㈠ 单片机裸机编程怎么解决cache一致性问题
Cache原理
CPU缓存（Cache Memory）是位于CPU与内存之间的临时存储器，它的容量比内存小的多但是交换速度却比内存要快得多。缓存的出现主要是为了解决CPU运算速度与内存 读写速度不匹配的矛盾，因为CPU运算速度要比内存读写速度快很多，这样会使CPU花费很长时间等待数据到来或把数据写入内存。在缓存中的数据是内存中的 一小部分，但这一小部分是短时间内CPU即将访问的，当CPU调用大量数据时，就可避开内存直接从缓存中调用，从而加快读取速度。
只要Cache的空间与主存空间在一定范围内保持适当比例的映射关系，Cache的命中率还是相当高的。一般规定Cache与内存的空间比为4：1000，即128kB Cache可映射32MB内存；256kB Cache可映射64MB内存。在这种情况下。命中率都在90％以上。至于没有命中的数据，CPU只好直接从内存获取。获取的同时，也把它拷进Cache。
cache一致性问题
由于缓存存在于cpu与内存中间，所以任何外设对内存的修改并不能保证cache中也得到同样的更新，同样处理器对缓存中内容的修改也不能保证内存中的数据 得到更新。这种缓存中数据与内存中数据的不同步和不一致现象将可能导致使用DMA 传输数据时 或 处理器运行自修改代码时产生错误。
Cache的一致性就是直Cache中的数据，与对应的内存中的数据是一致的。
Cache的基本结构
Cache通常由相联存储器实现。相联存储器的每一个存储块都具有额外的存储信息，称为标签(Tag)。当访问相联存储器时，将地址和每一个标签同时进行比较，从而对标签相同的存储块进行访问。Cache的3种基本结构如下：
全相联Cache
在全相联Cache中，存储的块与块之间。以及存储顺序或保存的存储器地址之间没有直接的关系。程序可以访问很多的子程序、堆栈和段，而它们是位于主存储器的不同部位上。 因此。Cache保存着很多互不相关的数据块。
Cache必须对每个块和块自身的地址加以存储。当请求数据时，Cache控制器要把请求地址同所有地址加以比较进行确认。
这种Cache结构的主要优点是。
它能够在给定的时间内去存储主存器中的不同的块，命中率高；缺点是每一次请求数据同Cache中的地址进行比较需要相当的时间，速度较慢。
直接映像Cache
直接映像Cache不同于全相联Cache。地址仅需比较一次。
在直接映像Cache中。由于每个主存储器的块在Cache中仅存在一个位置，因而把地址的比较次数减少为一次。其做法是，为Cache中的每个块位置分配一个索引字段，用Tag字段区分存放在Cache位置上的不同的块。单路直接映像把主存储器分成若干页。主存储器的每一页与Cache存储器的大小相同。匹配的主存储器的偏移量可以直接映像为Cache偏移量。Cache的Tag存储器(偏移量)保存着主存储器的页地址(页号)。
以上可以看出。直接映像Cache优于全相联Cache，能进行快速查找，其缺点是当主存储器的组之间做频繁调用时，Cache控制器必须做多次转换。
组相联Cache
组相联Cache是介于全相联Cache和直接映像Cache之间的一种结构。这种类型的Cache使用了几组直接映像的块。对于某一个给定的索引号，可以允许有几个块位置。因而可以增加命中率和系统效率。
Cache与DRAM存取的一致性
在CPU与主存之间增加了Cache之后，便存在数据在CPU和Cache及主存之间如何存取的问题。读写各有2种方式。
贯穿读出式(Look Through)
该方式将Cache隔在CPU与主存之间，CPU对主存的所有数据请求都首先送到Cache，由Cache自行在自身查找。如果命中。 则切断CPU对主存的请求，并将数据送出；不命中。则将数据请求传给主存。
