一江场、本地緩存框架

本地緩存框架適用于單機(jī)應(yīng)用場(chǎng)景飘千，可以通過(guò)緩存來(lái)提高數(shù)據(jù)訪問(wèn)的速度和效率染坯。Ehcache羹应、Guava Cache 和 Caffeine 都是常見(jiàn)的本地緩存框架，它們?cè)趯?shí)現(xiàn)本地緩存的功能方面有所不同散休。

適用場(chǎng)景：適用于單機(jī)應(yīng)用場(chǎng)景媒楼，可以通過(guò)緩存來(lái)提高數(shù)據(jù)訪問(wèn)的速度和效率，減少數(shù)據(jù)庫(kù)的壓力和響應(yīng)時(shí)間戚丸。

1划址、Ehcache

1.1 簡(jiǎn)介

Ehcache是一個(gè)開(kāi)源的Java分布式緩存框架，由Terracotta公司開(kāi)發(fā)昏滴，它是一個(gè)廣泛使用的緩存框架猴鲫，為Java應(yīng)用程序提供了性能優(yōu)化和可擴(kuò)展性。Ehcache可以在Java應(yīng)用程序中存儲(chǔ)緩存數(shù)據(jù)谣殊，提供快速響應(yīng)和優(yōu)化性能拂共。Ehcache還支持多個(gè)緩存策略，包括FIFO姻几、LRU和LFU等宜狐，可以根據(jù)具體場(chǎng)景選擇最適合的緩存策略。除此之外蛇捌，Ehcache還提供了分布式緩存功能抚恒，支持多個(gè)緩存節(jié)點(diǎn)之間的數(shù)據(jù)同步和共享。

Ehcache 優(yōu)點(diǎn)：

• 易于使用：Ehcache 提供了簡(jiǎn)單易用的 API络拌，可以輕松地將其集成到項(xiàng)目中俭驮，同時(shí)也提供了豐富的配置選項(xiàng)，可以根據(jù)實(shí)際需求進(jìn)行調(diào)整。
• 高性能：Ehcache 的緩存性能非常出色混萝，可以大大減少應(yīng)用程序訪問(wèn)數(shù)據(jù)庫(kù)的次數(shù)遗遵，提高系統(tǒng)的性能和響應(yīng)速度。
• 可擴(kuò)展性：Ehcache 支持多級(jí)緩存逸嘀、緩存復(fù)制和集群部署等功能车要，可以輕松地實(shí)現(xiàn)分布式緩存，提高系統(tǒng)的可擴(kuò)展性和容錯(cuò)性崭倘。
• 可靠性：Ehcache 提供了完善的緩存管理和監(jiān)控功能翼岁，可以確保緩存數(shù)據(jù)的可靠性和一致性。
• 支持多種緩存策略：Ehcache 支持多種緩存策略司光，如 LFU琅坡、LRU、FIFO 等飘庄，可以根據(jù)實(shí)際需求進(jìn)行選擇和配置脑蠕。

Ehcache 缺點(diǎn)：

• 緩存數(shù)據(jù)存儲(chǔ)在本地內(nèi)存中，無(wú)法實(shí)現(xiàn)數(shù)據(jù)共享和數(shù)據(jù)備份跪削，容易造成緩存擊穿、緩存穿透等問(wèn)題迂求。
• 對(duì)緩存數(shù)據(jù)的管理和維護(hù)需要占用應(yīng)用程序的內(nèi)存資源碾盐，可能會(huì)對(duì)應(yīng)用程序的性能產(chǎn)生一定的影響。
• 在集群環(huán)境下需要額外的配置和管理工作揩局，相對(duì)較為復(fù)雜毫玖。

1.2 官方文檔

https://www.ehcache.org/documentation/

1.3 Java配置示例

// 創(chuàng)建緩存管理器
CacheManager cacheManager = CacheManagerBuilder.newCacheManagerBuilder().build();
cacheManager.init();

// 創(chuàng)建緩存實(shí)例
Cache<Integer, String> cache = cacheManager.createCache("myCache",
        CacheConfigurationBuilder.newCacheConfigurationBuilder(Integer.class, String.class,
                ResourcePoolsBuilder.heap(100)));

// 將元素放入緩存
cache.put(1, "Hello, Ehcache!");

// 從緩存中獲取元素
String result = cache.get(1);

// 關(guān)閉緩存管理器
cacheManager.close();

1.4 緩存策略

最近最少使用策略（Least Recently Used, LRU）

將最近最少使用的對(duì)象從緩存中刪除，保留最常用的對(duì)象凌盯。

先進(jìn)先出策略（First In First Out, FIFO）

按照對(duì)象進(jìn)入緩存的順序付枫，先進(jìn)先出地淘汰對(duì)象。

最近最少使用時(shí)間策略（Least Recently Used Time, LRUT）

類似于LRU策略驰怎，但考慮了對(duì)象最后一次訪問(wèn)時(shí)間阐滩，最近使用時(shí)間較早的對(duì)象被淘汰。

最不經(jīng)常使用策略（Least Frequently Used, LFU）

淘汰一段時(shí)間內(nèi)使用頻率最少的對(duì)象县忌。

基于權(quán)重的策略（Weighted Random Early Detection, WRED）

將權(quán)重較低的對(duì)象從緩存中刪除掂榔，權(quán)重越高的對(duì)象保留的幾率越大。

同步策略（Synchronous）

所有的寫(xiě)操作將被同步到緩存和持久化存儲(chǔ)中症杏，適合要求高可靠性的場(chǎng)景装获。

異步策略（Asynchronous）

寫(xiě)操作首先寫(xiě)入緩存，然后異步地寫(xiě)入持久化存儲(chǔ)厉颤，適合對(duì)可靠性要求不高的場(chǎng)景穴豫。

永久緩存策略（Eternal）

對(duì)象永遠(yuǎn)不會(huì)過(guò)期，適合靜態(tài)數(shù)據(jù)逼友。

時(shí)間緩存策略（Time To Live, TTL）

對(duì)象存活一定的時(shí)間后將過(guò)期精肃。

訪問(wèn)緩存策略（Time To Idle, TTI）

對(duì)象在一定時(shí)間內(nèi)未被訪問(wèn)后將過(guò)期秤涩。

2、Guava Cache

2.1 簡(jiǎn)介

Guava Cache是Google Guava庫(kù)中提供的一種本地緩存框架肋杖，它為應(yīng)用程序提供了一種輕量級(jí)的緩存解決方案溉仑。Guava Cache提供了一些簡(jiǎn)單易用的API，可以用來(lái)構(gòu)建基于內(nèi)存的本地緩存状植，并支持多種緩存策略浊竟，包括基于時(shí)間和大小的緩存清除、手動(dòng)清除緩存津畸、緩存項(xiàng)回收等振定。

