缓存的收益和成本
1.收益
加速读写。 cpu L1/L2/L3 Cache 浏览器缓存
降低后端负载：后端服务器通过前端缓存降低负载
2.成本
数据不一致：缓存层和数据层有时间窗口不一致
代码维护成本
运维成本：Redis cluster
3.使用场景
.对高消耗的SQL:join 结果集统计结果缓存
加速请求响应
大量些合并为批量写。
缓存更新策略
1.LRU/LFU：maxmemory-policy 一致性最差
2.超时剔除：例如expire 一致性较差
3.主动更新：；开发控制生命周期 一致性强 维护成本高
缓存粒度控制
缓存过程：1.从mySQL 获取用户信息 2.设置用户缓存 3.缓存粒度：全部属性？部分属性
1.通用性：全量属性更好
2.占用空间：部分属性更好
3.代码维护：表面上全量属性更好
缓存穿透优化
缓存穿透：大量请求不存在（存储层也没有数据）
1.业务代码自身问题
2.恶意攻击、爬虫
解决方案一：缓存空对象（cache 设置过期时间，减少storage 层压力）【不一致？】
解决方案二：布隆过滤器拦截（在cache 层之前设置拦截）
无底洞问题优化
问题描述：3000 memcache 节点，‘加’机器性能反而下降。批量mget mset。
优化IO:命令本身优化，减少网络通信次数，降低接入成本。
1.串行mget o(keys)网络传输时间
2.串行IO O(nodes)网络时间
3.hash_tag O(1) 网络时间
热点key 重建优化
1.热点key+较长的重建
（大量线程做缓存重建的过程）
三个目标：
减少缓存重建的次数
数据尽可能一致
减少潜在危险
两种解决：
互斥锁：查询数据源和重建过程被锁。（等待过程没有避免，减少重建操作）
永不过期：为每个value 添加逻辑过期时间，超过逻辑过期时间，单独线程去构建缓存。