该方法的优点是降低了CPU对主存的请求次数，缺点是延迟了CPU对主存的访问时间。
旁路读出式(Look Aside)
在这种方式中，CPU发出数据请求时，并不是单通道地穿过Cache。而是向Cache和主存同时发出请求。由于Cache速度更快，如果命中，则Cache在将数据回送给CPU的同时，还来得及中断CPU对主存的请求；不命中。则Cache不做任何动作。由CPU直接访问主存。它的优点是没有时间延迟，缺点是每次CPU对主存的访问都存在，这样。就占用了一部分总线时间。
写穿式(Write Through)
任一从CPU发出的写信号送到Cache的同时，也写入主存，以保证主存的数据能同步地更新。它的优点是操作简单，但由于主存的慢速，降低了系统的写速度并占用了总线的时间。
回写式(Copy Back)
为了克服贯穿式中每次数据写入时都要访问主存。从而导致系统写速度降低并占用总线时间的弊病，尽量减少对主存的访问次数，又有了回写式。
它是这样工作的：数据一般只写到Cache，这样有可能出现Cache中的数据得到更新而主存中的数据不变(数据陈旧)的情况。但此时可在Cache 中设一标志地址及数据陈旧的信息。只有当Cache中的数据被再次更改时。才将原更新的数据写入主存相应的单元中，然后再接受再次更新的数据。这样保证了Cache和主存中的数据不致产生冲突。
Cache与DMA的一致性问题
在进行DMA 操作时，如果没有对Cache 进行适当的操作，将可能产生以下两种错误：
1.DMA 从外设读取数据到供处理器使用。DMA 将外部数据直接传到内存中，但cache 中仍然保留的是旧数据，这样处理器在访问数据时直接访问缓存将得到错误的数据。
2.DMA 向外设写入由处理器提供的数据。处理器在处理数据时数据会先存放到cache 中，此时cache 中的数据有可能还没来得及写回到内存中的数据。如果这时DMA 直接从内存中取出数据传送到外设，外设将可能得到错误的数据。
为了正确进行DMA 传输，必须进行必要的cache 操作。 cache 操作主要分为 invalidate (作废) 和writeback (写回) ，有时也将两着放在一起使用。
DMA如果使用cache，那么一定要考虑cache的一致性。解决DMA导致的一致性的方法最简单的就是禁止DMA目标地址范围内的cache功能。但是这样就会牺牲性能。
因此在DMA是否使用cache的问题上，可以根据DMA缓冲区期望保留的的时间长短来决策。DAM的映射就分为：一致性DMA映射和流式DMA映射。
一致性DMA映射申请的缓存区能够使用cache，并且保持cache一致性。一致性映射具有很长的生命周期，在这段时间内占用的映射寄存器，即使不使用也不会释放。生命周期为该驱动的生命周期。
流式DMA映射实现比较复杂。只知道种方式的生命周期比较短，而且禁用cache。一些硬件对流式映射有优化。建立流式DMA映射，需要告诉内核数据的流动方向。
1. DMA 从外设读取数据到供处理器使用时，可先进性invalidate 操作。这样将迫使处理器在读取cache中的数据时，先从内存中读取数据到缓存，保证缓存和内存中数据的一致性。
2.DMA 向外设写入由处理器提供的数据时，可先进性writeback 操作。这样可以DMA传输数据之前先将缓存中的数据写回到内存中。
如果不清楚DMA 操作的方向，也可先同时进行invalidate 和writeback 操作。操作的结果等同于invalidate 和 writeback 操作效果的和。
wince 操作系统也有一套cache 操作接口：