Guava Cache 優(yōu)點(diǎn)：

• 簡(jiǎn)單易用：Guava Cache 提供了簡(jiǎn)單易用的 API，可以非常方便地使用本地緩存。
• 高性能：Guava Cache 是一款高性能的本地緩存實(shí)現(xiàn)，使用 Guava Cache 可以大大提升應(yīng)用程序的訪問(wèn)性能矿辽。
• 靈活性高：Guava Cache 提供了靈活的緩存配置選項(xiàng)宦赠，可以根據(jù)業(yè)務(wù)場(chǎng)景進(jìn)行優(yōu)化和調(diào)整。
• 易于集成：Guava Cache 可以非常容易地集成到 Java 應(yīng)用程序中务豺，只需要添加對(duì)應(yīng)的 Maven 依賴即可。

Guava Cache 缺點(diǎn)：

• 本地緩存：Guava Cache 是一款本地緩存實(shí)現(xiàn)，只能用于單個(gè)節(jié)點(diǎn)的緩存場(chǎng)景露久，無(wú)法滿足分布式緩存的需求。
• 大規(guī)模緩存：Guava Cache 適用于中小規(guī)模緩存欺栗，對(duì)于大規(guī)模緩存場(chǎng)景需要考慮分布式緩存實(shí)現(xiàn)毫痕。
• 沒(méi)有緩存淘汰策略：Guava Cache 缺乏像 Redis、Ehcache 那樣完善的緩存淘汰策略迟几，需要手動(dòng)設(shè)置緩存失效時(shí)間來(lái)達(dá)到類似的效果消请。

2.2 官方文檔

https://github.com/google/guava/wiki/CachesExplained

2.3 Java配置示例

// 創(chuàng)建緩存實(shí)例
Cache<Integer, String> cache = CacheBuilder.newBuilder()
        .expireAfterWrite(10, TimeUnit.MINUTES)
        .maximumSize(1000)
        .build();

// 將元素放入緩存
cache.put(1, "Hello, Guava Cache!");

// 從緩存中獲取元素
String result = cache.getIfPresent(1);

// 關(guān)閉緩存
cache.invalidateAll();

2.4 緩存策略

基于容量的回收策略

該策略基于緩存中元素的數(shù)量，設(shè)置緩存最大容量类腮，一旦超過(guò)該容量臊泰，將使用最近最少使用算法（LRU）清除最近最少使用的緩存項(xiàng)。

基于大小的回收策略

該策略基于緩存項(xiàng)占用的空間大小來(lái)限制緩存項(xiàng)的數(shù)量存哲。一旦超過(guò)了緩存的最大容量因宇，就會(huì)使用LRU算法來(lái)清除最近最少使用的緩存項(xiàng)，以便為新緩存項(xiàng)騰出空間祟偷。

基于時(shí)間的回收策略

該策略基于緩存項(xiàng)的過(guò)期時(shí)間來(lái)清除緩存項(xiàng)察滑。當(dāng)緩存項(xiàng)超過(guò)指定的時(shí)間范圍時(shí)，它將被清除修肠。緩存項(xiàng)可以在創(chuàng)建時(shí)指定過(guò)期時(shí)間贺辰，也可以通過(guò)調(diào)用CacheBuilder.expireAfterWrite(long, TimeUnit)方法來(lái)設(shè)置默認(rèn)的過(guò)期時(shí)間。

基于引用的回收策略

該策略將緩存項(xiàng)與GC的回收進(jìn)行結(jié)合。這意味著緩存項(xiàng)將在虛擬機(jī)需要回收內(nèi)存時(shí)被清除饲化。Guava Cache支持兩種類型的引用：弱引用和軟引用莽鸭。當(dāng)緩存項(xiàng)的鍵或值被回收時(shí)，緩存項(xiàng)將被自動(dòng)清除吃靠。

手動(dòng)回收策略

該策略允許使用者手動(dòng)清除緩存項(xiàng)硫眨，通過(guò)調(diào)用Cache.invalidate(Object)或Cache.invalidateAll()方法實(shí)現(xiàn)。這對(duì)于在緩存中放置需要即時(shí)失效的數(shù)據(jù)非常有用巢块。

組合回收策略

Guava Cache還支持將多個(gè)回收策略組合使用礁阁。例如，可以將基于時(shí)間的回收策略與基于容量的回收策略相結(jié)合族奢，以便在緩存過(guò)期之前限制緩存的最大容量姥闭。這個(gè)可以通過(guò)調(diào)用CacheBuilder.maximumSize(long).expireAfterWrite(long, TimeUnit)方法實(shí)現(xiàn)。

總的來(lái)說(shuō)越走，Guava Cache提供了豐富的緩存策略棚品，可以根據(jù)應(yīng)用程序的不同需求進(jìn)行自由組合，參考官方文檔廊敌。

3铜跑、Caffeine

3.1 簡(jiǎn)介

Caffeine是一個(gè)基于Java 8的高性能緩存庫(kù)，提供了一些常用緩存功能骡澈，如緩存過(guò)期疼进、自動(dòng)加載、統(tǒng)計(jì)等秧廉，并且具有內(nèi)存友好、高性能拣帽、線程安全等特點(diǎn)疼电。Caffeine支持多種緩存策略，如基于容量减拭、基于時(shí)間蔽豺、基于權(quán)重、手動(dòng)移除拧粪、定時(shí)刷新等修陡，并提供了豐富的配置選項(xiàng)，能夠適應(yīng)不同的應(yīng)用場(chǎng)景和需求可霎。Caffeine也是Spring框架中緩存抽象接口的默認(rèn)實(shí)現(xiàn)魄鸦。

Caffeine 優(yōu)點(diǎn)：

• 更快的緩存讀寫(xiě)性能，具有更高的吞吐量和更低的延遲
• 支持更多的緩存策略和選項(xiàng)癣朗，更靈活和可定制
• 更少的內(nèi)存占用和更好的緩存效率
• 支持異步加載和刷新緩存項(xiàng)
• 可以與Spring等框架無(wú)縫集成

