緩存 ，消息隊(duì)列，分庫(kù)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(diǎn)：

減小 CPU 消耗

將原來(lái)需要實(shí)時(shí)計(jì)算的內(nèi)容提前算好、把一些公用的數(shù)據(jù)進(jìn)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(lái)對(duì)網(wǎng)絡(luò)、磁盤等較慢介質(zhì)的讀寫(xiě)訪問(wèn)變?yōu)閷?duì)內(nèi)存等較快介質(zhì)的訪問(wèn)，從而提升響應(yīng)性能。

對(duì)于應(yīng)用系統(tǒng) 來(lái)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(jìn)程中，緩存的讀寫(xiě)非?？?，沒(méi)有網(wǎng)絡(luò)開(kāi)銷。但各應(yīng)用或集群的各節(jié)點(diǎn)都需要維護(hù)自己的單獨(dú)緩存，無(wú)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(gè)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(duì)不同的業(yè)務(wù)場(chǎng)景時(shí)，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(shí)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。可以將鍵值對(duì)作為緩存項(xiàng)的存儲(chǔ)方式，將鍵作為緩存項(xiàng)的唯一標(biāo)識(shí)符，值作為緩存項(xiàng)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(xiě)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(wèn)順序進(jìn)行遍歷。

TreeMap

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

筆者曾經(jīng)負(fù)責(zé)藝龍紅包系統(tǒng)，紅包活動(dòng) 就是存儲(chǔ)在 ConcurrentHashMap 中 ，通過(guò)定時(shí)任務(wù)刷新緩存 。

核心流程：

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

2、數(shù)據(jù)庫(kù)查詢所有的紅包活動(dòng) , 并將活動(dòng)信息存儲(chǔ)在 Map 中 ;

3、定時(shí)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(huì)將紅包活動(dòng)信息存儲(chǔ)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(qǐng)求結(jié)果響應(yīng)給前端，大大提升用戶體驗(yàn)；

紅包活動(dòng)數(shù)量并不多，就算全部放入到 Map 里也不會(huì)產(chǎn)生內(nèi)存溢出的問(wèn)題；

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

筆者見(jiàn)過(guò)很多單體應(yīng)用 都使用這種方案，該方案的特點(diǎn)是簡(jiǎn)潔易用，工程實(shí)現(xiàn)也容易 。

基于 Spring Boot + MyBatis Plus + Vue & Element 實(shí)現(xiàn)的后臺(tái)管理系統(tǒng) + 用戶小程序，支持 RBAC 動(dòng)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(xiàng)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?yàn)楝F(xiàn)實(shí)場(chǎng)景里，我們可能需要給緩存添加緩存統(tǒng)計(jì) 、過(guò)期失效 、淘汰策略 等功能。

于是，本地緩存框架 應(yīng)運(yùn)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(qiáng)大，但是本地緩存的缺陷依然明顯。

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

2、每個(gè)應(yīng)用節(jié)點(diǎn)都會(huì)維護(hù)自己的單獨(dú)緩存，緩存同步比較頭疼 。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 實(shí)現(xiàn)的后臺(tái)管理系統(tǒng) + 用戶小程序，支持 RBAC 動(dòng)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(xiàng)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(tái)機(jī)器上，以提高緩存容量和并發(fā)讀寫(xiě)能力的緩存系統(tǒng)。分布式緩存通常由多臺(tái)機(jī)器組成一個(gè)集群，每臺(tái)機(jī)器上都運(yùn)行著相同的緩存服務(wù)進(jìn)程，緩存數(shù)據(jù)被均勻地分布在集群中的各個(gè)節(jié)點(diǎn)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(gè)分片，每個(gè)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(wèn)不同的分片。

與本地緩存相比，分布式緩存具有以下優(yōu)點(diǎn)：

1、容量和性能可擴(kuò)展

通過(guò)增加集群中的機(jī)器數(shù)量，可以擴(kuò)展緩存的容量和并發(fā)讀寫(xiě)能力。同時(shí)，緩存數(shù)據(jù)對(duì)于應(yīng)用來(lái)講都是共享的。

2、高可用性

由于數(shù)據(jù)被分布在多臺(tái)機(jī)器上，即使其中一臺(tái)機(jī)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(diǎn)同樣不容忽視。

1、網(wǎng)絡(luò)延遲

分布式緩存通常需要通過(guò)網(wǎng)絡(luò)通信來(lái)進(jìn)行數(shù)據(jù)讀寫(xiě)，可能會(huì)出現(xiàn)網(wǎng)絡(luò)延遲等問(wèn)題，相對(duì)于本地緩存而言，響應(yīng)時(shí)間更長(zhǎng)。

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(wèn)題，相對(duì)于本地緩存而言更加復(fù)雜。

舉一個(gè)真實(shí)的案例，這次案例讓筆者對(duì)于分布式緩存的認(rèn)知提上了另一個(gè)臺(tái)階。

2014年，同事開(kāi)發(fā)了比分直播的系統(tǒng)，所有的請(qǐng)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?？欤诰€用戶稍微多一點(diǎn)，整個(gè)系統(tǒng)就會(huì)特別卡。

