如何使用缓存提高系统性能？

使用缓存提高系统性能的核心在于减少重复计算、降低数据库或服务端压力、加速数据访问，通过合理设计缓存策略，可显著提升系统吞吐量和响应速度。以下是具体实现方法及关键注意事项：

一、前端缓存技术

前端缓存主要用于减少重复请求，降低服务端压力，适用于静态资源（如图片、CSS、JS）和少量动态数据。

1. 本地缓存

协商缓存通过服务端与客户端协商决定是否使用本地缓存，避免重复传输未修改的资源。
实现方式：
基于时间：服务端返回 Last-Modified 字段（资源最后修改时间），客户端请求时携带 If-Modified-Since 字段；若资源未修改，返回 304 Not Modified。
基于唯一标识：服务端返回 ETag（资源哈希值），客户端请求时携带 If-None-Match 字段；若标识一致，返回 304。
适用场景：资源更新频率低但需验证新鲜度的场景（如配置文件）。
强缓存直接使用本地缓存，无需与服务端协商，通过 Expires 或 Cache-Control 控制有效期。
实现方式：
Expires：绝对过期时间（如 Expires: Wed, 21 Oct 2025 07:28:00 GMT），可能因客户端时间不同步失效。
Cache-Control：相对过期时间（如 Cache-Control: max-age=3600 表示1小时后过期），优先级高于 Expires。
适用场景：完全静态的资源（如Logo、库文件）。

强缓存状态码为200（from memory cache）2. 网关缓存（CDN）

二、服务端缓存技术

服务端缓存主要用于减轻数据库压力，提升数据读取性能，适用于动态数据（如用户信息、报表结果）。

1. 进程缓存

实现方式：
JVM堆内存缓存：使用 ConcurrentHashMap、ArrayList 等容器存储数据，或通过 Guava Cache 实现带淘汰策略的缓存。
// Guava Cache示例Cache<String, String> cache = CacheBuilder.newBuilder() .maximumSize(1000) // 最大容量 .expireAfterWrite(10, TimeUnit.MINUTES) // 写入10分钟后过期 .build();cache.put("key", "value");
Ehcache：支持磁盘持久化、分布式缓存，适合Hibernate等ORM框架的查询结果缓存。
适用场景：数据量小、更新频率低、无严格一致性要求的场景（如系统配置）。
局限性：
分布式环境下缓存同步困难。
JVM堆内存有限，大容量缓存可能导致OOM。

2. 分布式缓存（Redis）

原理：基于内存的键值存储，支持多种数据结构（String、Hash、List、Set）和高并发访问。
优势：
高性能：读速度超10万次/秒，写速度超8万次/秒。
持久化：支持RDB（快照）和AOF（日志）两种持久化方式。
高可用：通过主从复制和哨兵模式实现故障转移。
适用场景：热点数据、会话管理、排行榜、分布式锁等。
示例：SET user:1001 '{"name":"Alice","age":30}' EX 3600 # 存储用户信息，1小时过期HGETALL user:1001 # 获取哈希类型的数据

三、缓存使用中的关键问题及解决方案1. 数据一致性问题

问题：缓存与数据库数据不同步（如更新数据库后未删除缓存）。
解决方案：
先删缓存再更新数据库：减少脏数据时间，但需处理并发删除失败的情况。
队列+异步刷新：通过消息队列（如Kafka）异步更新缓存，避免阻塞主流程。
最终一致性：允许短暂不一致，通过定时任务或事件驱动机制修复。

2. 缓存穿透

问题：大量查询不存在的Key，直接穿透到数据库。
解决方案：
空值缓存：将查询为空的Key缓存短时间（如1分钟）。
布隆过滤器（BloomFilter）：预过滤一定不存在的Key，减少无效查询。

布隆过滤器通过哈希函数标记元素存在性3. 缓存击穿

问题：热点Key过期时，大量请求同时访问数据库。
解决方案：
互斥锁：更新缓存时加锁，确保同一时间只有一个请求访问数据库。
逻辑过期：缓存中存储过期时间和数据，访问时判断是否过期，若过期则异步更新。

4. 缓存雪崩

问题：大量缓存同时过期或缓存服务宕机，导致数据库崩溃。
解决方案：
分散过期时间：为缓存Key添加随机过期时间（如基础时间±10分钟）。
多级缓存：结合本地缓存和分布式缓存，本地缓存作为兜底。
熔断降级：当缓存服务不可用时，直接返回默认值或降级处理。

四、总结

合理应用缓存技术可显著提升系统性能，但需根据业务特点权衡一致性、延迟和复杂度。

热门标签