Caffeine 缺點(diǎn)：

• 不支持分布式緩存
• 沒(méi)有Guava Cache的緩存預(yù)熱功能
• 不支持緩存項(xiàng)失效的監(jiān)聽(tīng)器

3.2 官方文檔

https://github.com/ben-manes/caffeine/wiki

3.3 Java配置示例

// 創(chuàng)建緩存實(shí)例
Cache<Integer, String> cache = Caffeine.newBuilder()
        .expireAfterWrite(10, TimeUnit.MINUTES)
        .maximumSize(1000)
        .build();

// 將元素放入緩存
cache.put(1, "Hello, Caffeine!");

// 從緩存中獲取元素
String result = cache.getIfPresent(1);

// 關(guān)閉緩存
cache.invalidateAll();

3.4 緩存策略

最近最少使用策略（LRU）

緩存的數(shù)據(jù)按照訪問(wèn)時(shí)間排序拾因，每次淘汰最久未被訪問(wèn)的數(shù)據(jù)。優(yōu)點(diǎn)是容易實(shí)現(xiàn)，缺點(diǎn)是無(wú)法適應(yīng)一些特殊場(chǎng)景绢记，例如緩存數(shù)據(jù)的訪問(wèn)頻率差異很大的場(chǎng)景扁达。

最少使用次數(shù)策略（LFU）

緩存的數(shù)據(jù)按照被訪問(wèn)次數(shù)排序，每次淘汰訪問(wèn)次數(shù)最少的數(shù)據(jù)蠢熄。該策略適合訪問(wèn)頻率穩(wěn)定的數(shù)據(jù)跪解。

固定容量策略（Fixed Size）

緩存數(shù)據(jù)容量固定，當(dāng)容量滿時(shí)签孔，采用LRU或其他策略進(jìn)行淘汰叉讥。

固定重量策略（Weigher）

緩存數(shù)據(jù)容量固定，但不是按照數(shù)據(jù)條目數(shù)量來(lái)計(jì)算的骏啰，而是按照緩存數(shù)據(jù)的重量來(lái)計(jì)算节吮，當(dāng)重量達(dá)到上限時(shí)，采用LRU或其他策略進(jìn)行淘汰判耕。

時(shí)間過(guò)期策略（Time-based expiration）

緩存數(shù)據(jù)存儲(chǔ)的時(shí)間固定透绩，一旦存儲(chǔ)時(shí)間超過(guò)預(yù)設(shè)時(shí)間，緩存數(shù)據(jù)將被淘汰壁熄。

寫(xiě)入過(guò)期策略（Write expiration）

緩存數(shù)據(jù)在寫(xiě)入時(shí)帚豪，可以設(shè)置其存儲(chǔ)時(shí)間，一旦存儲(chǔ)時(shí)間超過(guò)預(yù)設(shè)時(shí)間草丧，緩存數(shù)據(jù)將被淘汰狸臣。

訪問(wèn)過(guò)期策略（Access expiration）

緩存數(shù)據(jù)在最近一次訪問(wèn)之后，經(jīng)過(guò)預(yù)設(shè)時(shí)間后將被淘汰昌执。

異步刷新策略（Asynchronous Refreshing）

緩存數(shù)據(jù)在被淘汰前烛亦，會(huì)異步地進(jìn)行刷新。該策略適用于緩存數(shù)據(jù)很難預(yù)測(cè)何時(shí)失效懂拾，但刷新緩存數(shù)據(jù)的代價(jià)比重新加載要小的情況煤禽。

記錄統(tǒng)計(jì)策略（Record Statistics）

對(duì)緩存的訪問(wèn)次數(shù)、命中率等進(jìn)行統(tǒng)計(jì)岖赋，便于后續(xù)的優(yōu)化和管理檬果。

手動(dòng)加載策略（Manual Loading）

手動(dòng)將緩存數(shù)據(jù)加載到緩存中，適用于加載緩存數(shù)據(jù)的代價(jià)較大的情況唐断。

SoftValues

使用軟引用作為value的引用類型选脊，當(dāng)JVM內(nèi)存不足時(shí)，可能會(huì)回收一些value脸甘，以盡量保留剩余的內(nèi)存恳啥。

WeakKeys

使用弱引用作為key的引用類型，當(dāng)key沒(méi)有被其他對(duì)象引用時(shí)斤程，可能會(huì)被垃圾回收器回收角寸。

WeakValues

使用弱引用作為value的引用類型菩混，當(dāng)value沒(méi)有被其他對(duì)象引用時(shí)，可能會(huì)被垃圾回收器回收扁藕。

WeakKeysWeakValues

同時(shí)使用弱引用作為key和value的引用類型沮峡，當(dāng)key和value都沒(méi)有被其他對(duì)象引用時(shí)，可能會(huì)被垃圾回收器回收亿柑。

這些緩存策略的具體實(shí)現(xiàn)方式和使用場(chǎng)景可以參考Caffeine的官方文檔邢疙。

比較

特性比較

Ehcache 3.x 支持分布式颁虐，但與 2.x 版本有較大差異。Guava Cache 主要作為本地緩存框架使用卧须。Caffeine 支持 Java 8 及以上版本另绩，比 Guava Cache 性能更好，擁有更多高級(jí)特性花嘶，但同時(shí)也更復(fù)雜笋籽。

• 功能和特性：
  Ehcache 和 Guava Cache 都是基于緩存對(duì)象的大小和時(shí)間限制的 LRU 算法實(shí)現(xiàn)的，可以對(duì)緩存的元素進(jìn)行自動(dòng)過(guò)期椭员、剔除和大小限制等操作车海。而 Caffeine 則是基于緩存的訪問(wèn)模式和大小進(jìn)行緩存元素的淘汰，可以使用不同的淘汰算法隘击，如 LRU侍芝、LFU 和 W-TinyLFU 等。

• 并發(fā)性能：
  在并發(fā)性能方面埋同，Caffeine 是最快的本地緩存框架竭贩，其使用了多種并發(fā)技術(shù)來(lái)保證緩存的并發(fā)訪問(wèn)性能，如并發(fā)哈希表莺禁、CAS 和讀寫(xiě)鎖等。而 Ehcache 和 Guava Cache 在并發(fā)性能方面相對(duì)較差窄赋，不支持并發(fā)訪問(wèn)哟冬，可能會(huì)出現(xiàn)線程安全問(wèn)題。

• 內(nèi)存占用：
  在內(nèi)存占用方面忆绰，Caffeine 的內(nèi)存占用最小浩峡，因?yàn)槠涫褂昧艘恍┨厥獾臄?shù)據(jù)結(jié)構(gòu)和算法來(lái)減小內(nèi)存占用，如堆外內(nèi)存和布隆過(guò)濾器等错敢。而 Ehcache 和 Guava Cache 的內(nèi)存占用相對(duì)較大翰灾，可能會(huì)導(dǎo)致內(nèi)存浪費(fèi)和緩存性能下降缕粹。

