浅谈本地缓存的应用

前言

        缓存的本质是内存的读写速度优于磁盘，加速数据处理、加快请求响应，在并发场景下，减轻DB读的压力。本地缓存的使用，是缓存架构的基石。无论系统简单还是复杂，都离不开本地缓存的使用。

本地缓存的选择

 本地缓存可选择：JVM堆 / Ehcache / Guava Cache

（1）Ehcache：支持堆外缓存，持久化。以前集中式架构，尤其是企业IT系统，用物理机或虚拟机部署，需要缓存的数据量很大，为了合理利用机器资源，基本选择Ehcache。
（2）Guava Cache：支持LRU的ConcurrentHashMap。有同学说缓存系统的一些配置项（如：接口名称），缓存这些理论上不会变的又不太放心的东西。
（3）JVM堆：现在的分布式系统都是容器化部署，基本都是4C8G或者8C8G的规格。JVM堆内存一般都会分到4G-6G，这样已经可以最大幅度的利用了容器资源了。

   容器化时代，JVM堆缓存可以最大化利用容器资源，使用本地缓存的场景都可以用JVM堆缓存。

本地缓存的清理

  本地缓存清理策略：定时更新 / 实时更新

（1）定时任务清理。数据发生变化后，更新数据状态，然后用定时任务周期性扫描数据状态，若发现数据发生变化，更新本地缓存。这种方式更新缓存会有一定的延迟，如果把调度任务设定的非常短，就会不断占用一个线程去处理缓存，数据基本不变的情况下，这样没必要的，CacheCheck以及CacheReLoad的设计很重要。
（2）缓存实时更新。数据变化后，通知缓存立刻更新。在单实例情况下，数据更新完直接调用清理本地缓存的方法即可，但多实例情况下，数据在一个实例上的更新，要通知其它实例同步更新本地缓存，这就需要用到MQ广播。这种本地缓存清理机制，实时性高，但只适合定义类这种每次修改的数据量不会很大的场景，如果一次性修改了大量的数据，会产生大量需要广播的消息，会使MQ集群出现容量瓶颈甚至宕机，这个时候就要参考kafka设计思想，做消息合并转发处理。   之前某项目上，我们MQ集群总被压挂，UAT过程中多次中断，多次扩容收效不大，终于忍不住查了一下消息源是我们自己的压测……    

本地缓存的使用场景

  缓存使用场景：永久性缓存 / 实时性缓存

（1）永久性缓存。配置类、定义类、基础数据、商品名称等，这些业务场景的特点就是一经配置完成，基本不会变，纵使有些许调整，在较小的一段时间内也能容忍其变化，这类缓存在服务启动时就可以统一的加载到容器的JVM堆中，用定时任务5-10min扫描更新一次缓存即可。
（2）实时性缓存。订单、交易、支付、发薪等，这类业务场景实时性强，还需要100%的准确。使用缓存是为了保证每个请求对同样的数据，只从数据库获取1次即可，避免对数据库的多次调用。保证每个请求中数据一致，绑定线程的东西ThreadLocal，执行结束一定要remove()。每次八股文上天天rr加next-key lock防幻读，就很神奇，为什么一次请求中同样的语句要多次执行？

附：本地缓存还有一个作用，作为redis被击穿后最后的兜底。