通過(guò) jstat 命令發(fā)現(xiàn) GC 頻率極高，幾次請(qǐng)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(guò)大導(dǎo)致的，果不其然，緩存大小在 300k 到 500k 左右。

解決過(guò)程還比較波折，分為兩個(gè)步驟：

修改新生代大小 ，從原來(lái)的 2G 修改成 4G，并精簡(jiǎn)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(gè)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?。ｍ?yè)面第一次請(qǐng)求拉取全量數(shù)據(jù)，當(dāng)比分有變化的時(shí)候，通過(guò) websocket 推送增量數(shù)據(jù)。

經(jīng)過(guò)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(chǎng)景下，緩存對(duì)象大小依然是需要關(guān)注的點(diǎn)，稍不留神就會(huì)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(jí)緩存

開(kāi)源中國(guó)網(wǎng)站最開(kāi)始完全是用本地緩存框架 Ehcache 。后來(lái)隨著訪問(wèn)量的激增，出現(xiàn)了一個(gè)可怕的問(wèn)題：“因?yàn)?Java 程序更新很頻繁，每次更新的時(shí)候都要重啟。一旦重啟后，整個(gè) Ehcache 緩存里的數(shù)據(jù)都被清掉。重啟后若大量訪問(wèn)進(jìn)來(lái)的話，開(kāi)源中國(guó)的數(shù)據(jù)庫(kù)基本上很快就會(huì)崩掉”。

于是，開(kāi)源中國(guó)開(kāi)發(fā)了多級(jí)緩存框架 ?J2Cache ，使用了多級(jí)緩存 Ehcache + Redis 。

多級(jí)緩存有如下優(yōu)勢(shì)：

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(jí)緩存，分布式緩存做為二級(jí)緩存，首先從一級(jí)緩存中查詢，若能查詢到數(shù)據(jù)則直接返回，否則從二級(jí)緩存中查詢，若二級(jí)緩存中可以查詢到數(shù)據(jù)，則回填到一級(jí)緩存中，并返回?cái)?shù)據(jù)。若二級(jí)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(jí)緩存，二級(jí)緩存中。

2018年，筆者服務(wù)的一家電商公司需要進(jìn)行 app 首頁(yè)接口的性能優(yōu)化。筆者花了大概兩天的時(shí)間完成了整個(gè)方案，采取的是兩級(jí)緩存模式，同時(shí)利用了 Guava 的惰性加載機(jī)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(dòng)時(shí)，本地緩存沒(méi)有數(shù)據(jù)，讀取 Redis 緩存，如果 Redis 緩存也沒(méi)數(shù)據(jù)，則通過(guò) RPC 調(diào)用導(dǎo)購(gòu)服務(wù)讀取數(shù)據(jù)，然后再將數(shù)據(jù)寫(xiě)入本地緩存和 Redis 中；若 Redis 緩存不為空，則將緩存數(shù)據(jù)寫(xiě)入本地緩存中。

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

3、Guava 配置了 refresh 機(jī)制，每隔一段時(shí)間會(huì)調(diào)用自定義 LoadingCache 線程池（5個(gè)最大線程，5個(gè)核心線程）去導(dǎo)購(gòu)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(shí)在 5ms 左右。最開(kāi)始我以為出現(xiàn)問(wèn)題的幾率很小，可是有一天晚上，突然發(fā)現(xiàn) app 端首頁(yè)顯示的數(shù)據(jù)時(shí)而相同，時(shí)而不同。

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

1、惰性加載仍然可能造成多臺(tái)機(jī)器的數(shù)據(jù)不一致

2、LoadingCache 線程池?cái)?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(jī)制來(lái)更新緩存數(shù)據(jù)，也就是：當(dāng)導(dǎo)購(gòu)服務(wù)的配置發(fā)生變化時(shí)，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(dāng)調(diào)大 LoadigCache 的線程池參數(shù)，并在線程池埋點(diǎn)，監(jiān)控線程池的使用情況，當(dāng)線程繁忙時(shí)能發(fā)出告警，然后動(dòng)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(méi)有銀彈：軟件工程的本質(zhì)性與附屬性工作 》。

論文強(qiáng)調(diào)真正的銀彈并不存在，而所謂的銀彈則是指沒(méi)有任何一項(xiàng)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(lái)講：在技術(shù)領(lǐng)域中沒(méi)有一種通用的解決方案可以解決所有問(wèn)題 。技術(shù)本質(zhì)上是為了解決問(wèn)題而存在的，每個(gè)問(wèn)題都有其獨(dú)特的環(huán)境和限制條件，沒(méi)有一種通用的技術(shù)或工具可以完美地解決所有問(wèn)題。

緩存是把雙刃劍 ，一方面我們享受緩存帶來(lái)的系統(tǒng)性能提升，另一方面引入緩存會(huì)提高系統(tǒng)復(fù)雜度，因?yàn)槟阋紤]緩存的失效、更新、一致性等問(wèn)題。

在面臨緩存選型時(shí)，一定要結(jié)合業(yè)務(wù)場(chǎng)景，研發(fā)效率，運(yùn)維成本，人力模型，技術(shù)儲(chǔ)備等因素，做出合理的選擇。

編輯：黃飛