出处：http://www.codeceo.com/article/cache-01.html
------------------------------------------------------------------------------
介绍
本篇主要说下楼主平常项目中缓存使用经验和遇到过的问题。
目录
一: 基本写法
二：缓存雪崩
1：全局锁，实例锁
2：字符串锁
三：缓存穿透
四：再谈缓存雪崩
五：总结
一：基本写法
为了方便演示，我们用Runtime.Cache做缓存容器，并定义个简单操作类。如下：
public class CacheHelper
{
public static object Get(string cacheKey)
{
return HttpRuntime.Cache[cacheKey];
}
public static void Add(string cacheKey, object obj, int cacheMinute)
{
HttpRuntime.Cache.Insert(cacheKey, obj, null, DateTime.Now.AddMinutes(cacheMinute),
Cache.NoSlidingExpiration, CacheItemPriority.Normal, null);
}
}
简单读取：
public object GetMemberSigninDays1()
{
const int cacheTime = 5;
const string cacheKey = "mushroomsir";
var cacheValue = CacheHelper.Get(cacheKey);
if (cacheValue != null)
return cacheValue;
cacheValue = "395"; //这里一般是 sql查询数据。 例：395 签到天数
CacheHelper.Add(cacheKey, cacheValue, cacheTime);
return cacheValue;
}
在项目中，有不少这样写法。这样写没有错，但在并发量上来后就会有问题。继续看
二：缓存雪崩
缓存雪崩是由于缓存失效(过期)，新缓存未到期间。
这个中间时间内，所有请求都去查询数据库，而对数据库CPU和内存造成巨大压力，前端连接数不够、查询阻塞。
这个中间时间并没有那么短，比如sql查询1秒，加上传输解析0.5秒。 就是说1.5秒内所有用户查询，都是直接查询数据库的。
这种情况下，我们想到最多的就是加锁排队了。
1：全局锁，实例锁
public static object obj1 = new object();
public object GetMemberSigninDays2()
{
const int cacheTime = 5;
const string cacheKey = "mushroomsir";
var cacheValue = CacheHelper.Get(cacheKey);
if (cacheValue != null)
return cacheValue;
//lock (obj1) //全局锁
//{
// cacheValue = CacheHelper.Get(cacheKey);
// if (cacheValue != null)
// return cacheValue;
// cacheValue = "395"; //这里一般是 sql查询数据。 例：395 签到天数
// CacheHelper.Add(cacheKey, cacheValue, cacheTime);
//}
lock (this)
{
cacheValue = CacheHelper.Get(cacheKey);
if (cacheValue != null)
return cacheValue;
cacheValue = "395"; //这里一般是 sql查询数据。 例：395 签到天数
CacheHelper.Add(cacheKey, cacheValue, cacheTime);
}
return cacheValue;
}
第一种：lock (obj1) 是全局锁可以满足，但我们要为每个函数都声明一个obj，不然在A、B函数都锁obj1时，必然会让其中一个阻塞。
第二种：lock (this) 这个锁当前实例，对其他实例无效，这个锁就没什么效果了。使用单例模式的可以锁。
但在当前实例中：A函数锁当前实例，其他锁当前实例的函数读写，也被阻塞。 不可取
2：字符串锁
既然锁对象不行，利用字符串的特性，我们直接锁缓存key呢。来看下
public object GetMemberSigninDays3()
{
const int cacheTime = 5;
const string cacheKey = "mushroomsir";
var cacheValue = CacheHelper.Get(cacheKey);
if (cacheValue != null)
return cacheValue;
const string lockKey = cacheKey + "n(*≧▽≦*)n";
//lock (cacheKey)
//{
// cacheValue = CacheHelper.Get(cacheKey);
// if (cacheValue != null)
// return cacheValue;
// cacheValue = "395"; //这里一般是 sql查询数据。 例：395 签到天数
