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。