缓存优化的一般思路
缓存主要针对的时读操作,当你的功能遇到下面的场景是,就可以用缓存组件实现性能优化:
- 存在缓存热点,缓存的数据能够被频繁使用;
- 读操作明显比写操作多;
- 下游功能存在着比较悬殊的性能差异,下游服务能力有限;
- 加入缓存以后,不会影响程序的正确性,或者引入不可预料的复杂性。
缓存与缓冲
- 缓冲,数据一般只是用一次,等待缓冲区满了就执行flush操作;
- 缓存,数据被加载后,可以多次使用,数据将会共享多次。
缓存命中率
缓存最重要的指标就是命中率,有以下几个因素会影响命中率。
- 缓存容量
缓存的容量总是有限制的,所以就存在一些冷数据被逐出的问题。但缓存也不是越大越好,他不能明显挤占业务的内存。 - 数据集类型
如果缓存的数据是非热点数据,或者操作几次就不在使用的冷数据,那命中率肯定低,缓存也失去了它的作用。 - 缓存失效策略
缓存算法也会影响命中率和性能,目前效率最高的算法是caffeine使用的W-TinyLFU算法,它的命中率非常高,内存占用也小,新版本的spring-cache已经默认支持caffeine。