太简单的问题，因为要提高速度~ 中心思想是空间换时间，从数据库中预加载一部份数据放到内存或磁盘中，牺牲空间来换取交互时间。
一般的应用正式环境中都不止一台服务器（也就是说是集群的），那么如果只是简单的将数据预加载到内存，那么就会有数据不同步的现象。（更新了其中一台JVM，另一台JVM并不会收到通知从而保持数据同步）。这时候就需要用到cache server了。
目前流行的cache server有很多种，像redis，Hazelcast，ehcache，memcache等。相比其它三种，Hazelcast好像并没有那么流行，中文文档比较少。
Hazelcast是一个用Java编写的基于内存的数据网格管理平台（ open source in-memory data grid）。同时也是一个公司的名字。
公司网站： https://hazelcast.com
产品网站： https://hazelcast.org
1. Hazelcast简介
（本文是基于version 3.5.4写的。）
Hazelcast作为一个高度可扩展的数据分发和集群平台，提供了高效的、可扩展的分布式数据存储、数据缓存。Hazelcast是开源的，在分布式技术方面，Hazelcast提供了十分友好的接口供开发者选择，如Map，Queue，ExecutorService, Lock和Jcache。
Hazelcast的稳定性很高，分布式应用可以使用Hazelcast进行存储数据、同步数据、发布订阅消息等。Hazelcast是基于Java开发的，其客户端有Java, C/C++, .NET以及REST。Hazelcast同时也支持memcache协议。它很好的支持了Hibernate，可以很容易的在当今流行的数据库系统中应用。
如果你在寻找一个基于内存的、可扩展的以及对开发者友好的NoSql，那么Hazelcast是一个很不错的选择！
a. Hazelcast开发比较简单
Hazelcast是基于Java写的，没有任何其它的以来。它提供的API跟Java util包很像。对于开发者来说，只需要加入hazelcast.jar，然后就可以快速使用在多个JVM之间的数据共享（分布式）。
b. Hazelcast的节点之间是平等的（Peer-to-Peer）
不像其它很多的NoSql解决方案，Hazelcast的节点之间是对等的（没有主次之分）。所有的节点存储的数据都是相等的，在应用中可以很容易的增加一个Hazelcast节点。或者以客户端-服务端的形式使用。
c. Hazelcast是可扩展的
Hazelcast的扩展性非常强，可以很简单的增加或减少节点。可以自动的监听节点的增加，并以线性的方式增加存储空间和能力。节点之间的通信是以TCP的方式建立的。
d. Hazelcast效率很高。
将数据存储在内存中，所以是非常高效的，包括读操作和写操作。
e. Hazelcast是可备份的
Hazelcast的数据会在多个节点上进行备份。一旦一个节点失败了，数据将会从别的节点上进行恢复。
2. 使用场景
分布式缓存，通常使用在数据库之前的那一层
缓存服务器
NoSql的数据存储
Spring cache
微服务的结构
储存临时数据，如web的session等
3. Hazelcast的数据拆分
Hazelcast的数据拆分叫做间隔（Partitions）。默认情况下，Hazelcast会将数据拆分成271个间隔（总数，并不是单个单点）。当传入一个key时，Hazelcast会对它进行序列化，以及进行hash的算法等算出一个数值，通过该数值它存放在相应的间隔中（271个的其中一个）。在不同的节点中存放相同数量的间隔。Hazelcast还会生成备份的间隔，同样也是存放在这些间隔中。
4. Hazelcast技术
如果你的应用主要关注的是数据的同步，或是在计算方面的效率，或者是大量的执行任务，那么在应用中嵌入Hazelcast是个不错的选择。在这种模式下，节点包含了应用本身和数据，如下图所示：
另一种模式将多个节点组成一个cache server，然后应用程序通过协议来（Memcache, REST, 客户端等）和server进行交互。如下图所示：
5. 数据的拆分之——间隔化（Partitioning）
在前面介绍过，Hazelcast数据的拆分叫间隔。间隔是一个内存片断，每一个间隔可以包含成千上万条的数据，这个取决于你的机器的能力。
默认情况下，Hazelcast的间隔有271个（所有加起来）。当我们配置了一个节点，那么它就有271个间隔了，下图就是单个节点的间隔图：
当我们在这个群集中加个第二个node，这时候的间隔就被分布化成如下图所示：
在图中，黑色部分的间隔是主要功能是拿来存储的，蓝色部分的间隔是拿来做备份的。第一个节点有135个黑色间隔，其它的（271-135）是备份间隔，主要用来备份第二个节点的黑色间隔。（简而言之就是两个节点相互备份）。
那么如果加入更多的节点呢？Hazelcast会均分拿来存储的黑色间隔以及拿来备份的蓝色间隔，确保所有的节点都是均衡的以及可恢复的。下图是4个节点的间隔图：
6. 数据是怎么被拆分的
数据被放入间隔时使用的算法是一个hash算法。当存入一个键值（或名字）为key的对象（map或topic或list）：
通过序列化、hash算法、取模（mod）等，再存放到间隔中。
7. 间隔表
当启动一个节点时，间隔表就会被生成，这个表是用来存放间隔是从属于哪个节点的信息。目的是为了让所有的节点都共享这个信息，让所有的节点都知道数据是具体属于哪个节点的。
最老的节点周期性的向其它节点发送间隔表，所以在集群中的每个点节都会知道间隔有没有发生变化。（比如节点增加或删除）。
如果第一个节点被移除了，那么第二个节点将担任起发送间隔表的工作。
你可以配置系统参数hazelcast.partition.table.send.interval来定义多久发送一次间隔表的信息。默认情况下是15秒。
8. 重新间隔化
当集群中增加一个节点或删除一个节点时，都会进行重新间隔化。
9. 资料
官方文档（重要）： https://hazelcast.org/documentation/
3.5版本文档： http://docs.hazelcast.org/docs/3.5/manual/html-single/index.html
3.5版本Java文档： http://docs.hazelcast.org/docs/3.5/javadoc/
10. 分布式数据结构
1. 标准的数据结构：Map/Queue/RingBuffer/Set/List/MultiMap/ReplicatedMap
2. Topic
3. 并发工具：Lock/Semaphore/AtomicLong/AtomicReference/IdGenerator/CountdownLatch
------------------------------
参考：
Wiki: https://en.wikipedia.org/wiki/Hazelcast
https://hazelcast.com/use-cases/caching
https://hazelcast.com/use-cases/caching/cache-as-a-service
https://hazelcast.com/use-cases/imdg