CDN缓存策略

CDN（Content Delivery network，内容分发网络），通过GSLB技术使得用户能访问到最近物理机房的文件，以节省网络时间，也就是说一份文件可能会在全国乃至全球的多个服务器存在，这就涉及到一个文件分发的问题，目前通常的CDN都是采取回源策略来同步文件，即每个cdn域名关联了一些源服务器，发布文件只要发布到源服务器即可，cdn会根据策略从源服务器拉取文件，以保证用户能尽早访问到最新的文件内容。

那么cdn何时会去源服务器取内容呢？事实上，这个策略和浏览器缓存非常类似，我们知道，http 1.1通过cache-control的max-age头可以告知文件在浏览器的缓存时间，在max-age指定的时间内，浏览器会直接使用本地缓存，而不会请求服务器，cdn采取了类似的机制，你只要把cdn节点看成浏览器，源服务器看成浏览器需要请求的服务器即可，此时，源服务器的max-age头决定了资源在cdn节点本地缓存的时间，有一点差别的是，cdn规定了一个自定义协议，s-maxage，若源站该header存在，会优先使用该header作为缓存时间：

Cache-Control:max-age=0, s-maxage=86400
举个栗子解释下cdn缓存策略：

为了避免干扰，我们假设例子中说的cdn只有你一个人在访问。

源站的max-age设定了缓存时间为3600秒，即一小时，cdn的max-age设定了缓存时间为315360000秒，即10年，那么用户首次访问该cdn的文件a.js?v=1时，cdn节点发现本机没有该文件的缓存，会去源服务器取，接下来该文件会在cdn节点缓存3600秒，cdn节点带上自己的max-age头（315360000）返回到浏览器，接下来用户之后10年内访问同一个a.js?v=1不会再发请求（非刷新情况下，且用户侧缓存假设不清除）。

若用户在一小时之内刷新a.js?v=1，意味着该请求会进到cdn服务器，此时服务器发现该url的缓存还没过期（在3600秒内），不会去源站请求，直接返回服务器内容，根据请求header的last-modified（ctrl+f5不带，f5和回车带）决定是吐出304还是200。

若用户在一小时之后刷新a.js?v=1，意味着该请求会进到cdn服务器，此时服务器发现该url的缓存已经超过了3600秒，于是会去源站请求一次，源站会根据请求header的last-modified（ctrl+f5不带，f5和回车带）决定是否吐出304还是200，并把源站的响应直接吐出到浏览器。

对于这个例子，用户侧最坏的情况是10年不请求新版的js，那么怎么解决这个问题，想必大家也知道了，就是加版本号（比如时间戳，可参考此文），因为无论是浏览器缓存还是cdn的缓存，其缓存的key都是get请求，而不只是文件名，因此若a.js变成a.js?v=2，无论是浏览器还是cdn，都会去上一级网络拿取更新的资源。

对于不适合加版本号的页面，比如html文档，此时源站的max-age就要设短一点了，比如设置成1小时，那么再坏的情况下，cdn也会在1小时候回源拿取新的内容，如果想快点生效，需要使用cdn的缓存清理API或工具。

另外可以通过age头查看该资源在当前cdn节点已缓存了多久：

Age: 1921
X-Cache: HIT TCP_MEM_HIT dirn:5:277366080

比如这个例子说明已缓存1921秒。

参考资料：http://baike.corp.taobao.com/index.php/CDN-Usermanul?spm=0.0.0.0.wxN22z