谈谈性能优化之缓存篇

[[329769]]

 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

加快数据访问速度;

减轻后端应用和数据存储的负载压力。

2.2 缓存的特征

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。

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。

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：

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。

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。

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。

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：

先更新数据库再更新缓存;

先更新数据库再删除缓存;

先删除缓存再更新数据库;

定时清理缓存;

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：

开发个缓存刷新功能，手工刷新;

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);

设置个定时器，自动刷新缓存;

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：

正常情况下，交错缓存失效时间，减轻缓存压力;

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;

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。分布式一般使用redis。