本文共 6376 字，大约阅读时间需要 21 分钟。

缓存中间件-缓存架构的实现（下）

前言

缓存架构，说白了就是利用各种手段，来实现缓存，从而降低服务器，乃至数据库的压力。

这里把之前提出的缓存架构的技术分类放出来：

• 浏览器缓存
  • Cookie
  • LocalStorage
  • SessionStorage
• CDN缓存
• 负载层缓存
  • Nginx缓存模块
  • Squid缓存服务器
  • Lua扩展
• 应用层缓存
  • Etag
  • ThreadLocal
  • Guava
• 外部缓存
  • Redis
• 数据库缓存
  • MySql缓存

前面的已经简单说明了浏览器缓存，CDN缓存，负载层缓存。这次将会继续阐述应用层缓存，外部缓存，数据库缓存。

应用层缓存

应用层的缓存，往往用户的请求最终达到了应用服务器，但是未达到数据库，其涉及应用服务器的具体开发。

Etag

之所以将Etag技术放在应用层缓存，是因为用户的请求必定达到应用层。

Etag的意思就是，如果连续两次请求的请求内容是一致的，那么两次响应也应该是一致的。那么第一次请求的响应，就可以充当第二次请求的响应。

当然实际业务中，也存在两次请求一致，但是响应不一致（如都是查询银行余额，但是并不一样，可能两次操作中间，工资到账了）。这就涉及到缓存的数据一致性问题，后面会提到。这里不再深入。

那么应用服务器怎么判断两次请求一致呢。它可以通过两次请求的hash，进行对比判断。其中涉及HTTP协议，如304状态码，请求协议头If-None-Match字段，响应协议头Etag字段。

请求流程

服务端已经做好了对应的开发与设置（如Spring的ShallowEtagHeaderFilter()）。

第一次请求

1. 客户端发出请求RequestA
2. 服务端接收到客户端的请求RequestA，进行以下处理：
   1. 在应用中，根据请求RequestA计算对应的MD5值
   2. 在返回响应ResponseA的协议头中的Etag字段设置前面计算出来的MD5值
   3. 返回对应页面
3. 客户端接收到响应ResponseA，在浏览器中展示。并在浏览器中缓存ResponseA

第二次请求

1. 客户端再次发出请求RequestB，并且RequestB与RequestA请求内容相同（如都是请求同一个页面等）
2. 服务端接收到客户端的请求RequestB，进行以下处理：
   1. 根据请求计算的新ETag，并判断是否与请求RequestB协议头中的If-None-Match字段对应的值（就是之前ResponseA的ETag字段的值）一致
      1. 如果没有超限， 在Response中设置协议状态为304，向客户端返回对应ReponseB
3. 客户端接收到响应ReponseB，确认其协议状态为304，则直接使用之前缓存的响应ResponseA，作为请求RequestB的返回响应

上述其实是功能逻辑，如果按照代码逻辑，其实应该这样说：

客户端

1. 客户端准备发送请求
2. 浏览器检测该页面是否有对应的ETag字段的值
3. 如果有对应的值，就置入请求的协议头
4. 准备妥当后，浏览器想服务器发送请求

服务端

1. 根据请求的协议头，判断是否具备Last-Modified/If-None-Match字段
2. 如果有对应字段，进行以下判断
   1. 根据请求计算的新ETag，并判断是否与请求协议头中的If-None-Match字段对应的值（就是之前ResponseA的ETag字段的值一致
      1. 如果没有超限，在Response中设置协议状态为304，向客户端返回对应Reponse
3. 如果上述2中任一条件未满足，则执行以下逻辑：
   1. 在应用中，根据请求RequestA计算对应的MD5值，保存在应用中
   2. 返回对应页面
   3. 在返回响应ResponseA的协议头中的Etag字段设置前面计算出来的MD5值

