缓存的使用
当数据的读取量非常大的时候，为了缓解数据库的压力，会大量的使用到缓存。
那什么是缓存呢，我觉得是这样的
两种存储介质a,b，只要a比b快，就可以用a来做b的缓存
数据库一般都是存储在磁盘上面，但是磁盘的访问速度比较慢，当我们想快速获取到数据的时候，显然磁盘已经满足不了我们的需求了。
这时候我们一般会用到Redis, Memchached这种把数据存放在内存之中的NoSql数据库，用他们来缓存我们的数据，因为内存中的读取要比磁盘快的多。
那么缓存到底要怎么用呢？是只要把数据放到Redis里面，然后读取就可以了吗？
如果只是这么简单就好了，在缓存的时候我们要考虑几点东西。
缓存既然是在内存中，那么他们能存储的量就不大，那么哪些数据要放在缓存中呢？缓存的命中率应该达到多少呢？
在什么时候写入缓存呢？该怎么读取缓存呢？
怎么防止缓存穿透和缓存雪崩呢？
缓存策略
Cache Aside(旁路缓存)策略
当我们有缓存的时候，我们就要考虑怎么写入缓存，更新缓存，删除缓存，查询缓存。
写入缓存一般是在创建数据的时候，比如这么一个场景，我之前的一个项目跟房产有关，房产数据在创建的时候写入缓存。
这时候，缓存中存在这么一条数据
{id:1,name:1号房产,space:80,price:10000} //80平米，每平米单价1万
这时候这个房子的价格变动了，更新为每平米2万了，那么我们更新数据库，那这时候缓存要不要更新呢。
- 更新缓存
当并发线程的时候更新，两个线程同时更新就会导致脏数据的产生。
a要修改成2万，b要修改成3万，a先修改，b在修改，但是b的程序执行的快，b先修改了缓存中的数据，a才修改了缓存中的数据，那么这时候数据库是3万，缓存是2万。
解决方案，直接删除缓存，将缓存删除，查询的时候再回种到缓存中，保证缓存和数据库信息的一致性。
这就是Cache Aside策略。
当写入的时候：
- 写入数据库信息
- 写入缓存信息
当更新的时候：
- 更新数据库信息
- 删除缓存信息
当读取的时候：
- 读取缓存
- 缓存存在直接返回数据
- 缓存不存在读取数据库
- 创建缓存，返回数据
但是这个策略也存在问题，当更新很多数据的时候，会导致很多缓存失效，那么数据库的压力会增加。
解决方案：
- 更新的时候更新缓存信息，但是增加锁机制，同一时间只有一个程序在更新缓存，但是对性能有影响。
- 更新的时候更新缓存信息，给缓存的过期时间设置的短一些，就算有脏数据也会尽快过期，会产生脏数据。
Read/Write Through（读穿/写穿 策略）
这个策略是你的程序只和缓存打交道，你只读写缓存，然后由缓存把数据同步给数据库。
写入的时候有两种做法：
- 写入缓存 让缓存同步给数据库
- 写入数据库，当读取的时候回种缓存，这种速度快，因为没写入缓存
更新的时候：
- 更新缓存数据
读取的时候：
- 读取缓存
- 缓存存在直接返回数据
- 缓存不存在读取数据库
- 创建缓存，返回数据
Write Back (回写策略)
这个策略是写入数据时候只写入缓存，然后将缓存标记为脏。当下次使用的时候把脏缓存的数据写入到数据库。
写入的时候：
- 写入缓存
- 标记为脏
更新的时候：
- 判断缓存是否为脏
- 如果是脏，将缓存数据写入数据库，然后更新缓存
- 如果不是脏，直接更新缓存，并标记为脏
读取的时候：
- 读取缓存
- 缓存存在直接返回数据
- 缓存不存在，寻找一个可用的缓存块，判断缓存是否为脏
- 如果是脏，将缓存数据写入数据库，查询数据库信息，回写缓存
- 如果不是脏，查询数据库信息，回写缓存
- 返回数据
这个策略读取的时候有一些改变，当缓存命中，没有改变。
缓存没有命中会寻找一个缓存块，查看是否是脏缓存，脏缓存意味着缓存信息有变动，需要同步到数据库，所以先同步到数据库在查询。如果不是脏缓存，意味着缓存已经同步到数据库，可以直接查询回写缓存。
上面几种策略其实都是写入更新时候有变动，只有最后一个策略在读取的时候稍微有改变。
一般情况下，使用前两种已经足够。
缓存可用性
如果这时候，缓存挂掉了，就会有大量请求穿透到数据库层，严重情况下，会导致整个系统挂掉。那么这种情况怎么办呢。
我们可以横向扩展缓存，分布式布置多个缓存节点，那么其中一个节点挂掉，我们还有其他的缓存节点可以使用。
客户端方案
这里的客户端指的是使用缓存的客户端，也就是我们的服务器。
写入的时候
当写入分布式缓存的时候，我们要怎么写入呢。
这个和分库分表差不多，都是横向扩展嘛，那我们写入也可以差不多啊，使用hash取余算法，来计算数据写入哪个节点。
但是这样存在一个问题，当我们的节点需要增加或者减少的时候怎么办，我们要重新取余，数据重新存储，这就难搞了啊。
解决方案：
- 一致性哈希算法
我们假设一个环，将所有节点hash取余之后放到环上，将要缓存的数据也hash取余之后放到环上，怎么确定数据存在哪个节点呢？将数据顺时针移动，遇到的第一个节点就是数据存储的节点。
这个算法增加或减少节点的时候会发生什么呢
- 增加的时候，部分数据移动到新增节点
- 减少的时候，减少的节点的数据移动到另一个节点
看上去好像没什么问题，但是如果环上的节点分布不均匀，某一个节点数据很多，当这个节点宕机后，他的数据转移到下一个节点，下一个节点压力骤增，如果节点扛不住，那么重复这些操作，会导致整个缓存系统的雪崩。
解决方案：
上面说了，是环上的节点分布不均匀导致的，那我们就让他分布均匀就好了。或者将一个节点放在环上多个位置，这样的话，这个节点挂掉，他的数据会移动到其他很多节点上，每个节点的压力就不会大增了。
读取的时候
读取缓存的时候也可以像mysql学习，配置主从读取，先从从库读取，读取不到再从主库读取，这样就算从库挂掉，那么还有主库可以读取缓存，读流量不会直接到数据库层。
除了配置主从，还可以配置多副本，副本也就是缓存的缓存，我们在缓存层前面再加一层缓存层，如果这个副本读取不到再去读取主从，回写副本，这样副本中都是最热的缓存，基于成本的考虑，副本容量一般很小。
中间层方案
客户端方案已经可以支撑分布式缓存，但是客户端方案存在一个问题，他受限于语言，如果将他单拿出来，那么所有的请求经过中间层，就不会受限于语言了
服务端方案
redis sentinel是redis 2.4版本中增加的，这个东西可以在redis master节点挂掉之后，在从节点中选取新的主节点，不至于主节点挂掉整个程序挂掉。
缓存穿透
当缓存发生缓存穿透怎么办，前面已经说了一致性hash算法中会引起的缓存雪崩及解决方案，这里就来看看缓存穿透。
如果查询一条数据库不存在的数据，就肯定会引起缓存穿透，因为数据库都没有，缓存更没有了。
这种情况可以回写空值，这样虽然数据库没有，但是缓存有，请求就会被拦截在缓存层中。
但是空值会占用空间而且无意义，如果缓存中存在大量空值，将会占用大量空间。
除了回写空值，还可以使用布隆过滤器。
下一篇文章讲布隆过滤器。
