緩存 ，消息隊列，分庫分表是高并發(fā)解決方案三劍客。

緩存之所以能夠讓系統(tǒng)“更快”，本質(zhì)上做到了如下兩點：

減小 CPU 消耗

將原來需要實時計算的內(nèi)容提前算好、把一些公用的數(shù)據(jù)進行復(fù)用，這可以減少 CPU 消耗，從而提升響應(yīng)性能。

減小 I/O 消耗

將原來對網(wǎng)絡(luò)、磁盤等較慢介質(zhì)的讀寫訪問變?yōu)閷?nèi)存等較快介質(zhì)的訪問，從而提升響應(yīng)性能。

對于應(yīng)用系統(tǒng) 來講，我們經(jīng)常將緩存劃分為本地緩存 和分布式緩存 。

本地緩存 ：應(yīng)用中的緩存組件，緩存組件和應(yīng)用在同一進程中，緩存的讀寫非?？?，沒有網(wǎng)絡(luò)開銷。但各應(yīng)用或集群的各節(jié)點都需要維護自己的單獨緩存，無法共享緩存。

分布式緩存 ：和應(yīng)用分離的緩存組件或服務(wù)，與本地應(yīng)用隔離，多個應(yīng)用可直接共享緩存。

這篇文章，聊聊本地緩存和分布式緩存，希望大家讀完之后，在面對不同的業(yè)務(wù)場景時，能夠做出合理的緩存選型。

1 本地緩存 JDK Map

JDK Map 經(jīng)常用于緩存實現(xiàn)：

HashMap

HashMap 是一種基于哈希表的集合類，它提供了快速的插入、查找和刪除操作?？梢詫㈡I值對作為緩存項的存儲方式，將鍵作為緩存項的唯一標識符，值作為緩存項的內(nèi)容。

ConcurrentHashMap

ConcurrentHashMap 是線程安全的 HashMap，它在多線程環(huán)境下可以保證高效的并發(fā)讀寫操作。

LinkedHashMap

LinkedHashMap 是一種有序的 HashMap ，它保留了元素插入的順序，可以按照插入順序或者訪問順序進行遍歷。

TreeMap

TreeMap 是一種基于紅黑樹的有序 Map，它可以按照鍵的順序進行遍歷。

筆者曾經(jīng)負責藝龍紅包系統(tǒng)，紅包活動 就是存儲在 ConcurrentHashMap 中 ，通過定時任務(wù)刷新緩存 。

核心流程：

1、紅包系統(tǒng)啟動后，初始化一個 ConcurrentHashMap 作為紅包活動緩存 ；

2、數(shù)據(jù)庫查詢所有的紅包活動 , 并將活動信息存儲在 Map 中 ;

3、定時任務(wù)每隔 30 秒 ，執(zhí)行緩存加載方法，刷新緩存。

為什么紅包系統(tǒng)會將紅包活動信息存儲在本地內(nèi)存 ConcurrentHashMap 呢 ？

紅包系統(tǒng)是高并發(fā)應(yīng)用，快速將請求結(jié)果響應(yīng)給前端，大大提升用戶體驗；

紅包活動數(shù)量并不多，就算全部放入到 Map 里也不會產(chǎn)生內(nèi)存溢出的問題；

定時任務(wù)刷新緩存并不會影響紅包系統(tǒng)的業(yè)務(wù)。

筆者見過很多單體應(yīng)用 都使用這種方案，該方案的特點是簡潔易用，工程實現(xiàn)也容易 。

基于 Spring Boot + MyBatis Plus + Vue & Element 實現(xiàn)的后臺管理系統(tǒng) + 用戶小程序，支持 RBAC 動態(tài)權(quán)限、多租戶、數(shù)據(jù)權(quán)限、工作流、三方登錄、支付、短信、商城等功能

項目地址：https://github.com/YunaiV/ruoyi-vue-pro

視頻教程：https://doc.iocoder.cn/video/

2 本地緩存框架

雖然使用 JDK Map 能快捷構(gòu)建緩存，但緩存的功能還是比較孱弱的。

因為現(xiàn)實場景里，我們可能需要給緩存添加緩存統(tǒng)計 、過期失效 、淘汰策略 等功能。

于是，本地緩存框架 應(yīng)運而生。

流行的 Java 緩存框架包括：Ehcache , Google Guava , ?Caffeine Cache 。

下圖展示了 Caffeine 框架的使用示例。

雖然本地緩存框架的功能很強大，但是本地緩存的缺陷依然明顯。

1、高并發(fā)的場景，應(yīng)用重啟之后，本地緩存就失效了，系統(tǒng)的負載就比較大 ，需要花較長的時間才能恢復(fù)；

2、每個應(yīng)用節(jié)點都會維護自己的單獨緩存，緩存同步比較頭疼 。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 實現(xiàn)的后臺管理系統(tǒng) + 用戶小程序，支持 RBAC 動態(tài)權(quán)限、多租戶、數(shù)據(jù)權(quán)限、工作流、三方登錄、支付、短信、商城等功能

