redis与memcached的区别

①Memcached出现于2003年，key支持250bytes，value支持1MB；redis出现于2009年，key和value都是支持512MB的。

持久化方面，memcached过期失效，redis可以缓存回收（6种回收机制），有存储，可算为NOSQL，有优化，支持190多种命令。

集群方面，memcached不支持集群，基于两次哈希，第一次哈希找到服务器节点，第二次哈希找到存储的值。

1）Redis不仅仅支持简单的k/v类型的数据，同时还提供list，set，hash等数据结构的存储。

2）Redis支持数据的备份，即master-slave模式的数据备份。

3）Redis支持数据的持久化，可以将内存中的数据保持在磁盘中，重启的时候可以再次加载进行使用。

Redis只会缓存所有的key的信息，如果Redis发现内存的使用量超过了某一个阀值，将触发swap的操作，Redis根据“swappability= age*log(size_in_memory)”计算出哪些key对应的value需要swap到磁盘。然后再将这些key对应的value持久化到磁盘中，同时在内存中清除。这种特性使得Redis可以保持超过其机器本身内存大小的数据。当然，机器本身的内存必须要能够保持所有的key，毕竟这些数据是不会进行swap操作的。

②memcached、redis和mongoDB三者之间的对比：

1）性能

都比较高，性能对我们来说应该都不是瓶颈

总体来讲，TPS（每秒事务处理量）方面redis和memcache差不多，要大于mongodb

2）操作的便利性

memcache数据结构单一

redis丰富一些，数据操作方面，redis更好一些，较少的网络IO次数

mongodb支持丰富的数据表达，索引，最类似关系型数据库，支持的查询语言非常丰富

3）内存空间的大小和数据量的大小

redis在2.0版本后增加了自己的VM特性，突破物理内存的限制；可以对key value设置过期时间（类似memcache）

memcache可以修改最大可用内存,采用LRU算法

mongoDB适合大数据量的存储，依赖操作系统VM做内存管理，吃内存也比较厉害，服务不要和别的服务在一起

4）可用性（单点问题）

对于单点问题，

redis，依赖客户端来实现分布式读写；主从复制时，每次从节点重新连接主节点都要依赖整个快照,无增量复制，因性能和效率问题，

所以单点问题比较复杂；不支持自动sharding,需要依赖程序设定一致hash 机制。

一种替代方案是，不用redis本身的复制机制，采用自己做主动复制（多份存储），或者改成增量复制的方式（需要自己实现），一致性问题和性能的权衡

Memcache本身没有数据冗余机制，也没必要；对于故障预防，采用依赖成熟的hash或者环状的算法，解决单点故障引起的抖动问题。

mongoDB支持master-slave,replicaset（内部采用paxos选举算法，自动故障恢复）,auto sharding机制，对客户端屏蔽了故障转移和切分机制。

5）可靠性（持久化）

对于数据持久化和数据恢复，

redis支持（快照、AOF）：依赖快照进行持久化，aof增强了可靠性的同时，对性能有所影响；memcache不支持，通常用在做缓存,提升性能；MongoDB从1.8版本开始采用binlog方式支持持久化的可靠性。

6）数据一致性（事务支持）

Memcache 在并发场景下，用cas保证一致性。

redis事务支持比较弱，只能保证事务中的每个操作连续执行。

mongoDB不支持事务

7）数据分析

mongoDB内置了数据分析的功能(mapreduce),其他不支持。

8）应用场景

redis：数据量较小的更性能操作和运算上。

memcache：用于在动态系统中减少数据库负载，提升性能;做缓存，提高性能（适合读多写少，对于数据量比较大，可以采用sharding）。

MongoDB:主要解决海量数据的访问效率问题。

5、设计一个缓存

A、过期时间

B、多态实现访问量

C、弱引用、软引用。

D、WeakHashMap的使用。

缓存技术的实现原理：LRU（Least Recently Used）缓存技术

可以使用两个标准的数据结构来实现，Map和Queue。因为需要支持多线程，需要使用实现了java.util.concurrent.*的Map和Queue。主要思路是使用一个Queue来维护FIFO和Map来对数据进行排序，当向缓存添加新的元素时，共有以下三种可能：

①如果该元素已经在Cache中存在（Map），我们会从Queue中删除元素并将其添加到Queue的第一个位置；

②如果缓存已经无法满足新增新的元素，我们会从Queue和Map中删除最后面的那个元素并把新元素添加进来；

③同时在Map和Queue中增加新的元素。

下面看一下代码参考：

import java.util.concurrent.ConcurrentHashMap;  
import java.util.concurrent.ConcurrentLinkedQueue;  
  
public class LRUCache<K, V> {  
  
    // LRU 缓存的最大容量.  
    private final int capacity;  
    // 用来保持最近使用的元素的 Queue.  
    private ConcurrentLinkedQueue<K> queue;  
  
    private ConcurrentHashMap<K, V> map;  
  
    /** 
     * 初始化 LRU 缓存 
     *  
     * @param capacity 
     */  
    public LRUCache(final int capacity) {  
        this.capacity = capacity;  
        this.queue = new ConcurrentLinkedQueue<K>();  
        this.map = new ConcurrentHashMap<K, V>(capacity);  
    }  
  
    /** 
     * 检查该元素释放在缓存中存在，如果不存在则返回 null 
     *  
     * @param key 
     * @return 
     */  
    public V get(final K key) {  
        return map.get(key);  
    }  
  
    /** 
     * 将元素添加到 LRU 缓存。如果 Key 已存在，则将其放到缓存的第一位置 
     *  
     * @param key 
     * @param value 
     * @throws NullPointerException 
     */  
    public synchronized void put(final K key, final V value) {  
        if (key == null || value == null) {  
            throw new NullPointerException();  
        }  
        if (map.containsKey(key)) {  
            queue.remove(key);  
        }  
        while (queue.size() >= capacity) {  
            K expiredKey = queue.poll();  
            if (expiredKey != null) {  
                map.remove(expiredKey);  
            }  
        }  
        queue.add(key);  
        map.put(key, value);  
    }  
}