MemCache是一個自由、源碼開放、高性能、分佈式的分佈式內存對象緩存系統，用於動態Web應用以減輕數據庫的負載。它通過在內存中緩存數據和對象來減少讀取數據庫的次數，從而提高了網站訪問的速度。MemCaChe是一個存儲鍵值對的HashMap，在內存中對任意的數據（比如字符串、對象等）所使用的key-value存儲，數據可以來自數據庫調用、API調用，或者頁面渲染的結果。MemCache設計理念就是小而強大，它簡單的設計促進了快速部署、易於開發並解決面對大規模的數據緩存的許多難題，而所開放的API使得MemCache能用於Java、C/C++/C#、Perl、Python、PHP、Ruby等大部分流行的程序語言。
另外，說一下MemCache和MemCached的區別：
1、MemCache是項目的名稱
2、MemCached是MemCache服務器端可以執行文件的名稱
MemCache的官方網站爲http://memcached.org/
MemCache訪問模型
爲了加深理解，我模仿着原阿里技術專家李智慧老師《大型網站技術架構 核心原理與案例分析》一書MemCache部分，自己畫了一張圖：
特別澄清一個問題，MemCache雖然被稱爲"分佈式緩存"，但是MemCache本身完全不具備分佈式的功能，MemCache集羣之間不會相互通信（與之形成對比的，比如JBoss Cache，某臺服務器有緩存數據更新時，會通知集羣中其他機器更新緩存或清除緩存數據），所謂的"分佈式"，完全依賴於客戶端程序的實現，就像上面這張圖的流程一樣。
同時基於這張圖，理一下MemCache一次寫緩存的流程：
1、應用程序輸入需要寫緩存的數據
2、API將Key輸入路由算法模塊，路由算法根據Key和MemCache集羣服務器列表得到一臺服務器編號
3、由服務器編號得到MemCache及其的ip地址和端口號
4、API調用通信模塊和指定編號的服務器通信，將數據寫入該服務器，完成一次分佈式緩存的寫操作
讀緩存和寫緩存一樣，只要使用相同的路由算法和服務器列表，只要應用程序查詢的是相同的Key，MemCache客戶端總是訪問相同的客戶端去讀取數據，只要服務器中還緩存着該數據，就能保證緩存命中。
這種MemCache集羣的方式也是從分區容錯性的方面考慮的，假如Node2宕機了，那麼Node2上面存儲的數據都不可用了，此時由於集羣中Node0和Node1還存在，下一次請求Node2中存儲的Key值的時候，肯定是沒有命中的，這時先從數據庫中拿到要緩存的數據，然後路由算法模塊根據Key值在Node0和Node1中選取一個節點，把對應的數據放進去，這樣下一次就又可以走緩存了，這種集羣的做法很好，但是缺點是成本比較大。
一致性Hash算法
從上面的圖中，可以看出一個很重要的問題，就是對服務器集羣的管理，路由算法至關重要，就和負載均衡算法一樣，路由算法決定着究竟該訪問集羣中的哪臺服務器，先看一個簡單的路由算法。
1、餘數Hash
比方說，字符串str對應的HashCode是50、服務器的數目是3，取餘數得到1，str對應節點Node1，所以路由算法把str路由到Node1服務器上。由於HashCode隨機性比較強，所以使用餘數Hash路由算法就可以保證緩存數據在整個MemCache服務器集羣中有比較均衡的分佈。
如果不考慮服務器集羣的伸縮性（什麼是伸縮性，請參見大型網站架構學習筆記），那麼餘數Hash算法幾乎可以滿足絕大多數的緩存路由需求，但是當分佈式緩存集羣需要擴容的時候，就難辦了。
就假設MemCache服務器集羣由3臺變爲4臺吧，更改服務器列表，仍然使用餘數Hash，50對4的餘數是2，對應Node2，但是str原來是存在Node1上的，這就導致了緩存沒有命中。如果這麼說不夠明白，那麼不妨舉個例子，原來有HashCode爲0~19的20個數據，那麼：
