1、缓存的收益与成本

-》收益

---》加速读写

通过缓存加速读写速度：cup L1/L2/L3 Cache、Linux page Cache加速硬盘读写、浏览器缓存、Ehcache缓存数据库结果

---》降低后端负载

后端服务器通过前端缓存降低负载：业务端使用redis降低后端MySQL负载等

-》成本

---》数据不一致：缓存层和数据层有时间窗口不一致，和更新策略有关

---》代码维护成本：多了一层缓存逻辑

---》运维成本：例如redis cluster

-》使用场景

---》降低后端负载：对高消耗的sql：join结果集/分组统计结果缓存

---》加速请求响应：利用redis/memcache优化IO响应时间

---》大量写合并为批量写：如计算器先redis累加再批量写DB

2、缓存更新策略

-》LRU/LFU/FIFO算法剔除：例如maxmemory-policy  控制最大内存

-》超时剔除：例如expire

-》主动更新：开发控制生命周期

3、缓存粒度控制

-》通用性：全量属性更好

-》占用空间：部分属性更好

-》代码维护：表面上全量属性更好

通俗的说就是要缓存多少数据，是缓存所有表字段和是只缓存部分表字段

4、缓存穿透

-》大量请求不命中

如果出现这种情况的话，那么缓存就没有任何作用，请求还是会一直穿透到存储层（DB数据库）

产生这种情况的原因：

---》业务代码自身问题

---》恶意攻击、爬虫等等

如何发现这种情况：

---》业务的响应时间

---》业务本身问题

---》相关指标：总调用数、缓存层命中数、存储层命中数

-》解决缓存空对象

这总解决方法就是将null的值也缓存再cache中然后设置一个过期时间，当到达过期时间时再去更新缓存cache

这种解决会产生的问题：

---》需要更多的键

---》缓存层和存储层数据”短期“不一致

-》解决缓存穿透：布隆过滤器拦截

5、无底洞问题

加机器性能反而下降，就是节点越多时，性能越低了

问题关键点：

更多的机器!=更高的性能

批量接口需求（mget、mset等）

数据增长与水平扩展需求

优化IO的几种方法

---》命令本身优化：例如慢查询keys、hgetall bigkey

---》减少网络通信次数

---》降低接入成本：例如客户端长连接/连接池、NIO等

6、热点key的重建优化

问题描述：热点key+较长的重建时间

解决方法和目的

1、三个目的

----》减少缓存的次数

----》数据尽可能一致

----》减少潜在危险

2、两个解决

----》互斥锁（mutex key）

----》永远不过期

a、缓存层面：没有设置过期时间（没有用expire）

b、功能层面：为每个value添加逻辑过期时间，但发现超过逻辑过期时间后，会使用单独的线程去构建缓存