认识数据缓存

数据缓存概述：在特定硬件基础上，缓存（Cache）往往是提升系统性能的关键因素（前提是系统不存在设计上的缺漏和糟糕低效的SQL）；

相对于JDBC的操作，HIbernate是一个ORM框架，当然会实现更多复杂的任务，以实现内部的管理，这些额外的开销使得ORM框架的效率会低于JDBC；为了弥补这些性能上的差距，数据缓存是一个重要的策略；

 

缓存是数据库在内存中临时的容器，包含了库表数据在内存中的临时拷贝；位于数据库和数据库访问层之间；

当ORM读取数据时，首先会根据其缓存的管理策略，在缓存中查询，如果在缓存中发现了想要的数据，直接拿出来使用，避免了执行SQL去数据库里查询；

 

数据缓存策略：

持久层设计中，往往会考虑到几个不同层次的数据缓存策略，这些层次的划分标准针对不同的情况有所差异，一般而言，ORM的数据缓存包含如下：

1，事务级缓存（Transaction Layer Cache）

   在当前事务范围内的数据缓存策略（事务：可能是一个数据库事务，也可能是一个应用级事务）；对于Hibernate而言，事务级缓存是基于session生命周期实现的，每个session会在内部维持一个事务缓存，此缓存会伴随着session的创建而存在，session的关闭而销毁；也被成为session内部缓存（session Level Cache）；

2，应用级/进程级缓存（Application/Process Layer Cache）

   在某个应用中，或者应用中的某个独立数据访问子集中的共享缓存；此缓存可由多个事务（数据库事务或应用级事务）共享；事务之间的缓存共享策略与应用的事务隔离机制有密切的联系；在Hibernate中，应用级缓存在sessionFactory层实现，所有由sessionFactory创建的session实例共享此缓存，因此也被成为SessionFactory Level Cache；

   多实例并发运行的环境（如多机负载均衡的环境中），要小心缓存机制带来的负面影响；

   如：用户A和用户B同时操作同一个数据库，并行运行，A和B各自维持着自己的缓存，如果没有同步机制的话，A在某个操作中对数据库进行了更新，而B并没有获得其更新的通知，其b缓存的的数据还是以前版本的数据，那么B在读取数据时就会读取了以前的数据；导致数据错误；在这种情况下，不能使应用级缓存，我们需要更好的缓存解决方案；

3，分布式缓存（Cluster Layer Cache）

   在多个应用实例，多个JVM之间共享的缓存模式；分布式缓存由多个应用级缓存实例组成集群，通过某种远程机制（如，RMI或JMS）实现各个缓存实例间的数据同步，任何一个实例修改数据，将导致整个集群之间的数据状态同步；因此解决了多实例并发运行过程中的数据同步问题；

   如果对于并发读取性能要求很高，且读取操作在持久层中展绝大部分的比重，目前的 分布式缓存有点力不从心；由于多个实例间的数据同步机制，都会同步到其余的实例下，这样的远程开销是很大的；目前主流的企业级数据均已具备数据库级的缓存机制，而分布式缓存可能给我们带来一些问题的下尽量少使用；

   如果当前应用与其他应用共享数据库，也就是说，在当前运行过程中，其他应用可能会更新数据库，那么此时运用缓存策略就要格外小心；这种情况下，需要采取一些保守策略（避免缓存机制的使用）；