• 分布式緩存支持：
  Ehcache 提供了分布式緩存的支持，可以將緩存對(duì)象存儲(chǔ)在多個(gè)節(jié)點(diǎn)上纸淮，以提高緩存的可用性和可擴(kuò)展性平斩。而 Guava Cache 和 Caffeine 不支持分布式緩存，只能用作本地緩存咽块。

綜上所述绘面，Ehcache 在分布式緩存和并發(fā)性能方面較為優(yōu)秀，但內(nèi)存占用較大侈沪；Guava Cache 是一個(gè)輕量級(jí)的本地緩存框架揭璃，具有簡(jiǎn)單易用的特點(diǎn)，但并發(fā)性能較弱亭罪；Caffeine 則是一個(gè)快速瘦馍、高效、內(nèi)存占用小的本地緩存框架应役，適合需要高性能和低內(nèi)存占用的場(chǎng)景情组。

緩存策略比較

二、分布式緩存

1扛吞、簡(jiǎn)介

分布式緩存指的是將緩存數(shù)據(jù)存儲(chǔ)在多臺(tái)服務(wù)器上呻惕，通過(guò)協(xié)調(diào)和通信來(lái)實(shí)現(xiàn)數(shù)據(jù)的一致性和高可用性的一種緩存技術(shù)。與傳統(tǒng)的本地緩存相比滥比，分布式緩存可以提高系統(tǒng)的性能和可擴(kuò)展性亚脆，適用于高并發(fā)和大規(guī)模數(shù)據(jù)的場(chǎng)景。

2盲泛、業(yè)務(wù)場(chǎng)景

• 高并發(fā)讀缺舫帧：對(duì)于訪問(wèn)頻率較高的數(shù)據(jù)，可以將其緩存在分布式緩存中寺滚，減少對(duì)數(shù)據(jù)庫(kù)等存儲(chǔ)系統(tǒng)的壓力柑营，提高讀取性能。
• 高并發(fā)寫(xiě)入：對(duì)于需要頻繁寫(xiě)入的數(shù)據(jù)村视，通過(guò)分布式緩存可以減少對(duì)數(shù)據(jù)庫(kù)等存儲(chǔ)系統(tǒng)的寫(xiě)入次數(shù)官套，提高寫(xiě)入性能。
• 減少資源占用：通過(guò)緩存可以減少對(duì)存儲(chǔ)系統(tǒng)蚁孔、網(wǎng)絡(luò)等資源的占用奶赔，提高系統(tǒng)的可擴(kuò)展性和可靠性。
• 數(shù)據(jù)共享：通過(guò)分布式緩存可以實(shí)現(xiàn)多個(gè)應(yīng)用程序之間共享數(shù)據(jù)杠氢，提高系統(tǒng)之間的協(xié)同能力站刑。
• 數(shù)據(jù)安全：通過(guò)緩存可以緩存已處理的數(shù)據(jù)，減少對(duì)用戶信息的讀取和處理鼻百，從而提高數(shù)據(jù)的安全性绞旅。

3摆尝、作用/目的

• 提高應(yīng)用性能：緩存可以將數(shù)據(jù)存儲(chǔ)在內(nèi)存中，從而提高讀取數(shù)據(jù)的速度因悲，減輕數(shù)據(jù)庫(kù)等后端系統(tǒng)的負(fù)載堕汞，提高應(yīng)用的性能。
• 減少數(shù)據(jù)庫(kù)訪問(wèn)：緩存可以將一些常用的數(shù)據(jù)存儲(chǔ)在緩存中囤捻，從而減少對(duì)數(shù)據(jù)庫(kù)的訪問(wèn)次數(shù)臼朗，降低了對(duì)數(shù)據(jù)庫(kù)的壓力，減少了對(duì)數(shù)據(jù)庫(kù)的負(fù)載蝎土。
• 實(shí)現(xiàn)數(shù)據(jù)共享：分布式緩存可以將數(shù)據(jù)緩存到多個(gè)節(jié)點(diǎn)中视哑，實(shí)現(xiàn)數(shù)據(jù)共享和數(shù)據(jù)同步。
• 提高應(yīng)用可擴(kuò)展性：應(yīng)用的性能和可擴(kuò)展性往往是緊密關(guān)聯(lián)的誊涯，緩存可以提高應(yīng)用的性能挡毅，從而提高應(yīng)用的可擴(kuò)展性。
• 實(shí)現(xiàn)高可用性：緩存可以實(shí)現(xiàn)多節(jié)點(diǎn)的數(shù)據(jù)備份和數(shù)據(jù)同步暴构，從而提高系統(tǒng)的可用性跪呈，減少單點(diǎn)故障的風(fēng)險(xiǎn)。

綜上所述取逾，分布式緩存可以提高應(yīng)用的性能和可擴(kuò)展性耗绿，降低后端系統(tǒng)的負(fù)載，實(shí)現(xiàn)數(shù)據(jù)共享和高可用性等砾隅。

4误阻、常見(jiàn)問(wèn)題

• 緩存穿透：指查詢一個(gè)不存在的數(shù)據(jù)，由于緩存中沒(méi)有晴埂，每次請(qǐng)求都會(huì)直接請(qǐng)求數(shù)據(jù)庫(kù)究反，導(dǎo)致數(shù)據(jù)庫(kù)壓力過(guò)大，甚至宕機(jī)儒洛。
• 緩存擊穿：指某個(gè)熱點(diǎn)key失效或過(guò)期精耐，此時(shí)大量請(qǐng)求會(huì)同時(shí)涌入數(shù)據(jù)庫(kù)，導(dǎo)致數(shù)據(jù)庫(kù)壓力過(guò)大琅锻，甚至宕機(jī)卦停。
• 緩存雪崩：指緩存中大量的key在同一時(shí)間過(guò)期，導(dǎo)致請(qǐng)求全部落到了數(shù)據(jù)庫(kù)上恼蓬，造成數(shù)據(jù)庫(kù)壓力過(guò)大沫浆，甚至宕機(jī)。
• 緩存數(shù)據(jù)一致性：在分布式環(huán)境下滚秩，不同節(jié)點(diǎn)的緩存數(shù)據(jù)不一致，可能導(dǎo)致業(yè)務(wù)異常淮捆。
• 緩存并發(fā)競(jìng)爭(zhēng)：在高并發(fā)場(chǎng)景下郁油，由于多個(gè)線程同時(shí)請(qǐng)求緩存數(shù)據(jù)本股，可能導(dǎo)致緩存穿透和緩存擊穿問(wèn)題。

