系统中缓存最耗性能的部分是对数据库的访问。一般来说，增删改查操作不会有性能问题，除非索引过多，数据量很大时，这三个操作都会引起性能问题。一般可以通过限制单表索引的个数来提高性能。比如单表索引的个数不能超过5个。大多数情况下，性能问题出在查询上。select操作提供了非常丰富的语法，包括函数、子查询、like子句、where子句等，这些查询非常消耗性能。大多数应用都是读多写少的应用，这样查询慢的问题就会被放大，导致查询慢成为系统性能的瓶颈，这就需要使用缓存来提高系统性能。为什么缓存可以提高系统性能？缓存通过减少系统对数据库的访问量来提高系统性能。试想一下，如果同时有100个对同一个数据的请求，在没有加缓存之前，需要访问数据库100次，而加缓存之后，可能只需要访问一次数据库，而数据其余99个请求中的一个将从缓存中检索。大大减少了访问数据库的次数。虽然也需要访问100次，但是数据库的读性能和缓存的读性能不是一个级别的，所以系统性能有明显的提升。为什么说可能需要访问一次数据库呢？这个跟过期有关，后面会讲到。更新方式既然知道了缓存可以显着提升系统性能，那我们就先来了解一下缓存是如何更新的。CacheAside（推荐）这应该是最常用的更新方式了。这种模式的大致流程是：如果不在缓存中则读取，然后从数据库中读取数据，拿到数据后放入缓存中。如果缓存中有，取完后直接返回。update先更新数据库中的数据，成功后，使缓存失效。为什么要使缓存失效而不是更新它？主要是因为两个并发写操作导致的脏数据。假设有两个线程A和B，他们想分别修改资源A的值为1和2。线程A先到数据库，更新数据为1，但是缓存还没有更新。由于时间片用完，线程B获得CPU，在此期间将数据库资源A的值和缓存值更新为2。线程B结束后，线程A夺回CPU，执行更新缓存，将资源A的值改为1，线程A结束。此时A在数据库中的值为2，而A在缓存中的值为1，数据不一致。所以使缓存失效就不会出现这个问题，保证缓存中的数据与数据库一致。那是不是说CacheAside模式就不会出现并发问题呢？不。例如，如果一个读操作没有命中缓存，它就会去数据中读取数据（A=1）。这时一个写操作会更新数据库数据（A=2）并使缓存失效。这时，读操作会将读取到的数据（A=1）写入缓存，从而产生脏数据。这种情况理论上是可以发生的，但现实中发生的概率极低。要做到这一点，在读操作发生时必须有一个并发的写操作，并且既要读操作在写操作之前读，又要写操作在写操作之后写入缓存。满足这个条件的概率不高。基于以上描述的问题，目前有两种合理的解决方案：通过2PC保证数据一致性（复杂）；通过降低并发时出现脏数据的概率，设置合理的过期时间（简单，但在一定时间内是有错误率的，一般可以接受）。Read/WriteThrough在这种模式下，对于应用程序来说，所有的读写请求都直接和缓存打交道，关于数据库的数据完全由缓存服务更新（更新同步是一种同步操作）。这种模式下，过程相当简单，完全就是对缓存的读写。缺点：该模式对缓存服务依赖性强，需要缓存高可用。所以不应该有普遍的东西。WriteBehindCaching实际上，这种模式是Read/WriteThrough的一种变体。不同的是前者是异步更新，后者是同步更新。由于数据库是异步更新的，其相应的速度比Read/WriteThrough要高，而且还可以将对同一个数据的多个操作结合起来。这有点像MySQL的缓冲池的flush操作。缺点：异步意味着数据不强一致，也有数据丢失的风险，实现逻辑比较复杂。设计思路无状态服务在分布式系统中，无状态服务有利于横向扩展，所以缓存也应该独立于业务服务，设计成一个独立的服务，让业务服务无状态。许多公司选择使用Redis来构建他们的缓存系统，看中的是它的高速读写性能。命中率缓存服务的质量主要取决于命中率。一般来说，如果命中率保持在80%以上，就已经算是很高了，但是我们不能为了提高命中率，而将数据库中的数据全部写入缓存。这不符合缓存的设计理念，需要巨大的内存空间。一般来说，只有一小部分热点数据应该写入缓存。缓存是通过牺牲强一致性来换取性能来实现的，并不是所有的业务都适合使用缓存。有效时间缓存数据的有效时间不能太短，不能太长，不能太集中。太短会增加数据库访问次数。太长容易不用的数据停留在缓存中，浪费空间，一旦产生脏数据，进程的有效时间会导致脏数据延迟，影响更多的业务。过于集中会导致缓存雪崩。淘汰策略当内存不足时，缓存系统必须遵循淘汰策略，淘汰不适合保留在缓存中的数据，为新数据腾出空间。下面以Redis为例，给出淘汰策略：noeviction：不删除策略。当达到最大内存限制时，如果需要更多内存，则直接返回错误信息（极少数例外，如DEL）。allkeys-lru：所有key通用，优先删除最近最少使用（LRU）的key。（推荐）volatile-lru：只限于设置expire的部分，优先删除最近最少使用（lessrecentlyused，LRU）key。allkeys-random：所有key通用，部分key随机删除。volatile-random：只限于设置expire的部分，随机删除一些key。volatile-ttl：只限于设置expire的部分，优先删除剩余时间（timetolive，TTL）较短的key。可根据项目实际情况选用。总结缓存的目的是加快数据访问速度。它是数据库之上的一种机制。并非所有业务都适合使用缓存。更新策略和淘汰策略要根据具体情况来选择。来源：blog.csdn.net/qq_36011946/article/details/104164031
