缓存学习一 大致了解
1，缓存种类或者类型
1. LocalCache(独立式): 例如Ehcache、BigMemory Go
(1) 缓存和应用在一个JVM中。
(2) 缓存间是不通信的，独立的。
(3) 弱一致性。
2. Standalone(单机):
(1) 缓存和应用是独立部署的。
(2) 缓存可以是单台。（例如memcache/redis单机等等）
(3) 强一致性
(4) 无高可用、无分布式。
(5) 跨进程、跨网络![]()
3. Distributed(分布式)：例如Redis-Cluster, memcache集群等等
(1) 缓存和应用是独立部署的。
(2) 多个实例。（例如memcache/redis等等）
(3) 强一致性或者最终一致性
(4) 支持Scale Out、高可用。(5) 跨进程、跨网络 ![]()
2，缓存的更新维护策略
超时剔除就是缓存设置超时时间，超过时间了直接删掉，重新load，数据一致性肯定会有问题。但是基本代码不用管就行了。
主动更新的话， 就是你在对db进行更新的时候，也要有一个机制来更新缓存里的，数据一致性比较强，但是代码维护比较高。
当缓存达到最大量的时候，根据一些算法来淘汰掉一些缓存释放空间。常用的以下几种
1）FIFO：First In First Out，先进先出
2）LRU：Least Recently Used，缓存对象按照最后一次被访问的时间排序，淘汰掉最后的一些数据。
3）LFU：Least Frequently Used，缓存对象按照一定时间内被访问的次数进行排序，淘汰掉最后的一些数据。
3，缓存的几个问题考虑
缓存穿透问题
缓存穿透是指查询一个一定不存在的数据，由于缓存不命中，并且出于容错考虑， 如果从存储层查不到数据则不写入缓存，这将导致这个不存在的数据每次请求都要到存储层去查询，失去了缓存的意义。解决的话可以将这个key也存贮一个空，下次再查询的话就直接返回空即可，等db确实有数据了再通过其他机制来更新缓存。防止增加db压力。
缓存雪崩问题
正常情况下，大量的请求，被缓存阻挡一部分，db再处理一部分，稳定运行，如果突然缓存机制down掉了，那么依一下子所有的请求都到db了，这时候可能db就会down掉。处理这样的情况就是要尽量保证cache不会down掉，可以不适用单机的缓存，而是用集群或者其他方法保证cache的高可用性。
热点key数据失效问题
如果一些非常热的key到了时间了，失效后，大量的请求同事到db，并且同时开始加载缓存，也容易造成一系列问题。可以使用机制将热点key的过期时间适当修改，或者利用锁只让一个线程访问db构建缓存之类的方法。