項目地址：https://github.com/YunaiV/yudao-cloud

視頻教程：https://doc.iocoder.cn/video/

3 分布式緩存

分布式緩存是指將緩存數(shù)據(jù)分布在多臺機器上，以提高緩存容量和并發(fā)讀寫能力的緩存系統(tǒng)。分布式緩存通常由多臺機器組成一個集群，每臺機器上都運行著相同的緩存服務(wù)進程，緩存數(shù)據(jù)被均勻地分布在集群中的各個節(jié)點上。

Redis 是分布式緩存的首選，甚至我們一提到緩存，很多后端工程師首先想到的就它。

下圖是神州專車訂單的 Redis 集群架構(gòu) 。將 Redis 集群拆分成四個分片，每個分片包含一主一從，主從可以切換。應(yīng)用 A 根據(jù)不同的緩存 key 訪問不同的分片。

與本地緩存相比，分布式緩存具有以下優(yōu)點：

1、容量和性能可擴展

通過增加集群中的機器數(shù)量，可以擴展緩存的容量和并發(fā)讀寫能力。同時，緩存數(shù)據(jù)對于應(yīng)用來講都是共享的。

2、高可用性

由于數(shù)據(jù)被分布在多臺機器上，即使其中一臺機器故障，緩存服務(wù)也能繼續(xù)提供服務(wù)。

但是分布式緩存的缺點同樣不容忽視。

1、網(wǎng)絡(luò)延遲

分布式緩存通常需要通過網(wǎng)絡(luò)通信來進行數(shù)據(jù)讀寫，可能會出現(xiàn)網(wǎng)絡(luò)延遲等問題，相對于本地緩存而言，響應(yīng)時間更長。

2、復(fù)雜性

分布式緩存需要考慮序列化、數(shù)據(jù)分片、緩存大小等問題，相對于本地緩存而言更加復(fù)雜。

舉一個真實的案例，這次案例讓筆者對于分布式緩存的認知提上了另一個臺階。

2014年，同事開發(fā)了比分直播的系統(tǒng)，所有的請求都是從分布式緩存 Memcached 中獲取后直接響應(yīng)。常規(guī)情況下，從緩存中查詢數(shù)據(jù)非?？?，但在線用戶稍微多一點，整個系統(tǒng)就會特別卡。

通過 jstat 命令發(fā)現(xiàn) GC 頻率極高，幾次請求就將新生代占滿了，而且 CPU 的消耗都在 GC 線程上。初步判斷是緩存值過大導(dǎo)致的，果不其然，緩存大小在 300k 到 500k 左右。

解決過程還比較波折，分為兩個步驟：

修改新生代大小 ，從原來的 2G 修改成 4G，并精簡緩存數(shù)據(jù)大小 (從平均 300k 左右降為 80k 左右)；

把緩存拆成兩個部分 ，第一部分是全量數(shù)據(jù) ，第二部分是增量數(shù)據(jù) （數(shù)據(jù)量很?。?。頁面第一次請求拉取全量數(shù)據(jù)，當比分有變化的時候，通過 websocket 推送增量數(shù)據(jù)。

經(jīng)過這次優(yōu)化，筆者理解到：緩存雖然可以提升整體速度，但是在高并發(fā)場景下，緩存對象大小依然是需要關(guān)注的點，稍不留神就會產(chǎn)生事故。另外我們也需要合理地控制讀取策略，最大程度減少 GC 的頻率 , 從而提升整體性能。

4 多級緩存

開源中國網(wǎng)站最開始完全是用本地緩存框架 Ehcache 。后來隨著訪問量的激增，出現(xiàn)了一個可怕的問題：“因為 Java 程序更新很頻繁，每次更新的時候都要重啟。一旦重啟后，整個 Ehcache 緩存里的數(shù)據(jù)都被清掉。重啟后若大量訪問進來的話，開源中國的數(shù)據(jù)庫基本上很快就會崩掉”。