// CacheHelper.Add(cacheKey, cacheValue, cacheTime);
//}
lock (lockKey)
{
cacheValue = CacheHelper.Get(cacheKey);
if (cacheValue != null)
return cacheValue;
cacheValue = "395"; //这里一般是 sql查询数据。 例：395 签到天数
CacheHelper.Add(cacheKey, cacheValue, cacheTime);
}
return cacheValue;
}
第一种：lock (cacheName) 有问题，因为字符串也是共享的，会阻塞其他使用这个字符串的操作行为。 具体请看之前的博文 c#语言-多线程中的锁系统(一)。
2015-01-04 13:36更新：因为字符串被公共语言运行库 (CLR)暂留，这意味着整个程序中任何给定字符串都只有一个实例。所以才会用第二种
第二种：lock (lockKey) 可以满足。其实目就是为了保证锁的粒度最小并且全局唯一性，只锁当前缓存的查询行为。
三：缓存穿透
举个简单例子：一般我们会缓存用户搜索结果。而数据库查询不到，是不会做缓存的。但如果频繁查这个关键字，就会每次都直查数据库了。
这样缓存就没意义了，这也是常提的缓存命中率问题。
public object GetMemberSigninDays4()
{
const int cacheTime = 5;
const string cacheKey = "mushroomsir";
var cacheValue = CacheHelper.Get(cacheKey);
if (cacheValue != null)
return cacheValue;
const string lockKey = cacheKey + "n(*≧▽≦*)n";
lock (lockKey)
{
cacheValue = CacheHelper.Get(cacheKey);
if (cacheValue != null)
return cacheValue;
cacheValue = null; //数据库查询不到，为空。
//if (cacheValue2 == null)
//{
// return null; //一般为空，不做缓存
//}
if (cacheValue == null)
{
cacheValue = string.Empty; //如果发现为空，我设置个默认值，也缓存起来。
}
CacheHelper.Add(cacheKey, cacheValue, cacheTime);
}
return cacheValue;
}
例子中我们把查询不到的结果，也给缓存起来了。这样就可以避免，查询为空时，引起缓存穿透了。
当然我们也可以单独设置个缓存区，进行第一层控制校验。 以便和正常缓存区分开了。
四：再谈缓存雪崩
额 不是用加锁排队方式就解决了吗？其实加锁排队只是为了减轻DB压力，并没有提高系统吞吐量。
在高并发下： 缓存重建期间，你是锁着的，1000个请求999个都在阻塞的。 用户体验不好，还浪费资源：阻塞的线程本可以处理后续请求的。
public object GetMemberSigninDays5()
{
const int cacheTime = 5;
const string cacheKey = "mushroomsir";
//缓存标记。
const string cacheSign = cacheKey + "_Sign";
var sign = CacheHelper.Get(cacheSign);
//获取缓存值
var cacheValue = CacheHelper.Get(cacheKey);
if (sign != null)
return cacheValue; //未过期，直接返回。
lock (cacheSign)
{
sign = CacheHelper.Get(cacheSign);
if (sign != null)
return cacheValue;
CacheHelper.Add(cacheSign, "1", cacheTime);
ThreadPool.QueueUserWorkItem((arg) =>
{
cacheValue = "395"; //这里一般是 sql查询数据。 例：395 签到天数
CacheHelper.Add(cacheKey, cacheValue, cacheTime*2); //日期设缓存时间的2倍，用于脏读。
});
}
return cacheValue;
}
代码中，我们多用个缓存标记key，双检锁校验。它设置为正常时间，过期后通知另外的线程去更新缓存数据。
而实际的缓存由于设置了2倍的时间，仍然可以能用脏数据给前端展现。
这样就能提高不少系统吞吐量了。
五：总结
补充下： 这里说的阻塞其他函数指的是，高并发下锁同一对象。
实际使用中，缓存层封装往往要复杂的多。 关于更新缓存，可以单开一个线程去专门跑这些，图方便就扔线程池吧。
具体使用场景，可根据实际用户量来平衡。
--------------------------------------------------------------------------------------------------------
上次主要讨论缓存读写这块各种代码实现。本篇是就上次的问题接着来，继续看那些年我们各种缓存用法。
一：缓存预热
上次有同学问过。在第一次加载时，我们的缓存都为空，怎么进行预热。
单机Web情况下，一般我们使用RunTimeCache。相对于这种情况下：
1：我们可以在启动事件里面刷新
