问题描述
单例数据库模式中，后端高并发请求多（读多写少），导致数据库压力过大，关键接口响应变慢，严重影响体验。
需求
减少接口的响应时间。
寻找解决方案
由于问题主要处在数据库压力过大的情况，采用两种优化思路优化查询过程：
- 使用缓存分担数据库压力
- 对查询数据库过程做优化
缓存方案
更新策略
使用Redis，虽然可以很好地减少数据库的压力，但是同时在高并发的情况下，容易出现数据不一致的情况，尤其是在更新数据的时候。
最常见的导致不一致的原因是双写操作，即高并发情况下短时间内对数据库进行两次写操作。为了最小程度地出现这种情况，缓存在更新策略上采用先更新数据库后删除缓存的方式。
对于双写问题，在最坏情况下，写请求A在更新数据库后，被写请求B先一步更新数据库+删除缓存，然后A请求才删除缓存，也不会导致后续请求读取到错误的值。
对于先写后读，在最坏情况下，写请求A在更新数据库后，被读请求C先一步在缓存读取到旧值，然后A请求才删除缓存，也只会影响这段时间的读请求，删除后的读请求不影响。
对比其他方案（先更新缓存后更新数据库、先删除缓存后更新数据库、先更新数据库后更新缓存）在最坏情况下会导致的错误（更新数据库失败导致缓存是未知值、双写后数据库变成旧值、更新缓存失败导致缓存保存旧值）要好得多。
但是先更新数据库后删除缓存也不是完全安全的，除了上文提到的高并发下先写后读可能读到旧值外，若删除缓存失败，也有可能导致读到旧值。处理方法见下文。
缓存架构
添加缓存，势必要修改业务代码，如何配置架构才能把对代码的入侵性讲到最低，这里使用监听数据库binlog的方法，使用中间件监听mysql的日志，当出现操作时，通知专门的模块来修改缓存，做到修改缓存和业务逻辑解耦。
同时为了解决缓存删除失败的问题，当发生失败时，发送消息至消息队列传递给专门的模块进行重试删除。
中间件选择：
- 缓存使用Redis
- 监听binlog使用canal
- 消息队列使用RocketMQ
架构如下所示：
SQL优化
查询优化可以从两个方面进行：
- 根据高频的查询case，遵循最左匹配原则，设置对应的索引或联合索引
- 通过了解业务场景，看看能否将一些小SQL合并成大SQL