于是，開源中國開發(fā)了多級緩存框架 ?J2Cache ，使用了多級緩存 Ehcache + Redis 。

多級緩存有如下優(yōu)勢：

離用戶越近，速度越快；

減少分布式緩存查詢頻率，降低序列化和反序列化的 CPU 消耗；

大幅度減少網(wǎng)絡(luò) IO 以及帶寬消耗。

本地緩存做為一級緩存，分布式緩存做為二級緩存，首先從一級緩存中查詢，若能查詢到數(shù)據(jù)則直接返回，否則從二級緩存中查詢，若二級緩存中可以查詢到數(shù)據(jù)，則回填到一級緩存中，并返回數(shù)據(jù)。若二級緩存也查詢不到，則從數(shù)據(jù)源中查詢，將結(jié)果分別回填到一級緩存，二級緩存中。

2018年，筆者服務(wù)的一家電商公司需要進行 app 首頁接口的性能優(yōu)化。筆者花了大概兩天的時間完成了整個方案，采取的是兩級緩存模式，同時利用了 Guava 的惰性加載機制，整體架構(gòu)如下圖所示：

緩存讀取流程如下：

1、業(yè)務(wù)網(wǎng)關(guān)剛啟動時，本地緩存沒有數(shù)據(jù)，讀取 Redis 緩存，如果 Redis 緩存也沒數(shù)據(jù)，則通過 RPC 調(diào)用導(dǎo)購服務(wù)讀取數(shù)據(jù)，然后再將數(shù)據(jù)寫入本地緩存和 Redis 中；若 Redis 緩存不為空，則將緩存數(shù)據(jù)寫入本地緩存中。

2、由于步驟1已經(jīng)對本地緩存預(yù)熱，后續(xù)請求直接讀取本地緩存，返回給用戶端。

3、Guava 配置了 refresh 機制，每隔一段時間會調(diào)用自定義 LoadingCache 線程池（5個最大線程，5個核心線程）去導(dǎo)購服務(wù)同步數(shù)據(jù)到本地緩存和 Redis 中。

優(yōu)化后，性能表現(xiàn)很好，平均耗時在 5ms 左右。最開始我以為出現(xiàn)問題的幾率很小，可是有一天晚上，突然發(fā)現(xiàn) app 端首頁顯示的數(shù)據(jù)時而相同，時而不同。

也就是說：雖然 LoadingCache 線程一直在調(diào)用接口更新緩存信息，但是各個 服務(wù)器本地緩存中的數(shù)據(jù)并非完成一致。說明了兩個很重要的點：

1、惰性加載仍然可能造成多臺機器的數(shù)據(jù)不一致

2、LoadingCache 線程池數(shù)量配置的不太合理, ?導(dǎo)致了線程堆積

最終，我們的解決方案是：

1、惰性加載結(jié)合消息機制來更新緩存數(shù)據(jù)，也就是：當導(dǎo)購服務(wù)的配置發(fā)生變化時，通知業(yè)務(wù)網(wǎng)關(guān)重新拉取數(shù)據(jù)，更新緩存。

2、適當調(diào)大 LoadigCache 的線程池參數(shù)，并在線程池埋點，監(jiān)控線程池的使用情況，當線程繁忙時能發(fā)出告警，然后動態(tài)修改線程池參數(shù)。

5 總結(jié)

Fred Brooks 在 1987 年所發(fā)表的一篇關(guān)于軟件工程的經(jīng)典論文《沒有銀彈：軟件工程的本質(zhì)性與附屬性工作 》。

論文強調(diào)真正的銀彈并不存在，而所謂的銀彈則是指沒有任何一項技術(shù)或方法可以能讓軟件工程的生產(chǎn)力在十年內(nèi)提高十倍。

通俗來講：在技術(shù)領(lǐng)域中沒有一種通用的解決方案可以解決所有問題 。技術(shù)本質(zhì)上是為了解決問題而存在的，每個問題都有其獨特的環(huán)境和限制條件，沒有一種通用的技術(shù)或工具可以完美地解決所有問題。

緩存是把雙刃劍 ，一方面我們享受緩存帶來的系統(tǒng)性能提升，另一方面引入緩存會提高系統(tǒng)復(fù)雜度，因為你要考慮緩存的失效、更新、一致性等問題。

在面臨緩存選型時，一定要結(jié)合業(yè)務(wù)場景，研發(fā)效率，運維成本，人力模型，技術(shù)儲備等因素，做出合理的選擇。

編輯：黃飛