概念
缓存乱用
1、缓存大对象
2、缓存不常用的
3、缓存频繁更新的
4、没有及时的更新或者删除再缓存中已经过期或者失效的数据
缓存穿透、并发、失效、一致性、雪崩
缓存击穿
热点key问题，永不失效或者并发回源
方案一，使用进程内的锁进行限制，这样每一个节点都可以以一个并发回源数据库；
方案二，不使用锁进行限制，而是使用类似Semaphore的工具限制并发数，比如限制为10，
这样既限制了回源并发数不至于太大，又能使得一定量的线程可以同时回源。
穿透
一般缓存数据流程都是先查缓存系统，如果缓存系统不存在，再查db，然后异步更新缓存系统，正常的这样流程是没有
任何风险的，可当黑客攻击的时候，会模拟一个不存在的缓存KEY，导致缓存无法命中直接查询DB。
方案一
防止缓存穿透首先要过滤缓存key,比如key不符合要求直接打回，如果key查询db后返回的结果为null,我们可以为这个key预设一个
特定的值比如“&&”，这样后续的查询返回的都是“&&”，就不会直接查询db了，但是缓存的失效时间需要短下
这样会导致一个问题，会有大量的无用数据占据内存，
方案二（布隆过滤器）
算法：
1. 首先需要k个hash函数，每个函数可以把key散列成为1个整数
2. 初始化时，需要一个长度为n比特的数组，每个比特位初始化为0
3. 某个key加入集合时，用k个hash函数计算出k个散列值，并把数组中对应的比特位置为1
4. 判断某个key是否在集合时，用k个hash函数计算出k个散列值，并查询数组中对应的比特位，如果所有的比特位都是1，认为在集合中。
优点：不需要存储key，节省空间
缺点：
1. 算法判断key在集合中时，有一定的概率key其实不在集合中
2. 无法删除
布隆过滤器（Bloom Filter）是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。
布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都比一般的算法要好的多，缺点是有一定的误识别率和删除困难
布隆过滤器有一定的误判概率，但是如果布隆过滤器判断某个元素不在布隆过滤器中，那么这个值就一定不在。
可以使用guava实现布隆过滤器（BloomFilter ），布隆过滤器不保存原始值，空间效率很高
将数据库中所有的查询条件，放入布隆过滤器中，
当一个查询请求过来时，先经过布隆过滤器进行查，
如果判断请求查询值存在，则继续查；如果判断请求查询不存在，直接丢弃
并发
比如手机app首页的推荐位数据一般都是从缓存里面取的，比如在用户访问高峰期的时候缓存失效了，用户打开app首页的时候，加载的
推荐位数据会并发请求到数据库，这种情况就需要对查询db的操作进行加分布式锁的功能了。可以使用一个锁，也可以初始化多个锁，保证
打到数据库的请求是在可控范围。或者使用本地缓存，当nosql缓存失效的时候，直接先拿本地缓存挡着，但是要注意本地缓存的大小。
失效
一般使用缓存都会加上失效时间，防止一些冷数据一直占用缓存。假如用户集中在18:00登录，登录后会把用户信息放到缓存里面，同时设置
缓存失效时间是24小时，也就是说到第二天18:00的时候，这些用户的缓存信息同时失效了，系统会有大量请求打到DB，为了防止缓存集中性的
失效，我们可以对缓存的失效设置一个随机时间，比如20~24小时之间，将缓存的失效时间分开减小并发压力。
一致性
一般都是先修改DB然后再修改缓存，如果缓存系统突然挂了，就会导致db与缓存的数据不一致。
如何解决：更新缓存系统的时候增加重试功能，比如更新个三四次，如果三四次还不成功那就往消息队列里面
丢一条更新缓存的请求，异步的去更新缓存。
缓存雪崩
缓存雪崩的常见解决方法有两种：更新锁机制和后台更新机制。
当缓存服务器重启或者大量缓存集中在某一个时间段失效
如果缓存服务器不是高可用了，使用hystrix拦截。
缓存热点
缓存热点的解决方案就是复制多份缓存副本，将请求分散到多个缓存服务器上，减轻缓存热点导致的单台缓存服务器压力
缓存同步数据库策略
读
如果服务存在缓存，则直接从缓存取，如果缓存不存在，则请求数据库。并且将数据放到缓存，同时返回值
写
写的操作会导致数据库与缓存出现不一致的问题，目前缓存存在以下下三种策略
1、cacha aside(旁路缓存)
1、更新缓存再更新db
如果db更新失败，不手动回滚缓存会导致一致性问题
同时多线程也会有aba导致数据不一致问题
2、更新db再更新缓存
多线程时候会有aba问题，同时如果每个资源都更新到缓存会导致性能问题
a和b 都顺序完成了更新db更新，但是更新缓存都顺序确是ba,导致缓存不一致
3、删除缓存，更新db
多线程也会有数据不一致问题，例如并发情况下，线程A删除了缓存。但是没有更新db
这时候线程b 看缓存为空。就会捞db的老值并且放到缓存里面。
4、更新db 然后删除缓存
2、read/writ through ,around
应用程序只需要维护缓存，数据库的维护工作由缓存代理了
1、writ through 更新cache，再db
2、writ around 更新db，删除缓存
3、write behind cacahing
该策略只更新缓存，不会立马更新数据库，只会在一定的时间异步的批量去操作数据库；
这样的好处在于直接操作缓存，效率极高，并且操作数据是异步的，
还可以将多次的操作数据库语句合并到一个事务中一起提交，因此效率很客观；
关于缓存写入，至少有4种写入的策略
THROUGH("through"), //发生在Cache层,应用程序只需要维护缓存，数据库的维护由缓存代理完成，先cache 再db