void OEMCacheRangeFlush( LPVOIDpAddr, DWORD dwLength, DWORD dwFlags );
㈡ 缓存使用，前台直接操作mysql，后台操作缓存.怎么保证数据一致性
特别要注意：不要设置环境变量CATALINA_HOME 2.分别修改安装目录下的conf子目录中的server.xml文件： a.修改http访问端口（默认为8080端口），将8080修改为tomcat不在使用的端口号。此处所设的端口号即是以后访问web时所用的端口号。
㈢ 如何校验数据库和缓存之间数据的一致性
您好，这样的：
这种writer-reader架构，一般思路是在缓存更新阶段由writer来解决一致性问题，当数据库数据变化时，同步更新redis并确保缓存更新成功。
作为完整性判断，可以不检查全部的属性，而对数据使用一个自增的版本号（或时间戳）来判断是否最新。
作为后置的检测，可以优化来降低扫描的代价，如只针对最近一个时间周期内（如10min）数据库中更新过的数据，这个集合应该比较小，去redis中进行检查的代价会比较低。
㈣ Java中高并发下怎么保证数据一致性
以mysql来说，可能出现脏读、不可重复读以及幻读，mysql默认设置是可重复读，即一次事务中不会读取到不同的数据。
可以做如下操作：
1）打开两个客户端，均设置为RR；
2）在一个事务中，查询某个操作查到某份数据；比如是某个字段version=1存在数据；
3）在另一个事务中，删除这份version=1的数据；删除后，在2所属的事务中查询数据是没有变化的，还是存在version=1的数据；
4）当我们在2所属的事务中继续更新数据，那么会发现更新不了，明明我们就看到了这份version=1的数据；
缓存一致性:
缓存一致，与什么一致？是与数据库一致，对外查询每个时刻一致；所以在针对于缓存与数据库之间该先更新哪一个呢？可能有人觉得我先更新数据库，再更新缓存不就行了吗？但是有想过个问题吗？
当用户已经支付成功了，更新到数据库，但是呢？你还在缓存中显示未支付，在用户点击频率很高并且数据库压力过大，来不及同步到缓存时，那你是不是很尴尬，这就是典型的不一致了。此时用户再支付，那你又告诉他已经支付了，那他会把你骂死的
那该怎么来做呢？我们可以这样，先更新缓存再更新数据库，那么存在什么问题呢？
1）缓存更新成功，但是数据库更新失败，而被其它的并发线程访问到
2）缓存淘汰成功，但是数据库更新失败，这也会引发后期数据不一致
㈤ chcahe 如何保证分布式缓存数据一致性
VPLEX的技术核心是“分布式缓存一致性”，下图则是“分布式缓存一致性”技术的工作机制示意：正是因为这项核心技术优势，使得VPLEX方案和目前所有厂商的虚拟化方案截然不同，并能够实现异地的数据中心整合。对跨数据中心的所有负载实现跨引擎的平摊或者实时迁移，来自任何一个主机的I/O请求可以通过任何一个引擎得到响应。
缓存一致性的记录目录使用少量的元数据，记录下哪个数据块属于哪个引擎更新的，以及在何时更新过，并通过4K大小的数据块告诉在集群中的所有其他的引擎。在整个过程中实际发生的沟通过程，远远比实际上正在更新数据块少很多。
分布式缓存一致性数据流示意图：上方是一个目录，记录下左侧的主机读取缓存A的操作，并分发给所有引擎，右侧主机需要读取该数据块时，会先通过目录查询，确定该数据块所属的引擎位置，读取请求会直接发送给引擎，并直接从数据块所在的缓存上读取。
当一个读请求进入时，VPLEX会自动检查目录，查找该数据块所属的引擎，一旦确定该数据块所属的引擎位置，读的请求会直接发送给该引擎。一旦一个写入动作完成，并且目录表被修改，这时另一个读请求从另一个引擎过来，VPLEX会检查目录，并且直接从该引擎的缓存上读取。如果该数据仍然在缓存上，则完全没必要去磁盘上读取。
