如何提升緩存命中率

緩存命中率的介紹

• 命中：能夠直接經過緩存獲取到須要的數據。
• 不命中：沒法直接經過緩存獲取到想要的數據，須要再次查詢數據庫或者執行其它的操做。緣由多是因爲緩存中根本不存在，或者緩存已通過期。

一般來說，緩存的命中率越高則表示使用緩存的收益越高，應用的性能越好（響應時間越短、吞吐量越高），抗併發的能力越強。

因而可知，在高併發的互聯網系統中，緩存的命中率是相當重要的指標。

如何監控緩存的命中率

若是想學習Java工程化、高性能及分佈式、深刻淺出。微服務、Spring，MyBatis，Netty源碼分析的朋友能夠加個人Java高級交流：787707172，羣裏有阿里大牛直播講解技術，以及Java大型互聯網技術的視頻免費分享給你們。

在memcached中，運行state命令能夠查看memcached服務的狀態信息，其中cmd_get表示總的get次數，get_hits表示get的總命中次數，命中率 = get_hits/cmd_get。

固然，咱們也能夠經過一些開源的第三方工具對整個memcached集羣進行監控，顯示會更直觀。比較典型的包括：zabbix、MemAdmin等。

如圖：MemAdmin對memcached服務的命中率狀況的監控統計

 

同理，在redis中能夠運行info命令查看redis服務的狀態信息，其中keyspace_hits爲總的命中中次數，keyspace_misses爲總的miss次數，命中率=keyspace_hits/（keyspace_hits+keyspace_misses）。

開源工具Redis-star能以圖表方式直觀redis服務相關信息，同時，zabbix也提供了相關的插件對redis服務進行監控。

影響緩存命中率的幾個因素

以前的章節中咱們提到了緩存命中率的重要性，下面分析下影響緩存命中率的幾個因素。

業務場景和業務需求

緩存適合「讀多寫少」的業務場景，反之，使用緩存的意義其實並不大，命中率會很低。

業務需求決定了對時效性的要求，直接影響到緩存的過時時間和更新策略。時效性要求越低，就越適合緩存。在相同key和相同請求數的狀況下，緩存時間越長，命中率會越高。

互聯網應用的大多數業務場景下都是很適合使用緩存的。

緩存的設計（粒度和策略）

一般狀況下，緩存的粒度越小，命中率會越高。舉個實際的例子說明：

當緩存單個對象的時候（例如：單個用戶信息），只有當該對象對應的數據發生變化時，咱們才須要更新緩存或者讓移除緩存。而當緩存一個集合的時候（例如：全部用戶數據），其中任何一個對象對應的數據發生變化時，都須要更新或移除緩存。

還有另外一種狀況，假設其餘地方也須要獲取該對象對應的數據時（好比其餘地方也須要獲取單個用戶信息），若是緩存的是單個對象，則能夠直接命中緩存，反之，則沒法直接命中。這樣更加靈活，緩存命中率會更高。

此外，緩存的更新/過時策略也直接影響到緩存的命中率。當數據發生變化時，直接更新緩存的值會比移除緩存（或者讓緩存過時）的命中率更高，固然，系統複雜度也會更高。

緩存容量和基礎設施

緩存的容量有限，則容易引發緩存失效和被淘汰（目前多數的緩存框架或中間件都採用了LRU算法）。同時，緩存的技術選型也是相當重要的，好比採用應用內置的本地緩存就比較容易出現單機瓶頸，而採用分佈式緩存則畢竟容易擴展。因此須要作好系統容量規劃，並考慮是否可擴展。此外，不一樣的緩存框架或中間件，其效率和穩定性也是存在差別的。

其餘因素

當緩存節點發生故障時，須要避免緩存失效並最大程度下降影響，這種特殊狀況也是架構師須要考慮的。業內比較典型的作法就是經過一致性Hash算法，或者經過節點冗餘的方式。

有些朋友可能會有這樣的理解誤區：既然業務需求對數據時效性要求很高，而緩存時間又會影響到緩存命中率，那麼系統就別使用緩存了。其實這忽略了一個重要因素--併發。一般來說，在相同緩存時間和key的狀況下，併發越高，緩存的收益會越高，即使緩存時間很短。

提升緩存命中率的方法

從架構師的角度，須要應用盡量的經過緩存直接獲取數據，並避免緩存失效。這也是比較考驗架構師能力的，須要在業務需求，緩存粒度，緩存策略，技術選型等各個方面去通盤考慮並作權衡。儘量的聚焦在高頻訪問且時效性要求不高的熱點業務上，經過緩存預加載（預熱）、增長存儲容量、調整緩存粒度、更新緩存等手段來提升命中率。

對於時效性很高（或緩存空間有限），內容跨度很大（或訪問很隨機），而且訪問量不高的應用來講緩存命中率可能長期很低，可能預熱後的緩存還沒來得被訪問就已通過期了

歡迎工做一到八年的Java工程師朋友們加入Java高級交流：787707172

本羣提供免費的學習指導 架構資料 以及免費的解答

不懂得問題均可以在本羣提出來 以後還會有直播平臺和講師直接交流噢