缓存初窥
缓存是什么
我们先看下引用的两条解释：
缓存（cache），原始意义是指访问速度比一般随机存取存储器（RAM）快的一种高速存储器，通常它不像系统主存那样使用DRAM技术，而使用昂贵但较快速的SRAM技术。缓存的设置是所有现代计算机系统发挥高性能的重要因素之一。
在计算中，缓存是一个高速数据存储层，其中存储了数据子集，且通常是短暂性存储，这样日后再次请求该数据时，速度要比访问数据的主存储位置快。 通过缓存，您可以高效地重用之前检索或计算的数据。
简单概括起来讲，缓存就是一块访问速度很快，但是空间有限的存储区域，里面通常存储着一些访问频率很高的数据的副本，通过访问缓存中数据从而显著的提高系统性能。
讲个实际的例子，大家就更好理解了，比如：淘宝双11要发100w张满100-20的券，而且每次发券的时候都需要先获取这张券的信息，普通的从DB读取耗时3ms，如果从缓存中读取只需0.1ms，那么我们就可以把这张券的信息存储到缓存，那么每次读取的耗时就从3ms->0.1ms，访问速度提升了30倍。这对于一个系统并发能力的提升，是非常明显的。
可以看到，缓存的最基本原理，就是利用空间换时间的思路，把常用数据放在缓存，通过：访问DB时间 - 访问缓存时间 > 0，从而提升系统性能。
缓存的特性
前面说到，既然缓存访问速度这么快，那么全部数据都丢缓存不就解决问题了吗？NO，缓存就是一个高速的缓冲区，通常是非持久化的，同样的造价也很高，所以不可能所有数据都存在缓存里面，空间是有限制的。
由于缓存受到空间的限制，那么如何利用好这个空间有限的高速缓冲区域，就是我们一直在探索的课题。
缓存命中率
首先，必须是常用的、热点的数据才放缓存，那么怎么考量一个缓存里面的数据是否合理？缓存命中率
缓存命中率 = 正确返回结果的请求次数 / 总的请求缓存次数：这个公式就是说，每次请求缓存，能否能从缓存里面拿到想要的数据，拿到说明缓存中的数据是合理的，这个命中率越高越好。
如果请求没有正常返回数据，那么就要引出另外一个名词了缓存穿透：穿过缓存，直接到DB中去取数据，这个时候缓存是不生效的，这个穿透率越低越好。如果大量的缓存穿透打到DB，那么就很容易造成DB的性能瓶颈，从而影响到其他业务的DB请求，进而引起系统的雪崩。
那么如何提高缓存命中率，降低缓存穿透呢？
- 合理的场景
- 业务场景是高并发的，并且对性能有极高的要求，那么对于一些关键节点，我们可以通过缓存来提速。
- 通常缓存适用于一些大量读操作的静态数据，如果一个数据一直变化，那么是不适合放到缓存的。
- 合理的缓存设计
- 缓存key、value的设计，通常要保持原子性，每个value是个单独的对象，防止汰换时，相互影响。
- 缓存预热
- 通常机器重启缓存就会丢失，那么重新部署之后，我们就可以加上预热程序，自动加载数据到缓存。从而防止冷机器接到大量请求，从而缓存穿透的问题出现。
缓存汰换策略
因为缓存的空间有限，如果缓存空间的满了的时候，我们应该如何抉择哪些数据应该移出缓存呢？
常见的策略有如下：
- FIFO
- 先进先出策略，最先进入缓存的数据在缓存空间不够的情况下会被优先被清除掉，以腾出新的空间接受新的数据。策略算法主要比较缓存元素的创建时间。
- LFU
- 最少使用策略，无论是否过期，根据元素的被使用次数判断，清除使用次数较少的元素释放空间。策略算法主要比较元素的hitCount（命中次数）。
- LRU
- 最近最少使用策略，无论是否过期，根据元素最后一次被使用的时间戳，清除最远使用时间戳的元素释放空间。策略算法主要比较元素最近一次被get使用时间。
我们也可以根据业务场景，做一些定制化的策略：
- 根据业务数据过期时间自动失效
- 比如某张券的有效时间是固定的，那么超过有效期，缓存就可以清理了。
- 根据业务操作清理缓存
- 比如用户删了某张订单之后，订单相关联的一些缓存信息就可以主动的清理。
这篇的内容就先写到这里了，下篇讲具体讲一下缓存的实践。
