前记：映像中之前工作的时候缓存用的是Tair。 最近看到很多关于Redis缓存的blog。于是在网上搜集了一些资料，下面是整理的读书笔。
1. 为什么要用缓存？
why？由于程序直接访问数据库的时间成本很高的，使用缓存可以减少数据库的访问次数，提升程序的响应时间。同时还能降低数据的压力
when？ 什么时候使用缓存？ 不经常变化的数据；或者从源头读取费时费力的数据都可以放缓存，例如：
case 1: 程序多次访问数据库，但查询结果都相同，把查询结果放在缓存里；
case 2: 数据库访问的结果要进行很复杂费时的计算，把计算结果放在缓存里；
case 3: 网站上每个页面都需要的user id 信息，放在缓存里。
2. RDB的弊端
以下内容摘自 腾讯大数据_ 大型web系统数据缓存设计
1. 单表数据量太小： MySql 单表数据条数控制在 2000w条(20 million)
2. TPS太小 ：通常情况下，MySql的Transaction Per Second只有1500
3. 响应时间： 通常情况下，MySql的响应时间在10ms以内，
3. 大型web 网站挑战
常见日均PV 千万 (200 million) 的大型web 网站挑战：
每个PV(page view) 所产生的数据库读写量可能要超出几倍，这种情况下，每天所有的数据读写请求量可能远超出关系型数据的处理能力，更别说在流量峰值的情况下了； 当拥有几亿条数据，1w TPS的时候，响应时间也要在10ms以内，这几乎是任何一款关系型数据都无法做到的。 那么这个问题如何解决呢？最简单有效的办法当然是缓存！
1天有24*3600 = 2,073,600 ~ 2 million seconds;
4. 常见的缓存类型
1. 本地缓存：不管是本地内存还是磁盘，其速度快，成本低，在有些场合非常有效。但不适用于web系统的集群负载均衡结构
2. 数据库缓存： 主要是指数据库的查询缓存，大部分数据库都是会提供。基本的原理就是用查询语句的hash值做key，对结果集进行缓存；如果利用的好，可以很大的提高数据库的查询效率！
3. 客户端缓存：浏览器cookie，浏览器本地缓存，html5缓存
4. 分布式缓存： 分布式缓存存在的目的就是为了提供比RDB更高的TPS和扩展性，同时又帮你承担了数据同步的痛苦；优秀的分布式缓存系统有大家所熟知的Memcached、Redis，阿里的Tair. 对比关系型数据库和缓存存储，其在读和写性能上的差距可谓天壤之别；memcached单节点已经可以做到15w以上的TPS、Redis、google的levelDB也有不菲的性能，而实现大规模集群后，性能可能会更高！ 所以，在技术和业务都可以接受的情况下，我们可以尽量把读写压力从数据库转移到缓存上，以保护看似强大，其实却很脆弱的关系型数据库。
5. 阿里Tair缓存
Tair是提供快速访问的内存（MDB引擎）/持久化（LDB引擎）存储服务，基于高性能、高可用的分布式集群架构，满足读写性能要求高及容量可弹性伸缩的业务需求。
Tair 支持 MDB,RDB和LDB三款产品,可适合于各种常见的存储场景.
- MDB属于内存型产品,支持kv和类hashMap结构,性能最优,但不支持持久化存储; 底层封装MDB引擎是memcache 的引擎
- RDB支持List.Set.Zset等复杂的数据结构,性能次之,可提供缓存和持久化存储两种模式; rdb是redis引擎
- LDB属于持久化产品,支持kv和类hashmap结构,性能较前两者稍低,但持久化可靠性最高. ldb是google levelDB的引擎
6. Redis
1. Redis的数据类型，数据结构和code example
7. Tair, Redis, Memcached性能测试对比
本文主要引入Memcached和Redis与淘宝开源Tair分布式存储进行对比测试，由于各自适用场景不同，且每个产品的可配置参数繁多，涉及缓存策略、分布算法、序列化方式、数据压缩技术、通信方式、并发、超时等诸多方面因素，都会对测试结果产生影响，单纯的性能对比存在非常多的局限性和不合理性，所以不能作为任何评估依据，仅供参考，加深对各自产品的理解。
参考资料
1. 腾讯大数据_ 大型web系统数据缓存设计