那些年我们一起追过的缓存写法(二)
上次 主要讨论缓存读写这块各种代码实现。本篇是就上次的问题接着来，继续看那些年我们各种缓存用法。
一：缓存预热
上次有同学问过。在第一次加载时，我们的缓存都为空，怎么进行预热。
单机Web情况下，一般我们使用RunTimeCache。相对于这种情况下：
1：我们可以在启动事件里面刷新
2：单写个刷新缓存页面，上线后手动刷新下、或发布时自动调用刷新、或干脆由用户自行触发。
分布式缓存(Redis、memcached)情况下：
比如：在几十台服务器缓存时，单刷满缓存都需要不少一段时间。
这种预热就复杂一些，有的会单写个应用程序去跑，也有的会单写套框架机制去处理(更智能化)。
目的都是在上线之前：所有的缓存都预先加载完毕。
二：多级缓存
2.1 介绍
我们晓得在CPU和内存之间一般都配有一级缓存、二级缓存来增加交换速度。
这样当CPU调用大量数据时，就可避开内存直接从CPU缓存中调用，加快读取速度。
根据CPU缓存得出多级缓存的特点：
1：每一级缓存中储存的是下一级缓存的一部分。
2：读取速度按级别依次递减，成本也依次递减，容量依次递增。
3：当前级别未命中时，才会去下一级寻找。
而在企业应用级开发中，使用多级缓存是同样的目的及设计，只是粒度更粗，更灵活。
根据速度依次排列lv1-lv6的缓存类型图：
3级缓存的命中流程图例子：
2.2 线程缓存
Web应用是天生的多线程开发。对于一些公共资源我们必须考虑线程安全，为止我们不得不通过锁来保证数据的完整性和正确性。
在实际当中，一台web服务器至少也得处理成百上千的请求。想一想，在业务复杂的处理流程，函数每调用一次我们都得锁一下。
对服务器也是个不小的浪费。而通过线程缓存，可以让当前处理用户请求的线程只拿自己需要的。
借助Net提供的线程本地变量，我们可以在请求入口去拉取当前用户的数据。
在之后线程整个生命周期里面，我们的业务逻辑可以毫无顾虑的使用这些数据，不需要考虑线程安全。
而且我们不用重新拿新数据，所以也不用担心数据撕裂的问题。
因为当前线程周期里面的数据是完整无误的，而只有用户第二次发起请求才会重新去拿新数据。
这样就能提高不少我们服务器吞吐量。注意要在线程出口销毁数据。
2.3 内存缓存
无论是远程数据库读取，还是缓存服务器读取。避免不了要跨进程，跨网络通信，有的还跨机房。
而应用程序频繁读写，对Web、DB服务器都是个不小的消耗，速度相较内存也慢的多。
代码上加锁、异步，甚至加服务器在内，都不是一个很好的办法。因为加载速度，对用户体验非常重要。
所以在有要求的项目中使用本地内存做二级缓存，是非常有必要的。目的就是1：抗并发，2：加快读取速度。
有个著名的缓存五分钟法则法则，就是说如果一个数据频繁被访问，那么就应该放内存中。
举个例子： 有100并发过来，加锁会导致前端99线程等候，这个99线程等候着，其实是一直在消耗Web服务器资源。不加就是缓存雪崩。
如果我们每分钟拉取一份缓存，缓存到内存，这样99线程等候时间极大缩短。
2.4 文件缓存
相对于内存，硬盘容量大，速度相较于走网络还更快。
所以我们完全可以把一些不经常变更，放在内存又比较浪费的数据缓存到本地硬盘。
比如使用sqlite一些文件数据库，我们很容易做到。
2.5 分布式缓存
基于内存缓存的redis、memcached等。
基于文件nosql的Casssandra、mongodb等。
redis、memcached是主流的分布式内存缓存，也是应用和DB中间最大的缓存层。
nosql这类的其实不单单只是做缓存用了，完全用在一些非核心业务的DB层了。
2.6 DB缓存
这一层DB主要是缓存由原始数据计算出的结果。而避免由Web程序通过SQL或在使用中直接计算。
当然我们也可以把计算好的数据，存储到redis做缓存。
三：多层缓存
多层缓存概念在很多地方都用到过：
1：上面我们说的多级缓存就是一种，把内容根据读取频率等级，分不同的层次存储，频率越高就越近。
2：还一种多层是缓存索引的做法，类B树查找，这样能提高检索效率。
3：从架构上来说客户端缓存，CDN缓存，反向代理缓存，服务端缓存，也是多层缓存。
四：总结
在使用上，大家根据实际场景，进行各种组合搭配。本篇谈的比较理论些，很多内容细节没展开。
比如分布式缓存使用，缓存置换策略及算法，缓存过期机制等。后面楼主会继续补充下去。
转自 http://blog.jobbole.com/84633/
正文到此结束
热门推荐
相关文章
近期评论
-
你这基本没有更新呀，最近文章显示还是2019年的文章。不符合要求哈
-
关键词：慕云博客 链接：https://www.lilun.me 描述：分享原创文字的个人博客
-
-
-
可以提供一下源码吗
-
不是商业站，鸡娃学习笔记
-
-
-
-
听他们说很厉害的样子
Loading...
![[HBLOG]公众号](http://www.liuhaihua.cn/img/qrcode_gzh.jpg)