針對(duì)上述問(wèn)題桐腌，常見(jiàn)的解決方案包括：

• 使用布隆過(guò)濾器等技術(shù)解決緩存穿透問(wèn)題拄显。
• 使用分布式鎖、熱點(diǎn)緩存預(yù)熱等技術(shù)解決緩存擊穿問(wèn)題案站。
• 對(duì)緩存過(guò)期時(shí)間進(jìn)行隨機(jī)化躬审、增加緩存容錯(cuò)等技術(shù)解決緩存雪崩問(wèn)題。
• 使用緩存更新策略蟆盐，如緩存失效時(shí)異步更新緩存等技術(shù)解決緩存數(shù)據(jù)一致性問(wèn)題承边。
• 使用本地緩存或緩存預(yù)熱等技術(shù)解決緩存并發(fā)競(jìng)爭(zhēng)問(wèn)題。

4.1 布隆過(guò)濾器解決緩存穿透

布隆過(guò)濾器（Bloom Filter）是一種空間效率很高的概率型數(shù)據(jù)結(jié)構(gòu)石挂，用于判斷某個(gè)元素是否屬于一個(gè)集合博助，其最大的優(yōu)勢(shì)在于可以判斷出某個(gè)元素肯定不存在于集合中，因此可以用于緩存穿透的解決痹愚。

具體來(lái)說(shuō)富岳，我們可以在緩存中存儲(chǔ)一個(gè)布隆過(guò)濾器，用于判斷請(qǐng)求的 key 是否存在于緩存中拯腮。如果布隆過(guò)濾器判斷 key 不存在于緩存中窖式，我們就可以直接返回空結(jié)果，而不需要查詢數(shù)據(jù)庫(kù)动壤，從而避免了緩存穿透的問(wèn)題萝喘。

下面是一個(gè) Java 代碼示例，演示如何使用 Google Guava 提供的布隆過(guò)濾器來(lái)實(shí)現(xiàn)緩存穿透的處理：

import com.google.common.hash.BloomFilter;
import com.google.common.hash.Funnels;
import java.nio.charset.Charset;

public class BloomFilterCache {

    // 預(yù)期插入元素?cái)?shù)量
    private static final int EXPECTED_INSERTIONS = 1000000; 
    // 期望的誤判率 
    private static final double FPP = 0.001;  

    private static final BloomFilter<CharSequence> bloomFilter = BloomFilter.create(Funnels.        stringFunnel(Charset.defaultCharset()), EXPECTED_INSERTIONS, FPP);

    public static void put(String key) {
        bloomFilter.put(key);
    }

    public static boolean mightContain(String key) {
        return bloomFilter.mightContain(key);
    }
}

在這個(gè)示例中狼电，我們使用 Google Guava 提供的 BloomFilter 類來(lái)創(chuàng)建一個(gè)布隆過(guò)濾器蜒灰，用于存儲(chǔ)字符串類型的數(shù)據(jù)。在實(shí)際應(yīng)用中肩碟，我們可以將這個(gè)布隆過(guò)濾器存儲(chǔ)在緩存中强窖，用于判斷請(qǐng)求的 key 是否存在于緩存中。

當(dāng)我們需要往緩存中存儲(chǔ)數(shù)據(jù)時(shí)削祈，我們可以調(diào)用 put 方法將數(shù)據(jù)的 key 添加到布隆過(guò)濾器中翅溺。當(dāng)有請(qǐng)求需要查詢緩存中的數(shù)據(jù)時(shí)，我們可以調(diào)用 mightContain 方法來(lái)判斷請(qǐng)求的 key 是否存在于布隆過(guò)濾器中髓抑。如果布隆過(guò)濾器判斷 key 不存在咙崎，我們就可以直接返回空結(jié)果，避免了緩存穿透的問(wèn)題吨拍。

4.2 使用分布式鎖解決緩存擊穿問(wèn)題

使用分布式鎖解決緩存擊穿問(wèn)題的原理是在緩存失效的同時(shí)褪猛，使用分布式鎖來(lái)保證只有一個(gè)線程去訪問(wèn)數(shù)據(jù)庫(kù)，其他線程等待該線程的結(jié)果羹饰，并從緩存中獲取數(shù)據(jù)伊滋。

在實(shí)現(xiàn)過(guò)程中碳却，可以使用Redis的setnx（SET if Not eXists）命令來(lái)實(shí)現(xiàn)分布式鎖，其原理是利用Redis的單線程特性笑旺，在設(shè)置鍵時(shí)昼浦，只有一個(gè)客戶端能夠成功地獲取到鎖。

以下是Java示例代碼

public Object getData(String key) {
    Object value = redisTemplate.opsForValue().get(key);
    if (value == null) {
        // 使用分布式鎖筒主，保證只有一個(gè)線程能夠訪問(wèn)數(shù)據(jù)庫(kù)
        String lockKey = "lock:" + key;
        String requestId = UUID.randomUUID().toString();
        boolean lock = redisTemplate.opsForValue().setIfAbsent(lockKey, requestId, 5, TimeUnit.SECONDS);
        if (lock) {
            // 獲取到鎖关噪，從數(shù)據(jù)庫(kù)中獲取數(shù)據(jù)，并將數(shù)據(jù)保存到緩存中
            value = getDataFromDatabase(key);
            redisTemplate.opsForValue().set(key, value, 10, TimeUnit.MINUTES);
            // 釋放鎖
            String lockedRequestId = redisTemplate.opsForValue().get(lockKey);
            if (requestId.equals(lockedRequestId)) {
                redisTemplate.delete(lockKey);
            }
        } else {
            // 沒(méi)有獲取到鎖乌妙，等待其他線程獲取數(shù)據(jù)并返回結(jié)果
            try {
                Thread.sleep(100);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
            getData(key);
        }
    }
    return value;
}

private Object getDataFromDatabase(String key) {
    // 從數(shù)據(jù)庫(kù)中獲取數(shù)據(jù)
    return null;
}

在上述代碼中使兔，首先從緩存中獲取數(shù)據(jù)，如果緩存中沒(méi)有數(shù)據(jù)冠胯，則使用分布式鎖來(lái)保證只有一個(gè)線程能夠訪問(wèn)數(shù)據(jù)庫(kù)火诸。如果獲取到鎖，則從數(shù)據(jù)庫(kù)中獲取數(shù)據(jù)荠察，并將數(shù)據(jù)保存到緩存中置蜀；如果沒(méi)有獲取到鎖，則等待其他線程獲取數(shù)據(jù)并返回結(jié)果悉盆。最后盯荤，釋放鎖。

