自古兵家多謀，《謀攻篇》，“故上兵伐謀，其次伐交，其次伐兵，其下攻城。攻城之法，為不得已”，可見攻城之計有很多種，而爬墻攻城是最不明智的做法，軍隊疲憊受損、錢糧損耗、百姓遭殃。故而我們有很多迂回之策，謀略、外交、軍事手段等等，每一種都比攻城的代價小，更輕量級，緩存設(shè)計亦是如此。

[[240618]]

為什么要設(shè)計緩存呢?

其實高并發(fā)應(yīng)對的解決方案不是互聯(lián)網(wǎng)***的，計算機先祖?zhèn)兒茉缇蛯︻愃频膱鼍白隽朔桨?。比如《計算機組成原理》這樣提到的cpu緩存概念，它是一種高速緩存，容量比內(nèi)存小但是速度卻快很多，這種緩存的出現(xiàn)主要是為了解決cpu運算速度遠(yuǎn)大于內(nèi)存讀寫速度，甚至達(dá)到千萬倍。

傳統(tǒng)的cpu通過fsb直連內(nèi)存的方式顯然就會因為內(nèi)存訪問的等待，導(dǎo)致cpu吞吐量下降，內(nèi)存成為性能瓶頸。同時又由于內(nèi)存訪問的熱點數(shù)據(jù)集中性，所以需要在cpu與內(nèi)存之間做一層臨時的存儲器作為高速緩存。

隨著系統(tǒng)復(fù)雜性的提升，這種高速緩存和內(nèi)存之間的速度進(jìn)一步拉開，由于技術(shù)難度和成本等原因，所以有了更大的二級、三級緩存。根據(jù)讀取順序，絕大多數(shù)的請求首先落在一級緩存上，其次二級...

故而應(yīng)用于SOA甚至微服務(wù)的場景，內(nèi)存相當(dāng)于存儲業(yè)務(wù)數(shù)據(jù)的持久化數(shù)據(jù)庫，其吞吐量肯定是遠(yuǎn)遠(yuǎn)小于緩存的，而對于java程序來講，本地的jvm緩存優(yōu)于集中式的redis緩存。

關(guān)系型數(shù)據(jù)庫操作方便、易于維護(hù)且訪問數(shù)據(jù)靈活，但是隨著數(shù)據(jù)量的增加，其檢索、更新的效率會越來越低。所以在高并發(fā)低延遲要求復(fù)雜的場景，要給數(shù)據(jù)庫減負(fù)，減少其壓力。

給數(shù)據(jù)庫減負(fù)

1. 緩存分布式，做多級緩存

(1) 讀請求時寫緩存

寫緩存時一級一級寫，先寫本地緩存，再寫集中式緩存。具體些緩存的方法可以有很多種，但是需要注意幾項原則：

• 不要復(fù)制粘貼，避免重復(fù)代碼
• 切忌和業(yè)務(wù)耦合太緊，不利于后期維護(hù)
• 開發(fā)初期剛剛上線階段，為了排查問題，常常會給緩存設(shè)置開關(guān)，但是開關(guān)設(shè)置多了則會同時升高系統(tǒng)的復(fù)雜度，需要結(jié)合一套統(tǒng)一配置管理系統(tǒng)，京東物流有一套叫做UCC，且聽下回分解......

[[240619]]

綜上所述，高耦合帶來的痛，彌補的代價是很大的，所以可以借鑒Spring cache來實現(xiàn)，實現(xiàn)也比較簡單，使用時一個注解就搞定了。

(2) 寫緩存失敗了怎么辦?應(yīng)該先寫緩存還是數(shù)據(jù)庫呢?

既然是緩存的設(shè)計，那么策略一定是保證最終一致性，那么我們只需要采用異步消息來補償就好了。

大部分緩存應(yīng)用的場景是讀寫比差異很大的，讀遠(yuǎn)大于寫，在這種場景下，只需要以數(shù)據(jù)庫為主，先寫數(shù)據(jù)庫，再寫緩存就好了。

***補充一點，數(shù)據(jù)庫出現(xiàn)異常時，不要一股腦的catch RuntimeException，而是把具體關(guān)心的異常往外拋，然后進(jìn)行有針對性的異常處理。

(3) 關(guān)于其他性能方面

緩存設(shè)計都是占用越少越好，內(nèi)存資源昂貴以及太大不好維護(hù)都驅(qū)使我們這樣設(shè)計。所以要盡可能減少緩存不必要的數(shù)據(jù)，有的同學(xué)圖省事把整個對象序列化存儲。另外，序列化與反序列化也是消耗性能的。

