A：分布式缓存的关键在于它的键值怎么设定？必须要根据特定的业务场景，比如说我们有的键值里加入了IP地址，也就是我们的Pooling，基于Redis建立了它的队列，所以我们queue当中是把这种请求方的IP作为建设的一部分放了进去，这样就能保证子任务能够知道到哪儿去查询它相应的返回结果。
Q：为什么redis的读写延迟能做到3ms以内呢？
A：我首先要解释一下，所谓读写延时低，其实主要指的是读延时，读延时可以做到三毫秒以内，应该是没有什么问题的。
Q：这个队列是内存队列？还是MQ？
A：互联队列我们是用的Redis实现的,而不是用的消息队列或者内存队列，主要是为了保证它的高可用性。
Q：缓存失效怎么刷新的，这里涉及分布式锁吧？
A：前文提到的缓存失效，并不是指它里边存的数据失效，我主要指的是整个缓存机制失效了。我们不需要分布式锁，因为我们都是单独的key-value存储。
Q：缓存数据一致性怎么保证的？
A：这个是非常难保证的，我们常用的技巧是，首先缓存超过我们预设的阈值的话，我们会强行清除。然后如果有更精确的内容进来，我们是要动态刷新的。比如本来可以存5分钟，但是在第2分钟有一位用户查询并且下单，这时候肯定是要做一次实时查询，顺便把还没有过期的内容也刷新一遍。
Q：热key，大key怎么监控的？
A：其实对我们来说，热区没有那么明显，因为一般来说我们的一个key基本上对应一个点，一个出发地和一个目的地，中间再加上各种渠道引擎的限制。而不像分片那样，你分成16片或者32片，有可能某一分片逻辑设计不合理，导致那一片过热，然后相应的硬件直接到了瓶颈。
Q：老师能详细讲一下Pooling吗？
A：我先讲一下原理：子任务它们所用的时间长短是不一样的，如果完全基于我们的SOA进行动态随机分的话，肯定有的计算节点分到的子任务比较重，有的节点分到的比较轻，加入Pooling，就好像加入了一个排队策略，特别是对于中间还会实时调用离开几秒钟的情况，那么排队策略能够极大的节省我们的计算资源。
Q：监控是怎么做的？
A：监控我们现在是基于原来用了时序数据库，如ClickHouse，和Grafana，然后现在兼容了Promeneus的数据收集和API。
Q：二级缓存采用Redis的哪种数据类型？
A：二级缓存存的是我们的中间结果，应该是分类型的数据类型。
Q；TTL计算应该考虑哪些问题？
A：我们首先最害怕数据出现问题，比如系统总是返回用户一个已经过期的低票价，用户体验肯定会很差，所以这方面我们会牺牲命中率，然后会缩短TTL，只不过TTL控制在5分钟之内，有时候还需要微调一下，所以用了机器学习模型。
Q：IP直连和Pooling没太听明白,是说AGG中，涉及到的计算进行拆分，将中间结果进行存储，其他请求里如果也需要这个中间计算，可以直接获取？
A：IP直连和PoolingIP直连，其实把负载均匀的分到各个节点Pooling，只不过你要计算的子任务加入队列，然后每一个运算节点每次取一个，计算完了再放回去。这样计算的效率更高。中间结果没有共享，中间结果存回去是因为有的子任务需要中间离开，再去查其他的实时系统，所以就相当于把它分成了两个运算子任务，中间的任务要重新放回队列。
Q：下单类似秒杀了吧，发现一瞬间票光了，相应的缓存是怎么更新的？
A：如果我们有第1个用户选择了一个运价，没有通过，我们是要把缓存数据都给杀掉的，然后尽量防止第2个用户还会陷入同样的问题。
Q：多级缓存数据怎么保证一致？
A：因为我们一级缓存存的是最终的结果，二级缓存是中间结果，所以不需要保持一致。
Q：请教一下，一级、二级、三级缓存，请求过来了，怎么提高吞吐量，按理说，每个查询过程需要消耗时间的，吞吐量应该会下降？
A：是这样的，如果你没有这些缓存的话，那几乎所有都要走一遍。实时计算这种情况下，时间长，而且我们部署的集群能够响应的数很有限，然后一、二、三级每一级都能够屏蔽掉很多的请求。我们一级大概能够屏蔽20%，二级可以屏蔽掉差不多40%~50%。然后在这种情况下，同样的集群吞吐量显然是有明显增加。
Q：如何防止缓存过期时刻产生的击穿问题，目前携程是定时任务主动缓存，还是根据用户请求进行被动的缓存？
A：对于缓存清除，我们既有定时任务，也有被动的更新。比如说用户又取了一次或者购票失败这些情况，我们都是会刷新或者清除缓存的。
Q：搜索结果会根据用户特征重新计算运价和票种么？