4.3 緩存雪崩的具體解決方案

方案一：緩存過(guò)期時(shí)間隨機(jī)化

通常情況下焕盟，緩存過(guò)期時(shí)間都是固定的秋秤，比如10分鐘或30分鐘，這樣容易導(dǎo)致緩存同時(shí)失效脚翘，引發(fā)緩存雪崩灼卢。因此，我們可以考慮將緩存過(guò)期時(shí)間進(jìn)行隨機(jī)化来农，使得不同的緩存具有不同的過(guò)期時(shí)間鞋真，這樣可以分散緩存失效的時(shí)間點(diǎn)，減少緩存雪崩的概率沃于。

示例代碼：

// 生成隨機(jī)過(guò)期時(shí)間涩咖，范圍為10分鐘到30分鐘之間
int expireTime = 10 * 60 + new Random().nextInt(20 * 60);
// 設(shè)置緩存，并指定過(guò)期時(shí)間
cache.put(key, value, expireTime, TimeUnit.SECONDS);

方案二：多級(jí)緩存

將緩存分為多個(gè)層級(jí)繁莹，緩存層級(jí)越高的緩存數(shù)據(jù)過(guò)期時(shí)間越長(zhǎng)檩互，容錯(cuò)能力越強(qiáng)。比如可以將緩存分為2個(gè)層級(jí)：本地緩存咨演、分布式緩存闸昨，其中本地緩存使用Guava Cache等本地緩存框架，過(guò)期時(shí)間比較短，分布式緩存使用Redis等分布式緩存框架饵较，過(guò)期時(shí)間比本地緩存長(zhǎng)溉跃。

代碼示例：

public class MultiLevelCache<K, V> {

    private final Cache<K, V> localCache;
    private final Cache<K, V> redisCache;
    private final RedisTemplate<K, V> redisTemplate;
    private final String redisKeyPrefix;

    public MultiLevelCache(Cache<K, V> localCache, Cache<K, V> redisCache, RedisTemplate<K, V> redisTemplate, String redisKeyPrefix) {
        this.localCache = localCache;
        this.redisCache = redisCache;
        this.redisTemplate = redisTemplate;
        this.redisKeyPrefix = redisKeyPrefix;
    }

    public V get(K key) {
        V value = localCache.getIfPresent(key);
        if (value != null) {
            return value;
        }
        value = redisCache.getIfPresent(key);
        if (value != null) {
            localCache.put(key, value);
            return value;
        }
        value = redisTemplate.opsForValue().get(getRedisKey(key));
        if (value != null) {
            localCache.put(key, value);
            redisCache.put(key, value);
        }
        return value;
    }

    public void put(K key, V value) {
        localCache.put(key, value);
        redisTemplate.opsForValue().set(getRedisKey(key), value);
    }

    public void invalidate(K key) {
        localCache.invalidate(key);
        redisTemplate.delete(getRedisKey(key));
    }

    private K getRedisKey(K key) {
        return (K) (redisKeyPrefix + ":" + key.toString());
    }
}

方案三：使用限流器

使用限流器（Rate Limiter）來(lái)控制并發(fā)量，避免瞬間大量請(qǐng)求同時(shí)訪問(wèn)緩存造成雪崩效應(yīng)告抄。限流器可以控制單位時(shí)間內(nèi)的請(qǐng)求次數(shù)或并發(fā)量，確保系統(tǒng)在高并發(fā)情況下能夠保持穩(wěn)定嵌牺，不會(huì)因?yàn)樗矔r(shí)高并發(fā)而導(dǎo)致系統(tǒng)崩潰打洼。

限流器的實(shí)現(xiàn)方式可以使用令牌桶算法或漏桶算法等。在Java中逆粹，Guava庫(kù)和Spring Cloud框架都提供了限流器的實(shí)現(xiàn)募疮。

以下是Guava庫(kù)中使用令牌桶算法實(shí)現(xiàn)限流器的示例代碼：

RateLimiter rateLimiter = RateLimiter.create(10); // 每秒最多處理10個(gè)請(qǐng)求
if (rateLimiter.tryAcquire()) {
    // 處理緩存請(qǐng)求
} else {
    // 返回限流提示
}

在以上代碼中，RateLimiter.create(10)表示每秒最多處理10個(gè)請(qǐng)求僻弹，rateLimiter.tryAcquire()嘗試獲取令牌阿浓，如果獲取成功，則處理緩存請(qǐng)求蹋绽；如果獲取失敗芭毙，則返回限流提示。通過(guò)控制每秒處理的請(qǐng)求數(shù)卸耘，可以有效地避免系統(tǒng)因瞬時(shí)高并發(fā)而導(dǎo)致的緩存雪崩問(wèn)題退敦。

除了上述方法外，還可以使用多級(jí)緩存蚣抗、緩存預(yù)熱侈百、動(dòng)態(tài)擴(kuò)容緩存等技術(shù)來(lái)解決緩存雪崩問(wèn)題。在設(shè)計(jì)分布式緩存系統(tǒng)時(shí)翰铡，應(yīng)根據(jù)實(shí)際情況選擇合適的技術(shù)和方案钝域，以確保系統(tǒng)的穩(wěn)定性和可靠性。

4.4 分布式緩存一致性問(wèn)題解決的具體步驟

緩存數(shù)據(jù)一致性問(wèn)題通常有兩個(gè)方面：緩存數(shù)據(jù)的更新和緩存數(shù)據(jù)的失效锭魔。以下是解決緩存數(shù)據(jù)一致性問(wèn)題的一些具體步驟：

• 單點(diǎn)更新緩存數(shù)據(jù)

單點(diǎn)更新緩存數(shù)據(jù)指的是在數(shù)據(jù)更新時(shí)例证，通過(guò)某個(gè)單獨(dú)的節(jié)點(diǎn)來(lái)更新緩存數(shù)據(jù)。這種方式雖然簡(jiǎn)單赂毯，但是存在單點(diǎn)故障和性能瓶頸的問(wèn)題战虏。

• 更新數(shù)據(jù)庫(kù)時(shí)同時(shí)更新緩存數(shù)據(jù)

更新數(shù)據(jù)庫(kù)時(shí)同時(shí)更新緩存數(shù)據(jù)是常見(jiàn)的解決方案。這種方式能夠保證數(shù)據(jù)的一致性党涕，但是也會(huì)帶來(lái)一定的性能開(kāi)銷烦感。