准确地说，这应该是HTTP协议提供的缓存方案，而不仅仅只是ETag。因为ETag仅仅与HTTP协议的五大条件请求首部中的If-None-Match与If-Match两个首部相关。除此之外，还有If-Modified-Since，If-Unmodified-Since，If-Range三个条件请求首部。如果以后有机会专门写一篇有关HTTP协议的博客。迫切的小伙伴，也可以翻阅《HTTP权威指南》一书的第七章（尤其是7.8）。

优势

• 降低数据库访问压力。如果ETag成功，则直接返回状态码304，没有数据库操作。
• 降低应用服务器压力。如果ETag成功，则直接返回状态码304，无需业务操作等，如日志。
• 降低带宽压力。根据统计表明，一般请求响应模型中，响应的报文大小远大于请求的保温大小。那么如果返回响应的主体为空，只有304状态码等协议头，则可以大大降低系统带宽压力。

缺点

• 技术学习投入。如果想要较好利用 ，需要熟悉HTTP协议的缓存设计（包括理念，架构，步骤等）
• 需要对现有的业务体系，进行一定的调整
• 数据刷新问题的处理，确保数据的“新鲜度”
• 应用系统的计算资源占用。有人提出ETag的MD5计算带来了对应的应用系统的CPU占用问题。这个需要说一下：
  • 这取决于具体请求本身是否有比MD5计算更大的CPU占用问题。
  • 合理的缓存架构设计一般不会有这样的问题（如静态资源等CPU占用少的请求，根本就在前面的浏览器，CDN，负载均衡层处理掉了）

实际应用

实际应用部分，主要有两点需要提及。

• 由于If-None-Match的部分缺点，有需要的小伙伴最好引入Last-Modified-Since搭配使用
• 实际开发方面，Spring提供了ShallowEtagHeaderFilter()，也可以自行扩展

PS：部分人认为只需要Last-Modified-Since即可，但是仅使用Last-Modified-Since存在以下问题：

• 1s周期内的变化，无法处理（因为Last-Modified-Since记录的最小时间单位为秒）
• 部分数据虽然发生了变化，但其实我们所需要的内容并没有变化（如周期性的重写等）
• 部分应用系统的系统时间存在冲突（即集群内的应用服务器实例的绝对系统时间存在秒级差别。至于集群的时间统一相关的问题，日后有机会专门写一篇博客（感觉自己立下了无数flag））。

ThreadLocal

ThreadLocal是什么，我就不在此解释了。不了解的小伙伴，可以这样理解：ThreadLocal就是一个类中的静态Map，其key就是执行线程（调用类实例的线程）的name，而value就是调用位置设置的值。

优势

• （核心）避免接口定义污染。如应用系统中（同一JVM中）存在A->B->C这样的操作链路。但只有A和C用到了特定参数（如用户信息），那么为了能够调用C，B也必须引入该特定参数（如用户参数），即使B没有用到该特定参数。这就造成了接口定义的污染（详见）
• 数据缓存。由于ThreadLocal是通过栈封闭的理念实现了线程安全，所以其在一些场景下有着特定的使用。

缺点

• ThreadLocal缓存设计与学习，及原有系统的改动
• （核心）由于可能涉及多线程与调用链上多个调用节点，所以设计与问题排查会有较大的难度

实际应用

在我之前接收的IOT项目中，终端系统通过传感器数据读取程序与传感器配置，获得原始数据（包括原始监测值，以及配置表中对应配置（如硬件标识，报警阈值等））。但是原始数据采集后，会进行数据清洗，数据报警评估，数据保存等多个操作。但是其中的数据清洗并不涉及硬件标识，与报警阈值等。所以采用ThreadLocal来保存对应数据（硬件配置），避免方法接口的污染。当然，后来由于该流程并不都是有前后顺序要求，所以添加了事件监听，进行异步解耦，降低系统复杂度。

GuavaCache

Guava代表着应用级缓存，更准确说是单JVM实例缓存。在原单机系统时，我们往往并不是采用Redis这样的分布式缓存（除非是希望利用其数据处理，如GEO处理，集合处理等），而是采用GuavaCache或自定义缓存（自定义缓存的设计，后面会有一篇专门的博客）。