如上图，来自图中左侧主机的操作，由Cache A服务，会记录一个更新状态，并分发给所有所有引擎知道。如果读取的需求来自最右侧的服务器，首先通过目录查询。通过这种技术可以实现所有引擎一致性工作，而且这个技术不仅可以跨引擎还可以跨VPLEX集群，而VPLEX集群可以跨区域，因此缓存一致性也可以跨区域部署。
分布式缓存一致性技术使VPLEX相比传统的虚拟化方案拥有更高的性能和可靠性，并实现异地数据中心的虚拟化整合
对传统的虚拟化架构来说，如果虚拟化的I/O集群中有一个节点坏了，那么性能就会降低一半，而且实际情况降低不止一半。因为坏了一个节点，这个节点缓存一般会被写进去。因为没有缓存，操作会直接写到硬盘里。如果图中中心这个节点坏掉，那主机所有的可用性都没有了。而VPLEX如果有一个引擎或者一个控制器坏掉了，那这个引擎的负载会均摊到其他活动引擎上。这样总体来讲用户可以维持可预知性能，性能降低也不那么明显。
㈥ DMA、Cache一致性具体是
Cache被用作CPU针对内存的缓存，利用程序的空间局部性和时间局部性原理，达到较高的命中率，从而避免CPU每次都必须要与相对慢速的内存交互数据来提高数据的访问速率。DMA可以作为内存与外设之间传输数据的方式，在这种传输方式之下，数据并不需要经过CPU中转。假设DMA针对内存的目的地址与Cache缓存的对象没有重叠区域，DMA和Cache之间将相安无事。但是，如果DMA的目的地址与Cache所缓存的内存地址访问有重叠，经过DMA操作，与Cache缓存对应的内存中的数据已经被修改，而CPU本身并不知道，它仍然认为Cache中的数据就是内存中的数据，那在以后访问Cache映射的内存时，它仍然使用陈旧的Cache数据。这样就会发生Cache与内存之间数据“不一致性”的错误。所谓Cache数据与内存数据的不一致性，是指在采用Cache的系统中，同样一个数据可能既存在于Cache中，也存在于主存中，Cache与主存中的数据一样则具有一致性，数据若不一样则具有不一致性。需要特别注意的是，Cache与内存的一致性问题经常被初学者遗忘。在发生Cache与内存不一致性错误后，驱动将无法正常运行。如果没有相关的背景知识，工程师几乎无法定位错误的原因，因为这时所有的程序看起来都是完全正确的。Cache的不一致性问题并不是只发生在DMA的情况下，实际上，它还存在于Cache使能和关闭的时刻。Cache和DMA本身似乎是两个毫不相关的事物。
㈦ 数据库瓶颈方面什么技术提供了
接口响应时长过长
上个月我们经理把我叫了过去，说我们的产品的某些页面打开速度太慢了，要等好几秒。我十分惊讶，因为我把所有的功能都看过一遍的，没有哪个功能效率这么低下。我看了一下数据才明白，新客户的数据是老客户的数十倍，导致数据库查询时长翻了更多倍。
请求技术支撑
于是我找到技术中台负责人，希望他们能提供一套数据库缓存访问方案。当查询数据时不优先查询数据库，而是查询缓存来提高查询效率。得到的答复是近期太忙，没时间整这个。
团队自己做临时缓存
由于技术中台暂时没有时间来做支撑，所以我们团队只能暂时做一个临时缓存方案。于是我让我们团队的人员自行把高频查询并且不太会变动的数据，如部门结构和用户信息等数据，在查询的时候先从redis中读取，redis中没有的话再从数据库中读取并存入redis中。
这个流程看着没什么问题，但有非常重要的一点需要确认，就是如果数据库中的数据修改了，怎么去通知redis更新数据。换而言之，也就是如何保证缓存数据和数据库数据的一致性？
缓存数据一致性