void Application_Start(object sender, EventArgs e)
{
//刷新
}
2：单写个刷新缓存页面，上线后手动刷新下、或发布时自动调用刷新、或干脆由用户自行触发。
分布式缓存(Redis、memcached)情况下：
比如：在几十台服务器缓存时，单刷满缓存都需要不少一段时间。
这种预热就复杂一些，有的会单写个应用程序去跑，也有的会单写套框架机制去处理(更智能化)。
目的都是在上线之前：所有的缓存都预先加载完毕。
二：多级缓存
2.1 介绍
我们晓得在CPU和内存之间一般都配有一级缓存、二级缓存来增加交换速度。
这样当CPU调用大量数据时，就可避开内存直接从CPU缓存中调用，加快读取速度。
根据CPU缓存得出多级缓存的特点：
1：每一级缓存中储存的是下一级缓存的一部分。
2：读取速度按级别依次递减，成本也依次递减，容量依次递增。
3：当前级别未命中时，才会去下一级寻找。
而在企业应用级开发中，使用多级缓存是同样的目的及设计，只是粒度更粗，更灵活。
根据速度依次排列lv1-lv6的缓存类型图：
3级缓存的命中流程图例子：
2.2 线程缓存
Web应用是天生的多线程开发。对于一些公共资源我们必须考虑线程安全，为止我们不得不通过锁来保证数据的完整性和正确性。
在实际当中，一台web服务器至少也得处理成百上千的请求。想一想，在业务复杂的处理流程，函数每调用一次我们都得锁一下。
对服务器也是个不小的浪费。而通过线程缓存，可以让当前处理用户请求的线程只拿自己需要的。
public static ThreadLocal<UserScore> localUserInfo = new ThreadLocal<UserScore>();
借助Net提供的线程本地变量，我们可以在请求入口去拉取当前用户的数据。
在之后线程整个生命周期里面，我们的业务逻辑可以毫无顾虑的使用这些数据，不需要考虑线程安全。
而且我们不用重新拿新数据，所以也不用担心数据撕裂的问题。
因为当前线程周期里面的数据是完整无误的，而只有用户第二次发起请求才会重新去拿新数据。
这样就能提高不少我们服务器吞吐量。注意要在线程出口销毁数据。
2.3 内存缓存
无论是远程数据库读取，还是缓存服务器读取。避免不了要跨进程，跨网络通信，有的还跨机房。
而应用程序频繁读写，对Web、DB服务器都是个不小的消耗，速度相较内存也慢的多。
代码上加锁、异步，甚至加服务器在内，都不是一个很好的办法。因为加载速度，对用户体验非常重要。
所以在有要求的项目中使用本地内存做二级缓存，是非常有必要的。目的就是1：抗并发，2：加快读取速度。
有个著名的缓存五分钟法则法则，就是说如果一个数据频繁被访问，那么就应该放内存中。
举个例子： 有100并发过来，加锁会导致前端99线程等候，这个99线程等候着，其实是一直在消耗Web服务器资源。不加就是缓存雪崩。
如果我们每分钟拉取一份缓存，缓存到内存，这样99线程等候时间极大缩短。
2.4 文件缓存
相对于内存，硬盘容量大，速度相较于走网络还更快。
所以我们完全可以把一些不经常变更，放在内存又比较浪费的数据缓存到本地硬盘。
比如使用sqlite一些文件数据库，我们很容易做到。
2.5 分布式缓存
基于内存缓存的redis、memcached等。
基于文件nosql的Casssandra、mongodb等。
redis、memcached是主流的分布式内存缓存，也是应用和DB中间最大的缓存层。
nosql这类的其实不单单只是做缓存用了，完全用在一些非核心业务的DB层了。
2.6 DB缓存
这一层DB主要是缓存由原始数据计算出的结果。而避免由Web程序通过SQL或在使用中直接计算。
当然我们也可以把计算好的数据，存储到redis做缓存。
三：多层缓存
多层缓存概念在很多地方都用到过：
1：上面我们说的多级缓存就是一种，把内容根据读取频率等级，分不同的层次存储，频率越高就越近。
2：还一种多层是缓存索引的做法，类B树查找，这样能提高检索效率。
3：从架构上来说客户端缓存，CDN缓存，反向代理缓存，服务端缓存，也是多层缓存。
四：总结
在使用上，大家根据实际场景，进行各种组合搭配。本篇谈的比较理论些，很多内容细节没展开。
比如分布式缓存使用，缓存置换策略及算法，缓存过期机制等。后面楼主会继续补充下去。
--------------------------------------------------------------------------------------------------
上次我们说了多级缓存，本章详细介绍下内存缓存该如何设计。
一：分析设计
假设有个项目有一定并发量，要用到多级缓存，如下：
在实际设计一个内存缓存前，我们需要考虑的问题：
1：内存与Redis的数据置换，尽可能在内存中提高数据命中率，减少下一级的压力。
2：内存容量的限制，需要控制缓存数量。
3：热点数据更新不同，需要可配置单个key过期时间。
4：良好的缓存过期删除策略。
5：缓存数据结构的复杂度尽可能的低。
关于置换及命中率：我们采用LRU算法，因为它实现简单，缓存key命中率也很好。
LRU即是：把最近最少访问的数据给淘汰掉，经常被访问到即是热点数据。
关于LRU数据结构：因为key优先级提升和key淘汰，所以需要顺序结构。我看到大多实现，都采用链表结构、
即：新数据插入到链表头部、被命中时的数据移动到头部。 添加复杂度O(1) 移动和获取复杂度O(N)。
有没复杂度更低的呢？ 有Dictionary，复杂度为O(1)，性能最好。 那如何保证缓存的优先级提升呢？
二：O(1)LRU实现
我们定义个LRUCache<TValue>类，构造参数maxKeySize 来控制缓存最大数量。