AROUND("around"), //发生在Cache层，直接写入数据到数据库，不必写到缓存中。这个不必过多的解释，缓存的数据应该被立即过期
BEHIND("behind"), //还是发生在Cache层，刚开始时，写入到缓存中，当设定的缓存容量达到上限，或等到一定的时间间隔后，再写到数据库中。
ASIDE("aside"); //发生在应用层，应用层保证缓存结果同DB的数据一致性，应用层来负责写入到数据库和整理缓存，缓存层则不必插手此事。
redis相关
redis概述
redis是基于内存的，内存的读写会非常快，而且是单线程的，省去了不必要的上下文线程切换时间
同时redis使用的是多路复用技术，可以处理并发的请求
redis主从
redis一主可以对应多个从节点，主节点可以读写，从节点只能查询
配置文件
salve节点文件里面添加以下内容
slaveof <masterip> <masterport> //主节点的ip
masterauth <master-password> //主节点的密码
客户端实现
对于写的操作需要路由到主节点redis数据源
对于读操作需要路由到从节点的数据源。
缺点
如果redis主节点挂了，从节点不会自动切换， 需要借助redis的Sentinel或者keepalive来实现主的故障转移
redis Sentinel
配置可参考：https://cachecloud.github.io/2016/03/11/Redis%203.2.0-Sentinel%E6%95%85%E9%9A%9C%E8%BD%AC%E7%A7%BB%E6%B5%8B%E8%AF%95/
./redis-server.sh sentinel.conf --sentinel //--sentinel是哨兵模式启动需要带的参数
redis集群
因为单台服务器内存的局限性，必须要进行横向扩展，主从模式不能保证高可用,redis官方自带的redis-cluter
memcache
memcache是完全基于内存的，不能持久化存储，只能存储key value
缓存序列化与反序列化
内存访问速度
| 名称 | 速度 |
|---|---|
| 内存 | 0.3ns |
| 固态硬盘 | 50~150us |
| 物理硬盘 | 1-10ms |
| 网络 | 20ms |
固态硬盘SSD与机械硬盘HDD
| 项目 | SSD | HDD |
|---|---|---|
| 容 量 | 较小 | 大 |
| 价 格 | 贵 | 便宜 |
| 随机存取 | 极快 | 便宜 |
| 写入次数 | SLC:10万次/MLC:1万次 | 无限制 |
| 防震能力 | 很好 | 较差 |
| 数据恢复 | 难 | 容易 |
RAID磁盘阵列
RAID （ Redundant Array of Independent Disks ）即独立磁盘冗余阵列，简称为「磁盘阵列」，
其实就是用多个独立的磁盘组成在一起形成一个大的磁盘系统，从而实现比单块磁盘更好的存储性能和更高的可靠性
RAID0
RAID0 是一种非常简单的的方式，它将多块磁盘组合在一起形成一个大容量的存储。
当我们要写数据的时候，会将数据分为N份，以独立的方式实现N块磁盘的读写，那么这N份数据会同时并发的写到磁盘中，因此执行性能非常的高
但RAID0的问题是，它并不提供数据校验或冗余备份，因此一旦某块磁盘损坏了，数据就直接丢失，无法恢复了。
因此RAID0就不可能用于高要求的业务中，但可以用在对可靠性要求不高，对读写性能要求高的场景中
RAID1
RAID1 是磁盘阵列中单位成本最高的一种方式。因为它的原理是在往磁盘写数据的时候，
将同一份数据无差别的写两份到磁盘，分别写到工作磁盘和镜像磁盘，那么它的实际空间使用率只有50%了，
两块磁盘当做一块用，这是一种比较昂贵的方案
数据的可靠性非常强，但性能就没那么好了
RAID5
RAID5模式中，不再需要用单独的磁盘写校验码了。它把校验码信息分布到各个磁盘上。
例如，总共有N块磁盘，那么会将要写入的数据分成N份，并发的写入到N块磁盘中，
同时还将数据的校验码信息也写入到这N块磁盘中（数据与对应的校验码信息必须得分开存储在不同的磁盘上）。
一旦某一块磁盘损坏了，就可以用剩下的数据和对应的奇偶校验码信息去恢复损坏的数据
RAID5的方式，最少需要三块磁盘来组建磁盘阵列，允许最多同时坏一块磁盘。
如果有两块磁盘同时损坏了，那数据就无法恢复了
Guava Cache
使用场景
轻量级单机缓存，缓存存放在内存里面，不像ehcache支持缓存数据落地磁盘
可以将程序频繁用到的少量数据存储到Guava Cache中
guava支持多重缓存失效策略，同时支持缓存并发
###
JSR-107 cache规范
依赖
<dependency>
<groupId>javax.cache</groupId>
<artifactId>cache-api</artifactId>
<version>1.0.0</version>
</dependency>
核心接口
. CachingProvider
定义了建立，配置，得到，管理和控制0个或多个CacheManager，一个应用在运行时可能访问0个或者多个CachingProvider。
2.CacheManager
它定义了建立，配置，得到，管理和控制0个或多个有着唯一名字的Cache ，一个CacheManager被包含在单一的CachingProvider.
3. Cache
Cache是一个Map类型的数据结构，用来存储基于键的数据，很多方面都像java.util.Map数据类型。一个Cache 存在在单一的CacheManager.