缓存策略

1.全缓存

很多的时候，在大量数据展示的过程中，我们总是喜欢分页展示，那个，如何设计这个分页的。

当然，我们完全可以一页页的去数据库中获取相应的数据，但是很多的时候，我们不是这样做的，例如，每页数据有20条，我们可能会实现预加载100条数据在缓存中，每次展示将一页的数据进行展示。

下面，就开始说说这个“全缓存”。

接着上面的分页的例子，我们预先取来100条，然后用户就不断的翻页，此时，如果用户翻到了第6页，或者后面，此时，我们没有缓存后面的数据，此时，我们就开始再次去获取100条数据，那么此时，在缓存中就有了200条，并且是从1到10页的。以此类推，我将之定义为“全缓存“，因为最后的结果将会缓存用户查看的所有数据。（其实，很少有用户想翻到后面的十几页去的）

这种策略非常常用，但是不可滥用，要针对不同的类型的应用，并且还得看数据变化的频率。因为稍不注意，就是内存使用过多了。

这种方式最理想的利用场景在站点没有搜索功能，并且通过类似Tag标签来代替查询的项目中。如图的例子：
<ignore_js_op> 

现在的很多的站点不能没有搜索功能，当然，我们可以酌情的考虑使用这种方式。我们后面会介绍将这个方法与其他的结合起来，构造更加智能的策略。 

2.半缓存
其实这个缓存策略，是这样的：

例如用户在查询某些数据的时候，我们把前几页的数据，假设100条，每页是20条，我们就把前5页的数据缓存起来，如果用户翻页翻到了第6页，或者更后面，那么，我们就单独的去取那一页的数据，但是取出来之后不缓存，
之所以这么做，主要是：很少有用户那么有耐心一直的翻页，很多时候，用户看前3页的数据就了不得了。

这种缓存的策略，应该非常实用，如果站点的搜索功能是主要的功能，那么，这个策略可以在内存和性能方面取得平衡。

 

3.基于统计的缓存

顾名思义，就是收集一定的信息，然后做出分析，利用分析的结果来有效的缓存数据。

这里，我以电子商务为例子，例如用户在搜索某产品，那么，我们就把每次用户输入的一些条件的关键字收集起来进行分析，然后对关键字出现频率进行统计分析，
之后，就得出那些出现频率比较高的关键字，然后就把这些关键字对应的产品缓存起来，至于如何缓存这些数据，这个时候，完全可以结合之前的“全缓存”和“半缓存“策略一起使用。

那么，当用户在查找产品的时候，如果他输入的关键字在缓存中的缓存键之中，那么，就把数据返回给用户。

这里，我们完全可以发挥更多的思考：例如，更加关键字出现的不同频率设置不同的缓存时间。那么实现起来可能稍微麻烦一点。