• 延遲失效

延遲失效指的是在緩存數(shù)據(jù)過(guò)期之前，更新緩存數(shù)據(jù)膛堤，保證緩存中的數(shù)據(jù)一直有效手趣。這種方式能夠提高性能，但是可能會(huì)出現(xiàn)數(shù)據(jù)不一致的問(wèn)題。

• 主動(dòng)失效

主動(dòng)失效指的是在數(shù)據(jù)更新時(shí)绿渣，主動(dòng)將緩存中的數(shù)據(jù)失效朝群，使得下次請(qǐng)求時(shí)，可以從數(shù)據(jù)庫(kù)中獲取最新的數(shù)據(jù)中符。這種方式可以保證數(shù)據(jù)的一致性姜胖，但是會(huì)帶來(lái)性能開(kāi)銷。

綜合來(lái)說(shuō)淀散，解決緩存數(shù)據(jù)一致性問(wèn)題的具體步驟要根據(jù)具體的業(yè)務(wù)場(chǎng)景來(lái)確定右莱，需要在保證數(shù)據(jù)一致性的前提下，盡可能地提高系統(tǒng)的性能和可用性档插。

三慢蜓、常用中間件

• Redis：Redis是目前國(guó)內(nèi)外最流行的分布式緩存中間件，支持多種數(shù)據(jù)類型和豐富的功能郭膛，如發(fā)布訂閱晨抡、Lua腳本、事務(wù)则剃、持久化等耘柱。
• Memcached：Memcached是最早的分布式緩存中間件之一，主要支持key-value緩存忍级，具有高性能和可擴(kuò)展性帆谍。
• Tair：Tair是阿里巴巴自主研發(fā)的分布式緩存中間件，具有高性能轴咱、高可用汛蝙、高擴(kuò)展性等特點(diǎn)，支持多種數(shù)據(jù)結(jié)構(gòu)和應(yīng)用場(chǎng)景朴肺。
• Pika：Pika是快手開(kāi)源的一款分布式緩存中間件窖剑，具有高性能、高可用戈稿、易擴(kuò)展等特點(diǎn)西土，支持Redis協(xié)議。
• Ctrip Tcache：Tcache是攜程開(kāi)源的一款分布式緩存中間件鞍盗，具有高性能需了、高可用、易擴(kuò)展等特點(diǎn)般甲，支持多種數(shù)據(jù)結(jié)構(gòu)和應(yīng)用場(chǎng)景肋乍。
• QCache：QCache是去哪兒網(wǎng)開(kāi)源的一款分布式緩存中間件，基于Redis實(shí)現(xiàn)敷存，具有高性能墓造、高可用、易擴(kuò)展等特點(diǎn)。
• XMemcached：XMemcached是一款高性能的Java分布式緩存中間件觅闽，支持Memcached和Ketama兩種哈希算法帝雇。

1、Redis

1.1 簡(jiǎn)介

Redis（Remote Dictionary Server）是一個(gè)開(kāi)源的內(nèi)存數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)系統(tǒng)蛉拙，它可以用作數(shù)據(jù)庫(kù)尸闸、緩存和消息中間件。Redis具有內(nèi)存數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)孕锄、數(shù)據(jù)持久化室叉、分布式高可用、發(fā)布訂閱硫惕、事務(wù)、Lua腳本等功能野来。它支持多種數(shù)據(jù)結(jié)構(gòu)恼除，包括字符串、哈希表曼氛、列表豁辉、集合、有序集合等舀患，并且支持多種持久化方式徽级，包括RDB快照和AOF日志。Redis的特點(diǎn)是速度快聊浅，操作簡(jiǎn)單易用餐抢，支持復(fù)雜數(shù)據(jù)結(jié)構(gòu)和高并發(fā)，是一個(gè)非常受歡迎的開(kāi)源緩存和存儲(chǔ)解決方案低匙。

Redis的優(yōu)點(diǎn)：

• 高性能：Redis是基于內(nèi)存的數(shù)據(jù)存儲(chǔ)旷痕，讀寫(xiě)速度快，單個(gè)Redis實(shí)例可以處理超過(guò)100k個(gè)QPS顽冶。
• 數(shù)據(jù)類型多樣：Redis支持多種數(shù)據(jù)類型欺抗，如字符串、哈希强重、列表绞呈、集合和有序集合等。
• 持久化支持：Redis支持持久化存儲(chǔ)數(shù)據(jù)间景，可以將數(shù)據(jù)寫(xiě)入磁盤(pán)中佃声，即使服務(wù)器崩潰也可以恢復(fù)數(shù)據(jù)。
• 分布式支持：Redis支持分布式架構(gòu)拱燃，可以將數(shù)據(jù)分布到多個(gè)節(jié)點(diǎn)上秉溉，提高性能和可擴(kuò)展性。
• Lua腳本支持：Redis支持使用Lua腳本執(zhí)行復(fù)雜的操作。
• 主從復(fù)制：Redis支持主從復(fù)制召嘶，可以將寫(xiě)操作集中在主節(jié)點(diǎn)父晶，讀操作分散到從節(jié)點(diǎn)，提高性能和可用性弄跌。
• 高可用：Redis支持哨兵和集群模式甲喝，實(shí)現(xiàn)高可用和負(fù)載均衡。

Redis的缺點(diǎn)：

• 單機(jī)容量有限：Redis是基于內(nèi)存的铛只，單機(jī)容量有限制埠胖，無(wú)法存儲(chǔ)大量數(shù)據(jù)。
• 持久化性能較低：Redis的持久化操作會(huì)影響性能淳玩。
• 數(shù)據(jù)一致性問(wèn)題：Redis在分布式模式下直撤，需要考慮數(shù)據(jù)一致性的問(wèn)題。
• 不支持ACID事務(wù)：Redis不支持ACID事務(wù)蜕着，雖然可以使用Lua腳本實(shí)現(xiàn)原子性操作谋竖，但是在多個(gè)命令之間的一致性無(wú)法保證。
• 內(nèi)存管理問(wèn)題：Redis需要管理內(nèi)存承匣，如果使用不當(dāng)會(huì)導(dǎo)致內(nèi)存泄漏等問(wèn)題蓖乘。