优势

• 资源占用小。毕竟只是运行于单机的一种缓存工具
• 实现了一种简便的缓存管理工具，满足了大多数单机系统对缓存的需求

劣势

• 功能没有分布式缓存中间件完善（尤其是自定义的缓存工具）
• 如果是采用Guava这样的第三方缓存工具，需要对工具的一定学习成本
• 如果是自定义实现（为了更为精简，定制化），往往性能的提高对技术水平有着一定的需求（如SoftReference的利用等）
• 对原有应用的改变

外部缓存

外部缓存的一个重要代表，就是Redis，Memcache这样的分布式缓存中间件。当然外部缓存，你要把文件系统等划分进来，也不是不行，只要可以满足对缓存的定义即可。

这里以Redis为例。

Redis

Redis作为当下最为流行的分布式缓存中间件，其应用可以说是非常广泛的，也是我非常喜欢使用的一种分布式缓存中间件。其是一个开源的，C语言编写的，基于内存，支持持久化的日志型，KV型的网络程序。

优点

• 使用简单。Redis的单机使用不要太简单。即使是新人，也可以在很短的时间内上手，并在实际开发中应用（当然，如果项目中已经有了相关配置，并提供了相关Util就更方便了）
• 性能强悍。即使是单机的Redis，也可以在一个普通性能的服务器上，提供每秒十万级的读写能力（当然影响的情况很多，详见）
• 功能强大。Redis提供了GEO的相关操作（计算两点距离等），集合相关操作（交集，并集等），流相关操作（类似消息队列）
• 应用场景多。如Session服务器（分布式Session的优秀解决方案），计数器（Incr），分布式锁等

缺点

• 需要部署Redis服务器。并且为了确保可用性，往往需要进行集群部署
• 精通较难。
  • 功能方面。功能强大的Redis，其内部实现还是有不少东西的，包括其持久化机制，内存管理
  • 理论方面。如Redis内存管理方面，涉及LRU，LFU算法，以及其自定义简化版的实现。又或者其哨兵机制涉及的Raft分布式选举算法等
  • 部署方面。单机部署，以及多种集群部署（生产级部署，可以看我之前的博客-）

实际应用

在我之前接手过的某综合系统（涵盖社交，在线教育，直播等），其Session服务器是通过Redis进行支撑的。通过将<SessionId,Session>的方式，存储在Redis，而SeesionId会保存在用户的Cookie中（至于某些小伙伴担心的Cookie禁用问题，这就涉及Cookie的知识内容了。Cookie会保存在URL中）

再举一个例子（Redis的应用场景太多了）。之前负责的IOT项目中，其中控系统的报警模块有这么一个需求：同一个终端的同一个传感器在30min中，只报警一次，避免报警刷屏的现象。而中控系统已经采用了Redis（中控系统是可以集群部署，确保可用性，避免性能瓶颈），所以利用Redis的集合特性与expire特性，进行了对应的缓存设计。这个在之后会专门写一篇博客，进行阐述。

数据库缓存

这里说的数据库，是指Mysql，Oracle这样的数据库，而不是Redis这样的。

这里就以Mysql举例，这个大家应该是最熟悉的。

Mysql

Mysql缓存机制，就是缓存sql文本，及其对应的缓存结果，通过KV形式保存到Mysql服务器内存中。之后Mysql服务器，再次遇到同样的sql语句，就会从缓存中直接返回结果，而不需要再进行sql解析，优化，执行。

可能某些人担心，如果数据改变了，而请求的语句是select * from xxx，那不就一直拿到旧数据了嘛。放心，mysql有这方面的处理，当对应表的数据有所修改，那么使用了这个表的数据的缓存就全部失效。所以对于经常变动的数据表，缓存并没有太大价值。