其实这个问题上到软件，下到硬件工程师都会遇到，也都有不同的解决方案。因为我大学的专业是嵌入式系统，所以对于硬件的缓存也有所耳闻。如cpu需要保证自身的多级高速缓存间的数据一致性，以及缓存和内存间的数据一致性等。而我们软件因为查询数据的来源不同，所以对应的每级缓存也不同。
多级缓存概念
多级缓存或者多级存储这个概念可能不是很好理解，大致意思是说我们需要的数据，我们第一时间去哪里找，那么这个地方就叫做一级缓存。如果一级缓存没找到，再去找的地方就被称作二级缓存，以此类推。那为什么叫做缓存？大致是为了突出一个临时存储以及访问速度快的特点吧，大约就是数据暂缓存储区以及查找缓冲区的一个意思。
临时的两级存储框架
说回到我们的项目，我们将常访问的数据从数据库中复制到redis中一份，每次访问先从redis中读取，读不到再从数据库中读取。所以可以认为我们当前的一级缓存是redis，二级缓存是数据库。当数据量没有到非常庞大的时候，只要保证了缓存一致性，用这套方案也不会有什么问题。但如果从redis访问的数据频率过高，超过了redis所在服务器的带宽呢？
接入缓存框架的两个问题
第一个问题就是我最开始说的，数据一致性问题。第二个是刚提到的redis带宽成为瓶颈的问题。如果将我遇到的这两个问题更通用性地梳理一遍，那就是各级缓存间的数据一致性保证方法和缓存遇到瓶颈时如何去提升。
数据一致性方案
我能想到的有两种解决方案，第一种是定时刷新，第二种是修改通知。如果对于允许有读取到旧数据的场景，那么定时刷新肯定是比较好的方案，因为实现起来简单。但是如果不希望读到旧数据，那么就需要在数据被修改的时候通知到上一级缓存，让上一级缓存把旧数据删了。当下一次需要用到数据的时候，上一级缓存就会来重新获取数据并保存了。但是这种情况也有问题，如果不提前存到缓存中会导致第一次访问时过慢。如果提前存入缓存会导致当上一级缓存被清空时，大量请求数据会同时到达下一级缓存那里，造成拥塞。但这些也都是有对应的解决方案的。
缓存遇到瓶颈
还记得我们为什么要引入缓存么？因为数据库遇到了瓶颈。那引入的redis缓存遇到瓶颈了怎么办呢？同样的解决方案，引入更快速的缓存。但别忘了，一定要有保证数据一致性的方案。Redis这一级别的缓存，可以认为是放在内存中的，难道我们要引入比内存更高效的cpu的高速缓存么？我们软件也不具备这个权利啊。有一点我刚才有提到，redis瓶颈是因为带宽的原因，因为redis是一个用网线连接的“内存”。所以，我们可以使用的更高效的缓存就是本地内存。于是，后期的优化方案可以改为一级缓存为内存，二级缓存为redis，三级缓存为数据库。
最后
如果是以前，我一定会按照我的想法全部自己写一套缓存框架。但是后来发现我在大学时期自己想出来的一些好的框架，都有对应的更好用的开源框架（对于这个之后我可以专门写一篇博客）。之后到底是我们团队自己写，还是用现有的开源的框架，已经不重要了。重要的是我在这次遇到的这个问题中收获了自己的思考。
㈧ 常见的缓存策略有哪些，如何做到缓存与 db 里的数据一致性
您： 种writer-reader架构般思路缓存更新阶段由writer解决致性问题数据库数据变化同步更新redis并确保缓存更新功 作完整性判断检查全部属性数据使用自增版本号（或间戳）判断否新 作置检测优化降低扫描代价针近间周期内（依0min）数据库更新数据集合应该比较redis进行检查代价比较
㈨ 秒杀过程中怎么保证redis缓存和数据库的一致性
如果要“保证”数据的安全性，那么会带来开销的进一步提升，以至于使用redis带来的性能优势都会丧失。正确的做法是区分不同的业务，使得并不需要“保证”数据一致性的场合，可以使用redis优化。而敏感的场合依然使用mysql。