寫在前面
隨着我們的系統負載越來越高，系統的性能就會有所下降，此時，我們可以很自然地想到使用緩存來解決數據讀寫性能低下的問題。但是，立志成爲資深架構師的你，是否能夠在高併發環境下合理並且高效的構建應用級緩存呢？
緩存命中率
緩存命中率是從緩存中讀取數據的次數與總讀取次數的比率，命中率越高越好。緩存命中率=從緩存中讀取次數 / (總讀取次數 (從緩存中讀取次數 + 從慢速設備上讀取次數))。這是一個非常重要的監控指標，如果做緩存，則應通過監控這個指標來看緩存是否工作良好。
緩存回收策略
1.基於空間
基於空間指緩存設置了存儲空間，如設置爲10MB，當達到存儲空間上限時，按照一定的策略移除數據。
2.基於容量
基於容量指緩存設置了最大大小，當緩存的條目超過最大大小時，按照一定的策略移除舊數據。
3.基於時間
TTL(Time To Live):存活期，即緩存數據從創建開始直到到期的一個時間段（不管在這個時間段內有沒有被訪問，緩存數據都將過期）。
TTI(Time To Idle)：空閒期，即緩存數據多久沒被訪問後移除緩存的時間。
4.基於對象引用
軟引用：如果一個對象是軟引用，則當JVM堆內存不足時，垃圾回收器可以回收這些對象。軟引用適合用來做緩存，從而當JVM堆內存不足時，可以回收這些對象騰出一些空間供強引用對象使用，從而避免OOM。
弱引用：當垃圾回收器回收內存時，如果發現弱引用，則將它立即回收。相對於軟引用，弱引用有更短的生命週期。
注意：只有在沒有其他強引用對象引用弱引用/軟引用對象時，垃圾回收時纔回收該引用。即如果有一個對象（不是弱引用/軟引用對象）引用了弱引用/軟引用對象，那麼垃圾回收時不會回收該弱引用/軟引用對象。
5.回收算法
使用基於空間和基於容量的緩存會使用一定的策略移除舊數據，常見的如下。
- FIFO(First In First Out)：先進先出算法，即先放入緩存的先被移除。
- LRU(Least Recently Used)：最近最少使用算法，時間時間距離現在最久的那個被移除。
- LFU(Least Frequently Used)：最不常用算法，一定時間段內使用次數（頻率）最少的那個被移除。
實際應用中基於LRU的緩存居多。
緩存類型
堆內存： 使用Java堆內存來存儲對象。使用堆緩存的好處是沒有序列化/反序列化，是最快的緩存。缺點也很明顯，當緩存的數據量很大時，GC（垃圾回收）暫停時間會變長，存儲容量受限於堆空間大小。一般通過軟引用/弱引用來存儲緩存對象。即當堆內存不足時，可以強制回收這部分內存釋放堆內存空間。一般使用堆緩存存儲較熱的數據。可以使用Guava Cache、Ehcache 3.x、 MapDB實現。
堆外內存： 即緩存數據存儲在堆外內存，可以減少GC暫停時間（堆對象轉移到堆外，GC掃描和移動的對象變少了），可以支持更多的緩存空間（只受機器內存大小限制，不受堆空間的影響）。但是，讀取數據時需要序列化/反序列化。因此，會比堆緩存慢很多。可以使用Ehcache 3.x、 MapDB實現。
磁盤緩存： 即緩存數據存儲在磁盤上，在JVM重啓時數據還存在，而堆/堆外緩存數據會丟失，需要重新加載。可以使用Ehcache 3.x、MapDB實現。
分佈式緩存： 分佈式緩存可以使用ehcache-clustered(配合Terracotta server)實現Java進程間分佈式緩存。也可以使用Memcached、Redis實現。
緩存模式
單機模式： 存儲最熱的數據到堆緩存，相對熱的數據到堆外緩存，不熱的數據到磁盤緩存。
集羣模式： 存儲最熱的數據到堆緩存，相對熱的數據到對外緩存，全量數據到分佈式緩存。
寫在最後
如果覺得文章對你有點幫助，請微信搜索並關注「 冰河技術 」微信公衆號，跟冰河學習高併發編程技術。
最後，附上併發編程需要掌握的核心技能知識圖，祝大家在學習併發編程時，少走彎路。
