应用级缓存

让数据更贴近使用者

9.3 缓存回收策略

　　1. 基于空间：到达存储空间上限

　　2. 基于容量：缓存的条目超过上限

　　3. 基于时间

　　TTL(Time To Live)：存活期，超过过期时间被回收

　　TTI(Time To Idle)：空闲期，空闲多长时间被回收

　　4. 基于Java对象引用：软引用/弱引用引用的对象

　　5. 回收算法：FIFO、LRU、LFU

9.4 Java缓存类型

　　堆缓存：使用Java堆内存缓存对象，没有序列化和反序列化，也没有网络开销，是最快的缓存。缺点是占用堆内存，导致GC变得频繁。一般使用软引用/弱引用来存储缓存对象，当内存不足时可以顺利回收。使用Guava Cache、Ehcache 3.x、MapDB实现

　　堆外缓存：存储在堆外内存，减少GC，并且支持更大的缓存空间，但需要序列化和反序列化数据。使用Ehcache 3.x、MapDB实现

　　磁盘缓存：缓存数据存储在磁盘上，重启后缓存依然在。使用Ehcache 3.x、MapDB实现

　　分布式缓存：处理多JVM实例的情况

　　　　1. 数据一致性问题：多台JVM实例缓存数据不一致？书上写使用缓存则表示允许一定程度的不一致。

　　　　2. 缓存失效，多实例都去请求数据库造成访问浪费。可以使用一致性哈希分片算法，不同实例缓存不同数据

　　　　使用ehcache-clustered（配合Terracotta server）或者Redis

　　单机时：堆缓存存最热的数据、堆外缓存存相对热的数据、不热的数据存磁盘

　　集群时：堆缓存存最热的数据、堆外缓存存相对热的数据、全量数据存分布式缓存

9.6 缓存使用模式实践

　　1. Cache-Aside

　　读：先读缓存，缓存失效再读数据库，并将数据库内容放入缓存

　　写：先写数据库，写入成功后立即 同步/删除 缓存

　　业务代码负责维护缓存

　　2. Cache-As-SoR

　　将缓存当成数据库，所有操作都针对缓存，后续将操作同步到数据库，有三种模式：read-through、write-through、write-behind

　　　　1. Read-Through

　　　　业务代码调用Cache读，如果Cache不命中，由Cache而不是由业务代码回源到数据库并设置到缓存。使用该模式需要配置一个CacheLoader组件去数据库查询。使用CacheLoader的优势是（1）应用代码更简洁（2）其内部使用锁，保证只有一条线程读库，这一条是Guava Cache实现的

　　　　2. Write-Through

　　　　穿透写/直写模式。业务代码调用Cache写，由Cache负责同步写缓存和写数据库。需要配置一个CacheWriter组件来回写数据库。Guava Cache不支持，Ehcache支持

　　　　3. Write-Behind

　　　　回写模式。异步写数据库和Cache。异步之后可以实现批量写、合并写、延时和限流。