| HashCode | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 路由到的服務器 | 0 | 1 | 2 | 0 | 1 | 2 | 0 | 1 | 2 | 0 | 1 | 2 | 0 | 1 | 2 | 0 | 1 | 2 | 0 | 1 |
現在我擴容到4臺，加粗標紅的表示命中：
| HashCode | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 路由到的服務器 | 0 | 1 | 2 | 3 | 0 | 1 | 2 | 3 | 0 | 1 | 2 | 3 | 0 | 1 | 2 | 3 | 0 | 1 | 2 | 3 |
如果我擴容到20+的臺數，只有前三個HashCode對應的Key是命中的，也就是15%。當然這只是個簡單例子，現實情況肯定比這個複雜得多，不過足以說明，使用餘數Hash的路由算法，在擴容的時候會造成大量的數據無法正確命中（其實不僅僅是無法命中，那些大量的無法命中的數據還在原緩存中在被移除前佔據着內存）。這個結果顯然是無法接受的，在網站業務中，大部分的業務數據度操作請求上事實上是通過緩存獲取的，只有少量讀操作會訪問數據庫，因此數據庫的負載能力是以有緩存爲前提而設計的。當大部分被緩存了的數據因爲服務器擴容而不能正確讀取時，這些數據訪問的壓力就落在了數據庫的身上，這將大大超過數據庫的負載能力，嚴重的可能會導致數據庫宕機。
這個問題有解決方案，解決步驟爲：
（1）在網站訪問量低谷，通常是深夜，技術團隊加班，擴容、重啓服務器
（2）通過模擬請求的方式逐漸預熱緩存，使緩存服務器中的數據重新分佈
2、一致性Hash算法
一致性Hash算法通過一個叫做一致性Hash環的數據結構實現Key到緩存服務器的Hash映射，看一下我自己畫的一張圖：
具體算法過程爲：先構造一個長度爲232的整數環（這個環被稱爲一致性Hash環），根據節點名稱的Hash值（其分佈爲[0, 232-1]）將緩存服務器節點放置在這個Hash環上，然後根據需要緩存的數據的Key值計算得到其Hash值（其分佈也爲[0, 232-1]），然後在Hash環上順時針查找舉例這個Key值的Hash值最近的服務器節點，完成Key到服務器的映射查找。
就如同圖上所示，三個Node點分別位於Hash環上的三個位置，然後Key值根據其HashCode，在Hash環上有一個固定位置，位置固定下之後，Key就會順時針去尋找離它最近的一個Node，把數據存儲在這個Node的MemCache服務器中。使用Hash環如果加了一個節點會怎麼樣，看一下：
看到我加了一個Node4節點，隻影響到了一個Key值的數據，本來這個Key值應該是在Node1服務器上的，現在要去Node4了。採用一致性Hash算法，的確也會影響到整個集羣，但是影響的只是加粗的那一段而已，相比餘數Hash算法影響了遠超一半的影響率，這種影響要小得多。更重要的是，集羣中緩存服務器節點越多，增加節點帶來的影響越小，很好理解。換句話說，隨着集羣規模的增大，繼續命中原有緩存數據的概率會越來越大，雖然仍然有小部分數據緩存在服務器中不能被讀到，但是這個比例足夠小，即使訪問數據庫，也不會對數據庫造成致命的負載壓力。
至於具體應用，這個長度爲232的一致性Hash環通常使用二叉查找樹實現，至於二叉查找樹，就是算法的問題了，可以自己去查詢相關資料。
MemCache實現原理
首先要說明一點，MemCache的數據存放在內存中，存放在內存中個人認爲意味着幾點：
1、訪問數據的速度比傳統的關係型數據庫要快，因爲Oracle、MySQL這些傳統的關係型數據庫爲了保持數據的持久性，數據存放在硬盤中，IO操作速度慢
2、MemCache的數據存放在內存中同時意味着只要MemCache重啓了，數據就會消失
3、既然MemCache的數據存放在內存中，那麼勢必受到機器位數的限制，這個之前的文章寫過很多次了，32位機器最多隻能使用2GB的內存空間，64位機器沒有上限
