缓存分类，应用缓存、分布式缓存

一、应用缓存（本地缓存）

java中的本地缓存，主要包括，构造单例map、guava、ehcache 三类。

 

为什么要有本地缓存？

在系统中，有些数据，数据量小，但是访问十分频繁（例如国家标准行政区域数据），针对这种场景，需要将数据写到应用的本地缓存中，以提升系统的访问效率，减少无谓的数据库访问（数据库访问占用数据库连接，同时网络消耗比较大），但是有一点需要注意，就是缓存的占用空间以及缓存的失效策略。

 

为什么是本地缓存，而不是分布式的集群缓存？

　　       一些和业务无关的小数据缓存，没有必要搞分布式的集群缓存，目前涉及到订单和商品的数据，会直接走DB进行请求，再加上分布式缓存的构建，集群维护成本比较高，不太适合紧急的业务项目。

本地缓存作用就是提高系统的运行速度，是一种空间换时间的取舍。它实质上是一个做key-value查询的字典。 

分类：

1. java jdk map/ConcurrentMap

适用场景：数据量小，数据没有失效时间要求

 jdk map局限性：

1、  没有缓存大小的设置，无法限定缓存体的大小以及存储数据的限制（max sizelimit）；

2、  没有缓存的失效策略（eviction policies）；

3、  没有弱键引用，在内存占用吃紧的情况下，JVM是无法回收的（weakrererences keys）；

4、  没有监控统计（statistics）；

5、  持久性存储（persistent store）；

2. ehcache

优点：功能强大，有失效策略、最大数量设置等，缓存的持久化只有企业版才有，组件集群的缓存同步，可以通过jgroup来实现

缺点：功能强大的同时，也使其更加复杂

ehcache有集群的功能，但是ehcache还是适合一些简单的应用缓存，比如方法级别的，缓存方法的返回值。或者当作一个Map来存储不由GC管理的、可以持久化的数据，比如爬虫url的存储。

ehcache对并发的支持

       在高并发的情况下，使用Ehcache缓存时，由于并发的读与写，我们读的数据有可能是错误的，我们写的数据也有可能意外的被覆盖。所幸的是Ehcache为我们提供了针对于缓存元素Key的Read（读）、Write（写）锁。当一个线程获取了某一Key的Read锁之后，其它线程获取针对于同一个Key的Read锁不会受到限制，但其它线程（包括获取了该Key的Read锁的线程）如果想获取针对同一个Key的Write锁就不行，它需要等到针对于该Key的Read锁释放后才能获取其Write锁；当一个线程获取了某一Key的Write锁之后，其它线程获取同一个Key的Read锁或者Write锁的请求将等待针对于该Key的Write锁释放后才能继续进行，但是同一个线程获取该Key对应的Read锁或者Write锁将不需要等待。获取了对应的锁之后，记得在不再需要该锁后释放该锁。并且需要注意不要引起死锁。

 

配置文件依赖：ehcache.xml 

3. Guava Cache 

 Guava Cache 是单个应用运行时的本地缓存。

 Guava Cache 与 ConcurrentMap很相似，但也不完全一样。最基本的区别是 ConcurrentMap 会一直保存所有添加的元素，直到显式地移除。相对地，Guava Cache 为了限制内存占用，通常都设定为自动回收元素。在某些场景下，尽管 LoadingCache 不回收元素，它也是很有用的，因为它会自动加载缓存。

Guva是google开源的一个公共java库，类似于Apache Commons，它提供了集合，反射，缓存，科学计算，xml，io等一些工具类库。

cache只是其中的一个模块。使用Guva cache能够方便快速的构建本地缓存。

缺点就是如果要组件集群同步的话，需要自己实现这个功能。

二、分布式缓存

1. memcache

2. redis

Redis的特点

• KV NoSQL
• 缓存在内存
• 支持多种数据结构
• 可持久化：AOF / RDB
• 高性能、高可靠
• 支持主从复制

3. mongodb

4. Apache Cassandra

Apache Cassandra 是一种分布式非关系型数据库，具有高性能、可扩展、无中心化等特征。Cassandra 是适用于社交网络业务场景的数据库，适合实时事务处理和提供交互型数据。以 Amazon 完全分布式的 Dynamo 数据库作为基础，结合 Google BigTable 基于列族（Column Family）的数据模型，实现 P2P 去中心化的存储。

三、缓存一致性

缓存预热？

A、全量预热，固定的时间段移除所有，然后再全量预热

适用场景：

1、数据更新不频繁，例如每天晚上3点更新即可的需求；

 2、数据基本没有变化，例如全国区域性数据；

B、增量预热（缓存查询，没有，则查询数据库，有则放入缓存）

适用场景：

1、  数据更新要求缓存中同步更新的场景

 

​集群内部，缓存的一致性如何保证？

如果采用ehcache的话，可以使用框架本身的JGroup来实现组内机器之间的缓存同步。

如果是采用google的cacheBuilder的话，需要自己实现缓存的同步。

A、非实时生效数据：数据的更新不会时时发生，应用启动的时候更新即可，然后定时程序定时去清理缓存；

B、需要实时生效数据：启动时可预热也可不预热，但是缓存数据变更后，集群之间需要同步