使用ConcurrentDictionary来作为我们的缓存容器，并能保证线程安全。
public class LRUCache<TValue> : IEnumerable<KeyValuePair<string, TValue>>
{
private long ageToDiscard = 0; //淘汰的年龄起点
private long currentAge = 0; //当前缓存最新年龄
private int maxSize = 0; //缓存最大容量
private readonly ConcurrentDictionary<string, TrackValue> cache;
public LRUCache(int maxKeySize)
{
cache = new ConcurrentDictionary<string, TrackValue>();
maxSize = maxKeySize;
}
}
上面定义了 ageToDiscard、currentAge 这2个自增值参数，作用是：标记缓存列表中各个key的新旧程度。
核心实现步骤如下：
1：每次添加key时，currentAge自增并将currentAge值分配给这个缓存值的Age，currentAge始终增加。
public void Add(string key, TValue value)
{
Adjust(key);
var result = new TrackValue(this, value);
cache.AddOrUpdate(key, result, (k, o) => result);
}
public class TrackValue
{
public readonly TValue Value;
public long Age;
public TrackValue(LRUCache<TValue> lv, TValue tv)
{
Age = Interlocked.Increment(ref lv.currentAge);
Value = tv;
}
}
2：在添加时，如超过最大数量。检查字典里是否有ageToDiscard年龄的key，如没有循环自增检查，有则删除、添加成功。
ageToDiscard+maxSize= currentAge ，这样设计就能在O(1)下保证可以淘汰旧数据，而不是使用链表移动。
public void Adjust(string key)
{
while (cache.Count >= maxSize)
{
long ageToDelete = Interlocked.Increment(ref ageToDiscard);
var toDiscard =
cache.FirstOrDefault(p => p.Value.Age == ageToDelete);
if (toDiscard.Key == null)
continue;
TrackValue old;
cache.TryRemove(toDiscard.Key, out old);
}
}
过期删除策略
大多数情况下，LRU算法对热点数据命中率是很高的。 但如果突然大量偶发性的数据访问，会让内存中存放大量冷数据，也就是缓存污染。
会引起LRU无法命中热点数据，导致缓存系统命中率急剧下降。也可以使用LRU-K、2Q、MQ等变种算法来提高命中率。
过期配置
1：我们通过设定、最大过期时间来尽量避免冷数据常驻内存。
2：大多数情况每个缓存的时间要求不一致的，所以在增加单个key的过期时间。
private TimeSpan maxTime;
public LRUCache(int maxKeySize,TimeSpan maxExpireTime){}
//TrackValue增加创建时间和过期时间
public readonly DateTime CreateTime;
public readonly TimeSpan ExpireTime;
删除策略
1：关于key过期删除，最好使用定时删除了。 这样可以最快释放被占用的内存，但很明显，大量的定时器对CPU吃不消的。
2：所以我们采用惰性删除、在获取key的时检查是否过期，过期直接删除。
public Tuple<TrackValue, bool> CheckExpire(string key)
{
TrackValue result;
if (cache.TryGetValue(key, out result))
{
var age = DateTime.Now.Subtract(result.CreateTime);
if (age >= maxTime || age >= result.ExpireTime)
{
TrackValue old;
cache.TryRemove(key, out old);
return Tuple.Create(default(TrackValue), false);
}
}
return Tuple.Create(result, true);
}
3：惰性删除虽然性能最好，对于冷数据来说，还是没解决缓存污染问题。 所以我们还需定期清理。
比如：开个线程，5分钟去遍历检查key一次。这个策略根据实际场景可配置。
public void Inspection()
{
foreach (var item in this)
{
CheckExpire(item.Key);
}
}
惰性删除+定期删除基本能满足我们需求了。
总结
如果继续完善下去，就是内存数据库的雏形，类似redis。
比如：增加删除key的通知，增加更多数据类型。 本篇也是参考了redis、Orleans的实现。