1. 前言：为什么要用缓存？
用户数增长，架构演变，数据量增大，开始考虑怎么去做性能优化。
而性能优化的第一定律就是：优先考虑使用缓存。
2. 缓存的基本原理
2.1 缓存的作用
1、加快数据访问速度；
2、减轻后端应用和数据存储的负载压力。
2.2 缓存的特征
1、命中率：命中率 = 命中数 / 请求数。
这是衡量缓存有效性的重要指标。命中率越高，表明缓存的使用率越高。
2、最大元素（最大空间）。
一旦缓存中元素数量超过这个值（或者缓存数据空间超过其最大支 持空间），将会触发淘汰策略
3、淘汰策略。
这个我前文其实已经说过。
FIFO（First In First Out） 先进先出，淘汰最早数据。
判断存储时间，离目前最远的数据优先淘汰。
LRU （Least Recently Used）剔除最近最少使用。
判断最近使用时间，离目前最远的数据优先淘汰。
LFU （Least Frequently Used）剔除最近使用频率最低的数据。
在一段时间内，数据被使用次数最少的，优先淘汰。
具体可以看这篇文章常见的缓存剔除策略 & LRU与LFU的区别。
3. 缓存的分类
缓存的主要手段有：浏览器缓存、CDN、反向代理、本地缓存、分布式缓存、数据库缓存。
在解读《大型网站技术架构》一文中，其实已经说到过。
我们一般说做性能优化时是指后三个：本地缓存、分布式缓存、数据库缓存。
前面三个缓存策略属于网站前端的范畴。
从硬件介质上来看，缓存分为内存和硬盘两种。
但从技术上，又可以分成内存、硬盘文件、数据库。
我们通常意义上说的缓存一般都是基于内存的。
因为只有内存，才足够快。
数据库缓存一般也是基于内存的，但这个活一般是DBA在配置数据库的时候就设置好了。
对于大部分开发人员来说，我们一般所说的缓存优化都是基于本地缓存（ocal cache）和远程缓存（remote cache）。
而现在远程缓存这个词一般也被分布式缓存这个常用方案所代指。
4. 什么时候使用缓存？
4.1 缓存的使用判断
什么时候使用缓存的判断其实比较简单，抓住两点就行了：
1、是不是热点数据？
所谓热点，一般是遵循二八定律，即百分之八十的访问集中在百分之二十的数据上。
2、是不是读比写多？
这个比例一般为2:1。
4.2 什么时候不应该使用缓存？
反过来就是了。
1、没有热点数据不要使用缓存，也没什么意义。
因为内存资源是比较宝贵的。
2、频繁修改的数据不要使用缓存。
因为可能写入后还来不及读取就已失效或被淘汰，并且容易产生脏读。
4.3 合理使用缓存
最后，最重要的是确认是否需要使用缓存？
确定了后，再选择合适的缓存工具及使用缓存的方式。
5. 缓存时常见的一些问题
使用缓存优点很多，但也存在一些很常见的问题。双刃之剑，就看怎么用了。
列举一些我们工作中常见的一些缓存问题，并给出至少一种解决方案。
5.1 缓存更新带来的数据不一致与脏读
缓存更新的常见策略有：
1、先更新数据库再更新缓存；
2、先更新数据库再删除缓存；
3、先删除缓存再更新数据库；
4、定时清理缓存；
5、有请求访问数据时，判断缓存是否过期，过期从数据库中刷新缓存。
在这几种方案中，如果修改缓存与数据库不在同一个事物中，就带来了数据不一致和脏读的问题。
对应方案1：先删除缓存再更新数据库，并且在同一个事物中。
对应方案2：缓存自动失效后，另外的异步线程进行缓存更新。
对应方案3：缓存更新在并发、分布式要考虑锁，redis天生就是单线程，比较有优势。
5.2 怎么做缓存预热
缓存预热是指在用户可访问服务之前，将热点数据加载到缓存的操作，这样可以有效避免上线后瞬时大流量造成系统不可用。
缓存预热的一般性策略：
1、开发个缓存刷新功能，手工刷新；
2、项目启动的时候自动进行加载（一般为字典表等数据量不大的数据）；
3、设置个定时器，自动刷新缓存；
4、提前统计热点数据，事先批量加载到如redis这样缓存工具中。
5.3 缓存重建
缓存失效后，重建热点缓存，如果耗时较长，在重建过程中，性能、负载不好。
对应方案：
1、正常情况下，交错缓存失效时间，减轻缓存压力；
2、崩溃失效的情况下，可以使用带持久化功能的缓存来恢复，比如Redis；
3、如果是MongoDB则不太一样，它是采用mmap来将数据文件映射到内存中，所以当MongoDB重启时，这些映射的内存并不会清掉，不需要进行缓存重建与预热。
