缓存入门

缓存

• 问题起因： cpu处理速度快，而读取数据库/磁盘上的数据慢，造成性能瓶颈

• 解决思路：空间换时间，把磁盘上是数据 放在速度更快的内存里读取

一般缓存都有这些功能：数据存取、过期时间、淘汰机制、命中率统计

• 缓存缺点：增加系统复杂性，开发成本往往会增加

---

本地缓存

java HashMap 的数据在内存中，读取速度比数据库快
把数据保存在 HashMap 或 ConcurrentHashMap 读取，就是一个本地缓存的实现了，

• 本地缓存缺点：
  1. 各个相同服务之间的本地缓存的数据无法共享。对分布式架构支持不友好
  2. 容量受服务部署所在的机器限制明显

---

分布式缓存

• mysql,oracle 是在磁盘的 数据库服务
• 分布式缓存（Distributed Cache） 是在内存的 数据库服务

• 分布式缓存缺点：
  1. 需要新增Redis 或 Memcached 等分布式缓存服务应用，要单独保证分布式缓存服务应用的高可用。

缓存读写模式/更新策略

Cache Aside Pattern（旁路缓存模式）

以 DB 的结果为准
有首次请求数据一定不在 cache 的问题，对于热点数据可以提前放入缓存中。
适合读请求比较多的场景

• 写：更新 DB，然后直接删除 cache 。
• 读：从 cache 中读取数据，
  读取到：就直接返回，
  读取不到：就从 DB 中取数据返回，然后再把数据放到 cache 中。

Read/Write Through Pattern（读写穿透）

由 cache 服务来负责 cache 和 DB 的读写。同步更新 cache 和 DB
减轻了应用程序的职责

• 写（Write Through）：先查 cache，
  cache 中不存在：直接更新 DB。
  cache 中存在：先更新 cache，然后 cache 服务自己更新 DB（同步更新 cache 和 DB）。
• 读(Read Through)： 从 cache 中读取数据，
  读取到：就直接返回 。
  读取不到：先从 DB 加载，写入到 cache 后返回响应。

Write Behind Pattern（异步缓存写入）

由 cache 服务来负责 cache 和 DB 的读写。异步更新 cache 和 DB
写性能非常高， 适合数据经常变化的业务场景（文章的点赞数量、阅读数量）

只更新缓存，不直接更新 DB，改为异步批量的方式来更新 DB。