Memcached,一个分布式的缓存 缓存命中率

Memcached,一个分布式的缓存 缓存命中率2011-08-21 17:52

Memcached,一个分布式的缓存  缓存命中率：

Q：什么样的缓存才是好缓存？
能解决问题的缓存就是好缓存。这句话简直就是废话，相当于白猫、黑猫，抓住老鼠的就是好猫。
那在解决问题前提下，哪个缓存才是好缓存呢？这个问题我的答案是：缓存命中率高的缓存是好缓存。
在解决问题前提下，命中率高的缓存比命中率低的缓存，在硬件投入上可能会比较小，同时缓存的数量比命中率低的缓存数量也可能少，这样寻址的速度肯定比较快。所以命中率高的缓存是好缓存。

缓存的命中率
一个缓存的实体在被丢到缓存中后，在这个实体被缓存的期间（这个实体被缓存的生命周期内），如果外部一次都没有使用过它，这个缓存实体的命中率就是0。这个实体被请求的次数越多，它的缓存命中率越高。
上面说的是缓存中一个实体的命中率。对于缓存整体来说，它的命中率则是上面各个被缓存的个体的命中率分布图。
对于缓存来说：通常最常使用的个体之占总体的很小一部分。最不常使用的占整体的很大一部分。如下图所示：

所以我们经常会看到类似这样的数据：
缓存的1万个元素中，有100个被频繁的使用，几乎每分钟都会被使用一次。2000个数据，每小时被请求一次。3000个数据，每天被请求一次，剩下的数据，被丢到缓存中后一次都没有被使用过。
现在硬件发展很快，如果我们只是需要缓存1万个数据的话，我们完全可以做到不管这1万个数据是否被使用到，全部丢到缓存，这样只要找数据，肯定缓存中有这个数据。而不需要作额外的运算，或者不需要向数据库发出请求。
但是：硬件发展快，数据量发展也快。小型的网站，缓存1万条数据，也就全部缓存了。但是大型网站最少也是上百万的数据量或者上T级别的数据，这些数据量显然不能都丢到缓存。这时候设计一个合理的缓存方案，提高缓存的命中率，就非常重要。而且是必须的。

提高缓存命中率的一些常见方法
纯技术的角度来说，我们只有记录了用户的单位时间的请求数，并依照这个信息来把最常被使用的数据缓存起来。
但更多的时候，我们是根据业务逻辑来提高缓存命中率的。比如：去年，前年发表的博客，这类文章的浏览请求，一般一天至少可怜的几次。一般不应该缓存到内存中。
又比如，回复数多的帖子，一般被请求数会比回复数少的帖子会被更多人次看到。　
我们应该通过上面逻辑，根据我们实际业务逻辑，提供一个缓存算法，提高缓存的命中率。让在我们硬件允许的条件下，缓存适当的数据，而不是所有数据。

一个反面的例子就是：不管三七二十一，一个大型的博客站点，一篇文章被用户请求的时候，发现不在内存缓存中，就从数据库中读出，然后丢到缓存。
要知道，现在爬虫程序很多的。另外，博客这类搜索引擎友好的站点，决大多数的访问压力是搜索引擎搜索过来的。而这些访问一般都是1小时，或者1天之内，对某篇文章只有几次甚至1次请求，之后再也没有了。上面作缓存的方法，命中率会非常低的。
这里也许就有人会问，既然你不建议我缓存这些博客的内容，但是我如何提高我站点的性能呀，我至少得保证我博客站点不会速度慢的无法响应用户请求呀。
这个问题的解决方案有很多，一个最简单的方法就是把这些博客做成静态Html页面，也就是文件系统的缓存，文件系统因为硬盘的原因，可以简单理解成可以无限扩容，这样就可以把很多命中率低的内容进行缓存。
如果你的页面需要一些动态逻辑判断，你可以把数据缓存成XML文件，然后服务器段整合这些XML文件，或者是包含文件。这也是种不错的方法。

说了这么多缓存命中率的问题，简单汇总一下缓存命中率的观点：

小型网站可以全部数据缓存，一般压力也不会很大，可以忽略缓存命中率问题。
大型服务无法全部数据缓存，只能部分数据缓存，这时候就需要架构师设计出对该业务逻辑适用的缓存方法，尽可能的提高缓存的命中率。
提高命中率的方法大多是跟业务逻辑捆绑的，需要跟具体问题具体分析
对于不能被内存缓存的数据，最简单的提高性能方法就是使用文件缓存。
文件缓存可以整个内容缓存成一个静态文件；也可以是整个页面的一个区域被缓存成一个文件，然后被包含；也可以是把一个实体序列化成XML文件进行缓存。

下面我们看看缓存的其他几个不那么重要的方面：

缓存的生命周期内的活动
永久不过期，永久不变更的内容，这类东西就不应该放在缓存。缓存是临时的存储，而不是永久的，所以缓存的生命周期是有限的。
它依次可能会经历如下活动：
进入缓存。（进入缓存的时候，可能需要指定它以后的过期策略，如果不指定，需要使用系统默认的过期策略）
从缓存中获得它，注意，这时候需要处理线程安全的问题。
更新缓存，注意，也需要考虑线程安全问题
离开缓存，这个可能是外部请求，也可能是缓存根据过期策略把它清理掉。

缓存的过期策略
一般我会问，你所接触的缓存中，碰到过那些缓存过期策略？
最常见的几种过期策略如下：
多长时间没有被请求，则过期，最典型的就是ASP和ASP.net 提供的 Section 功能。其实它就是一个缓存。
依赖于文件变更的缓存，一旦文件被修改，缓存则过期，典型的是 WEB站点的 Web.config ，一旦这个文件变更，不但缓存重起，IIS进程也会进行一次释放工作。
在此基础上，可能看到很多依赖关系的缓存过期策略。比如依赖于数据库的缓存过期策略。
当然，业务逻辑里可能会有更复杂的过期策略，必须CSDN新版积分制论坛中，帖子列表缓存会在列表数据缓存达到600时，把它清理到550条数据。
又比如新积分制论坛帖子的缓存过期，则是没有任何列表引用这个帖子后，则这个帖子过期。

缓存的同步问题
使用缓存，则意味着同样的数据，可能有多份并存。如果你的代码没有考虑某种情况，导致了这两份数据不一致了。这时候就会有问题发生。
解决方法很简单，把你的业务逻辑，代码触发情况都考虑清楚，不要遗留没有触底的地方。
简单的方法会导致你的代码逻辑变得非常复杂。
这也就是有些人，在非必要的时候，建议你不要用缓存的原因。一旦开始使用缓存，你就应该准备增加大量的代码来处理数据同步的问题。

初始化填充缓存数据
有时候在缓存被初始化后，还需要预先填充一些数据到缓存中。这就是缓存数据的初始化操作。
缓存数据的初始化操作需要考虑以下问题：
需要多长时间进行初始化，一般如果是站点的话，我们可能在 Global.asa 的 Application_OnStart 中处理这个初始化工作。初始化的一般不能太久，这时候就是考验我们代码优化的能力了。
初始化的时候，一般是批量导入数据，而不是我们正常使用的时候，一次处理一个数据。