2. vs各種緩存同步方案

緩存同步方案有很多種，在考慮一致性、數(shù)據(jù)庫訪問壓力、實時性等方面做權(quán)衡?？偟膩碚f有以下幾種方式：

(1) 懶加載式

如上段提到的方式，讀時順便加載。為了更新緩存數(shù)據(jù)，需要過期緩存。

優(yōu)點：簡單直接

缺點：

• 會造成一次緩存不***
• 這樣當(dāng)用戶并發(fā)很大時，恰好緩存中無數(shù)據(jù)，數(shù)據(jù)庫承擔(dān)瞬時流量過大會造成風(fēng)險。

懶加載式太簡單了，沒有自動加載，異步刷新等機制，為了彌補其缺陷，請參見接下來的兩種方法。

(2) 補充式

可以在緩存時，把過期時間等信息寫到一個異步隊列里，后臺起個線程池定期掃描這個隊列，在快過期時主動reload緩存，使得數(shù)據(jù)會一直保持在緩存中，如果緩存沒有也沒有必要去數(shù)據(jù)庫查詢了。常見的處理方式有使用binlog加工成消息供增量處理。

• 優(yōu)點：刷新緩存變?yōu)楫惒降娜蝿?wù)，對數(shù)據(jù)庫的壓力瞬間由于任務(wù)隊列的介入而降低了，削平并發(fā)的波峰。
• 缺點：消息一旦積壓會造成同步延遲，引入復(fù)雜度。

(3) 定時加載式

這就需要有個異步線程池定期把數(shù)據(jù)庫的數(shù)據(jù)刷到集中式緩存，如redis里。

• 優(yōu)點：保證所有數(shù)據(jù)最小時間差同步到緩存中，延遲很低。
• 缺點：如補充式，需要一個任務(wù)調(diào)度框架，復(fù)雜度提升，且要保證任務(wù)的順序。如果遞進(jìn)一步還想加載到本地緩存，就得本地應(yīng)用自己起線程抓取，方案維護(hù)成本高?？梢钥紤]使用mq或者其他異步任務(wù)調(diào)度框架。
• ps：為了防止隊列過大調(diào)度出現(xiàn)問題，處理完的數(shù)據(jù)要盡快結(jié)轉(zhuǎn)，且要對積壓數(shù)據(jù)以及寫入情況做監(jiān)控。

3. 防止緩存穿透

緩存穿透是指查詢的key壓根不存在，從而緩存查詢不到而查詢了數(shù)據(jù)庫。若是這樣的key恰好并發(fā)請求很大，那么就會對數(shù)據(jù)庫造成不必要的壓力。怎么解決呢?

• 把所有存在的key都存到另外一個存儲的Set集合里，查詢時可以先查詢key是否存在。
• 干脆簡單一些，給查詢不到的key也加一個標(biāo)識空值的Value，這樣就不會去查詢數(shù)據(jù)庫了，比如場景為查詢省市區(qū)街道對應(yīng)的移動營業(yè)廳，若是某街道確實沒有移動營業(yè)廳，key規(guī)則不變，value可以設(shè)置為"0"等無意義的字符。當(dāng)然此種方案要保證緩存集群的高可用。
• 這些Key可能不是永遠(yuǎn)不存在，所以需要根據(jù)業(yè)務(wù)場景來設(shè)置過期時間。

4. 熱點緩存與緩存淘汰策略

有一些場景，需要只保持一部分的熱點緩存，不需要全量緩存，比如熱賣的商品信息，購買某類商品的熱門商圈信息等等。

綜合來講，緩存過期的策略有以下三種：

(1) FIFO(First In，F(xiàn)irst Out)

先進(jìn)先出，淘汰最早進(jìn)來的緩存數(shù)據(jù)，一個標(biāo)準(zhǔn)的隊列。

以隊列為基本數(shù)據(jù)結(jié)構(gòu)，從隊首進(jìn)入新數(shù)據(jù)，從隊尾淘汰。

(2) LRU(Least RecentlyUsed)

