整个三级缓存的架构已经走通了
我们还遇到一个问题，就是说，如果缓存服务在本地的ehcache中都读取不到数据，那就恩坑爹了
这个时候就意味着，需要重新到源头的服务中去拉去数据，拉取到数据之后，赶紧先给nginx的请求返回，同时将数据写入ehcache和redis中
分布式重建缓存的并发冲突问题
重建缓存：比如我们这里，数据在所有的缓存中都不存在了（LRU算法弄掉了），就需要重新查询数据写入缓存，重建缓存
分布式的重建缓存，在不同的机器上，不同的服务实例中，去做上面的事情，就会出现多个机器分布式重建去读取相同的数据，然后写入缓存中
分布式重建缓存的并发冲突问题。。。。。。
1、流量均匀分布到所有缓存服务实例上
应用层nginx，是将请求流量均匀地打到各个缓存服务实例中的，可能咱们的eshop-cache那个服务，可能会部署多实例在不同的机器上
2、应用层nginx的hash，固定商品id，走固定的缓存服务实例
分发层的nginx的lua脚本，是怎么写的，怎么玩儿的，搞一堆应用层nginx的地址列表，对每个商品id做一个hash，然后对应用nginx数量取模
将每个商品的请求固定分发到同一个应用层nginx上面去
在应用层nginx里，发现自己本地lua shared dict缓存中没有数据的时候，就采取一样的方式，对product id取模，然后将请求固定分发到同一个缓存服务实例中去
这样的话，就不会出现说多个缓存服务实例分布式的去更新那个缓存了
留个作业，大家去做吧，这个东西，之前已经讲解果了，lua脚本几乎都是一模一样的，我们就不去做了，节省点时间
3、源信息服务发送的变更消息，需要按照商品id去分区，固定的商品变更走固定的kafka分区，也就是固定的一个缓存服务实例获取到
缓存服务，是监听kafka topic的，一个缓存服务实例，作为一个kafka consumer，就消费topic中的一个partition
所以你有多个缓存服务实例的话，每个缓存服务实例就消费一个kafka partition
所以这里，一般来说，你的源头信息服务，在发送消息到kafka topic的时候，都需要按照product id去分区
也就时说，同一个product id变更的消息一定是到同一个kafka partition中去的，也就是说同一个product id的变更消息，一定是同一个缓存服务实例消费到的
我们也不去做了，其实很简单，kafka producer api，里面send message的时候，多加一个参数就可以了，product id传递进去，就可以了
4、问题是，自己写的简易的hash分发，与kafka的分区，可能并不一致！！！
我们自己写的简易的hash分发策略，是按照crc32去取hash值，然后再取模的
关键你又不知道你的kafka producer的hash策略是什么，很可能说跟我们的策略是不一样的
拿就可能导致说，数据变更的消息所到的缓存服务实例，跟我们的应用层nginx分发到的那个缓存服务实例也许就不在一台机器上了
这样的话，在高并发，极端的情况下，可能就会出现冲突
5、分布式的缓存重建并发冲突问题发生了。。。
6、基于zookeeper分布式锁的解决方案
分布式锁，如果你有多个机器在访问同一个共享资源，那么这个时候，如果你需要加个锁，让多个分布式的机器在访问共享资源的时候串行起来
那么这个时候，那个锁，多个不同机器上的服务共享的锁，就是分布式锁
分布式锁当然有很多种不同的实现方案，redis分布式锁，zookeeper分布式锁
zk，做分布式协调这一块，还是很流行的，大数据应用里面，hadoop，storm，都是基于zk去做分布式协调
zk分布式锁的解决并发冲突的方案
（1）变更缓存重建以及空缓存请求重建，更新redis之前，都需要先获取对应商品id的分布式锁
（2）拿到分布式锁之后，需要根据时间版本去比较一下，如果自己的版本新于redis中的版本，那么就更新，否则就不更新
（3）如果拿不到分布式锁，那么就等待，不断轮询等待，直到自己获取到分布式的锁