然後我們來看一下MemCache的原理，MemCache最重要的莫不是內存分配的內容了，MemCache採用的內存分配方式是固定空間分配，還是自己畫一張圖說明：
這張圖片裏面涉及了slab_class、slab、page、chunk四個概念，它們之間的關係是：
1、MemCache將內存空間分爲一組slab
2、每個slab下又有若干個page，每個page默認是1M，如果一個slab佔用100M內存的話，那麼這個slab下應該有100個page
3、每個page裏面包含一組chunk，chunk是真正存放數據的地方，同一個slab裏面的chunk的大小是固定的
4、有相同大小chunk的slab被組織在一起，稱爲slab_class
MemCache內存分配的方式稱爲allocator，slab的數量是有限的，幾個、十幾個或者幾十個，這個和啓動參數的配置相關。
MemCache中的value過來存放的地方是由value的大小決定的，value總是會被存放到與chunk大小最接近的一個slab中，比如slab[1]的chunk大小爲80字節、slab[2]的chunk大小爲100字節、slab[3]的chunk大小爲128字節（相鄰slab內的chunk基本以1.25爲比例進行增長，MemCache啓動時可以用-f指定這個比例），那麼過來一個88字節的value，這個value將被放到2號slab中。放slab的時候，首先slab要申請內存，申請內存是以page爲單位的，所以在放入第一個數據的時候，無論大小爲多少，都會有1M大小的page被分配給該slab。申請到page後，slab會將這個page的內存按chunk的大小進行切分，這樣就變成了一個chunk數組，最後從這個chunk數組中選擇一個用於存儲數據。
如果這個slab中沒有chunk可以分配了怎麼辦，如果MemCache啓動沒有追加-M（禁止LRU，這種情況下內存不夠會報Out Of Memory錯誤），那麼MemCache會把這個slab中最近最少使用的chunk中的數據清理掉，然後放上最新的數據。針對MemCache的內存分配及回收算法，總結三點：
1、MemCache的內存分配chunk裏面會有內存浪費，88字節的value分配在128字節（緊接着大的用）的chunk中，就損失了30字節，但是這也避免了管理內存碎片的問題
2、MemCache的LRU算法不是針對全局的，是針對slab的
3、應該可以理解爲什麼MemCache存放的value大小是限制的，因爲一個新數據過來，slab會先以page爲單位申請一塊內存，申請的內存最多就只有1M，所以value大小自然不能大於1M了
再總結MemCache的特性和限制
上面已經對於MemCache做了一個比較詳細的解讀，這裏再次總結MemCache的限制和特性：
1、MemCache中可以保存的item數據量是沒有限制的，只要內存足夠
2、MemCache單進程在32位機中最大使用內存爲2G，這個之前的文章提了多次了，64位機則沒有限制
3、Key最大爲250個字節，超過該長度無法存儲
4、單個item最大數據是1MB，超過1MB的數據不予存儲
5、MemCache服務端是不安全的，比如已知某個MemCache節點，可以直接telnet過去，並通過flush_all讓已經存在的鍵值對立即失效
6、不能夠遍歷MemCache中所有的item，因爲這個操作的速度相對緩慢且會阻塞其他的操作
7、MemCache的高性能源自於兩階段哈希結構：第一階段在客戶端，通過Hash算法根據Key值算出一個節點；第二階段在服務端，通過一個內部的Hash算法，查找真正的item並返回給客戶端。從實現的角度看，MemCache是一個非阻塞的、基於事件的服務器程序
8、MemCache設置添加某一個Key值的時候，傳入expiry爲0表示這個Key值永久有效，這個Key值也會在30天之後失效