否共享	否	是

---

🎯 如果想解决本地缓存不一致的问题，可以考虑：

1. 引入消息通知机制（如 Kafka、Redis Pub/Sub）
   当某个数据更新后，通过广播方式通知所有服务实例删除对应缓存。

2. 使用 TTL（过期时间）策略
   即使缓存不一致，也可以让缓存自动刷新。

3. 结合分布式缓存 + 本地缓存的二级缓存架构

   • 先查本地缓存
   • 本地没命中再去查分布式缓存
   • 更新时同时清除本地和远程缓存

---