最近最少使用，淘汰最近不使用的緩存數(shù)據(jù)。如果數(shù)據(jù)最近被訪問過，則不淘汰。

• 和FIFO不同的是，需要對鏈表做基本模型，讀寫的時間復(fù)雜度是O(1)，寫入新數(shù)據(jù)進(jìn)入頭部，鏈表滿了數(shù)據(jù)從尾部淘汰;
• 最近時間被訪問的數(shù)據(jù)移動到頭部，實現(xiàn)算法有很多，如hashmap+雙向鏈表等等;
• 問題在于若是偶發(fā)性某些key被最近頻繁訪問，而非常態(tài)，則數(shù)據(jù)受到污染。

(3) LFU(Least Frequently used)

最近使用次數(shù)最少的數(shù)據(jù)被淘汰，注意和LRU的區(qū)別在于LRU的淘汰規(guī)則是基于訪問時間。

• LFU中的每個數(shù)據(jù)塊都有一個引用計數(shù)，數(shù)據(jù)塊按照引用計數(shù)排序，若是恰好具有相同引用計數(shù)的數(shù)據(jù)塊則按照時間排序;
• 因為新加入的數(shù)據(jù)訪問次數(shù)為1，所以插入到隊列尾部;
• 隊列中的數(shù)據(jù)被新訪問后，引用計數(shù)增加，隊列重新排序;
• 當(dāng)需要淘汰數(shù)據(jù)時，將已經(jīng)排序的列表***的數(shù)據(jù)塊刪除;
• 有很明顯問題是若短時間內(nèi)被頻繁訪問多次，比如訪問異常或者循環(huán)沒有控制住，而后很長時間未使用，則此數(shù)據(jù)會因為頻率高而被錯誤的保留下來沒有被淘汰。尤其對于新來的數(shù)據(jù)，由于其起始的次數(shù)是1，所以即便被正常使用也會因為比不過老的數(shù)據(jù)而被淘汰。所以維基百科說純粹的LFU算法不經(jīng)常單獨使用而是組合在其他策略中使用。

4. 緩存使用的一些常見問題

Q：那么應(yīng)該選擇用本地緩存(local cache)還是集中式緩存(Cache cluster)呢?

A：首先看數(shù)據(jù)量，看緩存更新的成本，如果整體緩存數(shù)據(jù)量不是很大，而且變化的不頻繁，那么建議本地緩存。

Q：怎么批量更新一批緩存數(shù)據(jù)?

A：依次從數(shù)據(jù)庫讀取，然后批量寫入緩存，批量更新，設(shè)置版本過期key或者主動刪除。

Q：如果不知道有哪些key怎么定期刪除?

A：拿redis來說keys * 太損耗性能，不推薦?？梢灾付ㄒ粋€集合，把所有的key都存到這個集合里，然后對整個集合進(jìn)行刪除，這樣便能完全清理了。

Q：一個key包含的集合很大，redis無法做到內(nèi)存空間上的均勻Shard?

A：可以簡單的設(shè)置key過期，這樣就要允許有緩存不***的情況；給key設(shè)置版本，比如為兩天后的當(dāng)前時間，然后讀取緩存時用時間判斷一下是否需要重新加載緩存，作為版本過期的策略。

王梓晨：物流研發(fā)部架構(gòu)師，GIS技術(shù)部負(fù)責(zé)人，2012年加入京東，多年一線團隊大促備戰(zhàn)經(jīng)驗，負(fù)責(zé)物流研發(fā)一些部門的架構(gòu)工作，專注于低延遲系統(tǒng)設(shè)計與海量數(shù)據(jù)處理。曾負(fù)責(zé)青龍配送分單團隊，主導(dǎo)重構(gòu)架構(gòu)設(shè)計與主要研發(fā)工作，短期內(nèi)提升了服務(wù)性能數(shù)十倍。還設(shè)計研發(fā)了地址配送網(wǎng)點分類模型，實現(xiàn)了配送到路區(qū)的精準(zhǔn)化分單，降本增效，大幅提升了自動分單準(zhǔn)確率。目前負(fù)責(zé)物流GIS部門，先后主導(dǎo)了國標(biāo)轉(zhuǎn)京標(biāo)、物流可視化等項目。

【本文來自51CTO專欄作者張開濤的微信公眾號(開濤的博客)，公眾號id: kaitao-1234567】

戳這里，看該作者更多好文