优势

• 提升性能。同样的语句，第一次执行可能需要1s，而第二次执行往往只需要几毫秒。
• 避免索引时间。因为是通过请求的sql，直接从缓存中获取对应结果，所以没有进行索引查询操作。
• 降低数据库磁盘操作。虽然请求到达了数据库，但如果没有进行硬盘操作（寻道，读取数据等），那么该次数据库操作对数据库的资源消耗就小了许多（因为在数据库中最消耗时间的就是索引操作与硬盘操作）
• 降低数据库资源消耗，提高查询时间。因为其避免了数据库获得sql后的所有操作，取而代之的是从缓存获取数据（一个KV读取操作，资源消耗可以几乎可以忽略了）

缺点

• mysql缓存的应用，及配置需要足够的专业知识（一般的后端并不会非常深入这个层次，往往需要专门的DBA进行处理）
• mysql缓存的判断规则不够智能，提高了查询缓存的使用门槛，降低了其效率
• mysql缓存的检查与清理需要占用一定资源
• mysql缓存的内存管理不够完善，会产生一定内存碎片（貌似mysql并不是直接采用数据库的内存，就像JVM一样。如果有不同意见的，可以私信或@我。毕竟我并不擅长数据库，虽然刚接手的工作是进行数据库中间件开发。囧）

扩展

• 较为深入的mysql查询缓存解释，详见
• 参数设置，详见

实际应用

在我之前接收的IOT项目中，无论是终端系统，还是中控系统，往往都存在大数据量的数据查询，单次的数据查询往往涉及万级，十万级数据的查询，并且可能频繁查询（就是多次刷新页面数据）。

一方面，我通过批量写入（降低数据库连接的占用频次），降低数据库对应数据表的修改频次（从原来的几秒一次，变为一分钟一次）。另一方面，进行数据库缓存相关配置，确保在一分钟内的数据库不需要进行索引操作与硬盘操作，直接返回内存内的结果。从而有效提高了前端页面数据展示效果。

当然后续，我为了针对这一特定业务场景与需求，对业务稍做了调整，从而大大提高了数据查询效果，大幅降低应用系统资源消耗（这个我会专门写一篇博客，甚至专门开一个系列，用来描写这种粒度的特定业务场景的方案设计）。

布隆过滤器

之前有人私信我，认为布隆过滤器应该归类于缓存架构的一部分。

我开始认为这有一定道理，因为布隆过滤器确实涉及数据的缓存，它需要以往数据的记录，来实现。但是后来我想了想，布隆过滤器并不应该划分为缓存中，因为布隆过滤器是基于缓存的，应用缓存的。就像你可以说Redis缓存属于缓存架构的一部分，但是你不可以说调用缓存的应用服务器属于缓存。所以最终，我并没有将布隆过滤器划分为缓存的一部分。而是将它作为一种非常有意思的过滤器，一种限流方式，一种安全手段等。

不过作为扩展，这里简单说一下布隆过滤器。说白了，就是利用Hash的散列映射特性，进行数据过滤。如我在应用中设置一个数组Array（其所有值都为0），其长度为固定的10W。我针对每个用户计算一个hash值，并将这个hasn值对10W进行取余操作，获得index值（如1000）。我将Array中第index位置的value设置为1。这样放在生产环境后，如果有一个用户，其计算出来的index在Array中对应位置的值为0，则说明这个用户在系统中不存在（当然，如果是1，也并不能就说明其就是系统的用户，毕竟存在哈希冲突与取余冲突，不过概率较低）。通过这样的手段，有效避免无效请求等。

后续可能会专门写一篇有关布隆过滤器的博客。

总结

以上就是缓存架构相关的知识了。当然，这些知识都是粒度比较大的，虽然我举了一些实际例子，但是需要大家针对具体应用场景，进行调整应用。另外，这些知识都是比较通用的。可能在特定业务场景下，还有一些方案没有列在这里。最后，没有最好的技术，只有最合适的技术。这里的许多技术都需要一定的业务规模（数据量，请求数，并发量等），采用比较好的性价比，需要大家仔细考虑。

如果有什么问题或者想法，可以私信或@我。

愿与诸君共进步。

参考

• 《HTTP权威指南》
• ）
• .etc

转载地址：http://fsdkz.baihongyu.com/