5.4 缓存雪崩与可用性
缓存雪崩：缓存在同一时间失效时，访问直达数据库层，可能导致DB挂掉、系统崩溃。
对应方案1：交错缓存失效时间或随机缓存失效时间。
对应方案2：主从热备（Redis Sentinel）。
对应方案3：集群/水平切分（Redis Cluster、一致性哈希）。
5.5 缓存穿透
缓存穿透：持续高并发访问某个不存在的Key。
对应方案1：空值缓存。
对应方案2：布隆过滤器（bloom filter） + bitmap。穷举可能访问的数据放入bitmap中，使用hash访问。
5.6 缓存击穿
缓存击穿：热点Key失效，高并发请求，直击数据库。
缓存击穿与缓存穿透很相似，不同点是是缓存击穿前访问的是真实的热点数据，只是在某一刹那失效了，造成了击穿的效果。
这样看，它其实也是缓存雪崩的一个特例。与雪崩的区别即在于击穿是对于特定的热点数据，而雪崩是全部数据。
对应方案：多级缓存及交错失效时间 + LRU 淘汰算法。
对于热点数据进行二级或多级缓存，并对于不同级别的缓存设定不同的失效时间，缓解雪崩。
此外可使用LRU的变种算法LRU-K缓存数据。
5.7 缓存降级
缓存降级是服务降级中的一环。
在访问量剧增，导致服务出现问题时，为了保证核心服务可用，防止发生缓存雪崩，可进行服务降级。
以redis为例，比较常见的做法就是，不去数据库查询，而是直接返回默认值给用户。
缓存降级也可根据日志级别进行预案设置。
6. 分布式缓存的选型
说了这么多缓存的原理与策略，说说我们在实际工作中应该怎么去做缓存选型。
以下就是常用的几种缓存工具。
6.1 Ehcache
Ehcache是纯Java开源的缓存框架，最早从hibernate发展而来，现在算是springboot中的官配缓存工具，整合简单。特点如下：
-
快速，针对大型高并发系统场景，Ehcache的多线程机制有相应的优化改善;
-
简单，很小的jar包，简单配置就可直接使用，单机场景下无需过多的其他服务依赖;
-
支持多种的缓存策略，灵活;
-
缓存数据有两级：内存和磁盘，与一般的本地内存缓存相比，有了磁盘的存储空间，将可以支持更大量的数据缓存需求;
-
具有缓存和缓存管理器的侦听接口，能更简单方便的进行缓存实例的监控管理;
-
支持多缓存管理器实例，以及一个实例的多个缓存区域。
6.2 Guava Cache
Guava Cache是Google开源的Java重用工具集库Guava里的一款缓存工具，特点如下：
-
自动将entry节点加载进缓存结构中；
-
当缓存的数据超过设置的最大值时，使用LRU算法移除；
-
具备根据entry节点上次被访问或者写入时间计算它的过期机制；
-
缓存的key被封装在WeakReference引用内；
-
缓存的Value被封装在WeakReference或SoftReference引用内；
-
统计缓存使用过程中命中率、异常率、未命中率等统计数据。
6.3 Memcache
memcache本身不支持分布式，是通过客户端的路由处理来达到分布式解决方案的目的。特点如下：
-
memcache使用预分配内存池的方式管理内存;
-
所有数据存储在物理内存里;
-
非阻塞IO复用模型，纯KV存取操作;
-
多线程，效率高，会遇到锁等上下文切换问题;
-
只支持简单KV数据类型;
-
数据不支持持久化。
6.4 Redis
Redis是当前主流的高性能内存数据库，多用于存储缓存数据，并能实现轻量级的MQ功能。特点如下：
-
临时申请空间，可能导致碎片;
-
有VM机制，能存储更多数据，超过内存空间后会导致swap，降低效率;
-
非阻塞IO复用模型，支持额外CPU计算：排序、聚合，会影响IO性能;
-
单线程，无锁，无上下文切换，单实例无法利用多核性能;
-
支持多种数据类型：string / hash / list / set / sorted set;
-
数据支持持久化：AOF(语句增量)/RDB(fork全量);
-
天然支持高可用分布式方案sentinel +;
-
cluster(故障自动转移+集群)。
6.5 推荐
通常情况下，单机我们会用Ehcache，甚至java自己的concurrenthashmap来实现缓存。
分布式一般选择redis。