1.2 官網(wǎng)

https://redis.io

1.3 主要特性

• 內(nèi)存存儲(chǔ)：Redis將所有數(shù)據(jù)存儲(chǔ)在內(nèi)存中，讀寫(xiě)速度非橙推快嘉抒。
• 持久化：Redis可以將數(shù)據(jù)持久化到磁盤(pán)中，保證數(shù)據(jù)的可靠性袍暴。
• 數(shù)據(jù)結(jié)構(gòu)豐富：Redis支持多種數(shù)據(jù)結(jié)構(gòu)些侍，如字符串、列表政模、哈希表娩梨、集合、有序集合等览徒。
• 高并發(fā)狈定、高可用：Redis支持主從復(fù)制和哨兵模式，可以保證高可用和數(shù)據(jù)一致性习蓬。
• 事務(wù)支持：Redis支持事務(wù)纽什，可以批量執(zhí)行多個(gè)命令。
• Lua腳本支持：Redis支持使用Lua腳本來(lái)擴(kuò)展其功能躲叼。
• 發(fā)布/訂閱機(jī)制：Redis支持發(fā)布/訂閱機(jī)制芦缰，可以實(shí)現(xiàn)消息的訂閱和推送。

2枫慷、Memcached

2.1 簡(jiǎn)介

Memcached是一個(gè)免費(fèi)的開(kāi)源高性能分布式內(nèi)存對(duì)象緩存系統(tǒng)让蕾，它可以用于減輕動(dòng)態(tài)數(shù)據(jù)庫(kù)負(fù)載浪规，提高Web應(yīng)用程序的速度、可擴(kuò)展性和可靠性探孝。它最初是由LiveJournal的Brad Fitzpatrick在2003年創(chuàng)建的笋婿。Memcached通過(guò)緩存最常用的數(shù)據(jù)和對(duì)象，減少數(shù)據(jù)庫(kù)訪問(wèn)顿颅，提高應(yīng)用程序的性能和響應(yīng)速度缸濒。它使用了分布式內(nèi)存緩存的方式來(lái)存儲(chǔ)鍵/值對(duì)，可以輕松地?cái)U(kuò)展到多臺(tái)服務(wù)器上粱腻，因此成為一個(gè)非常流行的分布式緩存系統(tǒng)庇配。

Memcached 的優(yōu)點(diǎn)包括：

• 高性能：Memcached 將緩存數(shù)據(jù)存儲(chǔ)在內(nèi)存中，因此讀取速度非成苄快捞慌，可以顯著降低應(yīng)用程序訪問(wèn)數(shù)據(jù)庫(kù)的壓力。
• 分布式架構(gòu)：Memcached 可以通過(guò)分布式架構(gòu)實(shí)現(xiàn)橫向擴(kuò)展柬批，提高系統(tǒng)的可擴(kuò)展性和可用性卿闹。
• 簡(jiǎn)單易用：Memcached 的 API 簡(jiǎn)單易用，學(xué)習(xí)成本低萝快，支持多種編程語(yǔ)言，易于集成到應(yīng)用程序中著角。

Memcached 的缺點(diǎn)包括：

• 功能較為簡(jiǎn)單：Memcached 只支持簡(jiǎn)單的鍵值對(duì)存儲(chǔ)揪漩，不支持復(fù)雜數(shù)據(jù)類型和事務(wù)操作等高級(jí)功能。
• 缺乏安全機(jī)制：Memcached 本身沒(méi)有安全機(jī)制吏口，需要使用第三方插件或自己實(shí)現(xiàn)安全控制奄容。
• 不支持持久化：Memcached 數(shù)據(jù)存儲(chǔ)在內(nèi)存中，不支持?jǐn)?shù)據(jù)持久化产徊，系統(tǒng)重啟或崩潰后數(shù)據(jù)會(huì)丟失昂勒。

2.2 官網(wǎng)

https://memcached.org

2.3 主要特性

• 快速的內(nèi)存緩存：Memcached的設(shè)計(jì)目標(biāo)是快速地緩存數(shù)據(jù)，它通過(guò)在內(nèi)存中緩存數(shù)據(jù)來(lái)提高數(shù)據(jù)訪問(wèn)的速度舟铜。
• 分布式架構(gòu)：Memcached支持分布式架構(gòu)戈盈，可以在多臺(tái)服務(wù)器上部署，提供更高的可用性和性能谆刨。
• 簡(jiǎn)單的數(shù)據(jù)結(jié)構(gòu)：Memcached的數(shù)據(jù)結(jié)構(gòu)非常簡(jiǎn)單塘娶，主要是鍵值對(duì)，因此易于使用和管理痊夭。
• 高并發(fā)性能：Memcached具有很高的并發(fā)性能刁岸，可以支持成千上萬(wàn)的并發(fā)連接。
• 適應(yīng)于多種編程語(yǔ)言：Memcached可以支持多種編程語(yǔ)言她我，如Java虹曙、Python迫横、PHP等，非常適用于分布式應(yīng)用程序的緩存需求酝碳。
• 自動(dòng)失效：Memcached會(huì)自動(dòng)失效數(shù)據(jù)矾踱，從而避免了占用過(guò)多的內(nèi)存空間。
• 可擴(kuò)展性：Memcached可以很容易地?cái)U(kuò)展到更多的節(jié)點(diǎn)击敌，以滿足不斷增長(zhǎng)的應(yīng)用程序需求介返。

最后

推薦使用 Redis 作為 NFT 產(chǎn)品開(kāi)發(fā)中的緩存技術(shù)，原因如下：

• 高性能：Redis 是一種基于內(nèi)存的緩存技術(shù)沃斤，具有極快的讀寫(xiě)速度和低延遲圣蝎，適合處理高并發(fā)和實(shí)時(shí)數(shù)據(jù)請(qǐng)求。

• 數(shù)據(jù)結(jié)構(gòu)豐富：Redis 支持多種數(shù)據(jù)結(jié)構(gòu)衡瓶，如字符串徘公、哈希、列表哮针、集合关面、有序集合等，可以滿足不同類型的數(shù)據(jù)處理需求十厢。

• 高可用性：Redis 支持主從復(fù)制和 Sentinel 集群等多種高可用性方案等太，保證系統(tǒng)的可靠性和可用性。

• 開(kāi)源社區(qū)支持：Redis 擁有活躍的開(kāi)源社區(qū)和豐富的生態(tài)系統(tǒng)

more

• redis 具體操作相關(guān)內(nèi)容
• mysql 數(shù)據(jù)庫(kù)分庫(kù)分表技術(shù)，MyCat代理及客戶端ShardingJDBC镜廉，及自研分庫(kù)分表相關(guān)內(nèi)容
• RabbitMQ & Kafka 消息中間件相關(guān)內(nèi)容

文章首發(fā)在老歐的個(gè)人站點(diǎn)：老歐的issueList