大家好，我是IT修真院成都分院第18期的学员黄迎旭，一枚正直纯洁善良的java程序员
今天给大家分享一下，修真院官网java（职业）任务五，深度思考中的知识点——Memcache是什么？怎么用？

1.背景介绍

假设又这样一个场景，前台有一个操作，传过来一个请求到后台，这时候需要操作数据库，一顿操作下来查询数据大概耗时300ms，然后后面长时间内数据不会变化，然后这样的请亲又来了一次，还是耗时300ms，如果我们使用缓存会怎样，把刚才查询的结果按照key-value的形式扔进缓存，通过key查询出来耗时只要2ms，后面的所有一样的请求查询就只用2ms。同时也因为处理速度快，能够支持高并发。
缓存是高性能下提高热点数据访问性能的有效手段。用于处理系统的高并发，高性能。
综上，像Memcache,Redis这样的缓存组件就诞生了。

2.知识剖析

缓存
缓存分类：本地缓存，分布式缓存，多级缓存
本地缓存就是在进程的内存中进行缓存，比如我们的 JVM 堆中，可以LRUMap 来实现，也可以使用 Ehcache 这样的工具来实现。本地缓存是内存访问，没有远程交互开销，性能最好，但是受限于单机容量，一般缓存较小且无法扩展。
分布式缓存可以很好得解决这个问题。分布式缓存一般都具有良好的水平扩展能力，对较大数据量的场景也能应付自如。缺点就是需要进行远程请求，性能不如本地缓存。
为了平衡这种情况，实际业务中一般采用多级缓存，本地缓存只保存访问频率最高的部分热点数据，其他的热点数据放在分布式缓存中。
淘汰机制：不管是本地缓存还是分布式缓存，为了保证较高性能，都是使用内存来保存数据，由于成本和内存限制，当存储的数据超过缓存容量时，需要对缓存的数据进行剔除。一般的剔除策略有 FIFO 淘汰最早数据、LRU 剔除最近最少使用、和 LFU 剔除最近使用频率最低的数据几种策略。

Memcache
后面我会把 Memcache 简称为 MC。
MC是一个自由开源的，高性能，分布式内存对象缓存系统,是一种基于内存的key-value存储，用来存储小块的任意数据（字符串、对象）。一般的使用目的是，通过缓存数据库查询结果，减少数据库访问次数，以提高动态Web应用的速度、提高可扩展性。
然后下面是从MC的安装，特点，内存结构，钙化问题详细阐述

安装：
（1）首先需要安装Libevent，Libevent是一款跨平台的事件处理接口的封装，可以兼容多个操作系统的事件访问。 Memcached的安装依赖于Libevent，因此需要先完成Libevent的安装。

yum install gcc gcc-c++ make -y #yum安装gcc编译环境包

（2）上传/解压软件包

tar -zxvf libevent-2.1.8-stable.tar.gz
tar -zxvf memcached-1.5.6.tar.gz
cd libevent-2.1.8-stable/
./configure --prefix=/software/local/libevent
make && make install

到此libevent安装完毕
(3).安装Memcached

cd ../memcached-1.5.6/
./configure \
--prefix=/software/local/memcached \
--with-libevent=/software/local/libevent/ #指定libevent安装路径
make && make install

(4).创建软连接，方便memcached服务

ln -s /software/local/memcached/bin/* /usr/local/bin/

红色的是我自己安装的路径，自己上传文件在那个路径下，就在哪个路径下操作，一般都是在/usr/local 下
(5).启动服务`
启动 memcached（-d：守护进程、-m：指定缓存大小为32M 、-p：指定默认端口11211 、 -u：指定 登陆用户为 root）

memcached -d -m 32m -p 11211 -u root

netstat -antp | grep memcached #查看启动监听端口

(6).连接memcached数据库

telnet HOST PORT

命令中的 HOST 和 PORT 为运行 Memcached 服务的 IP 和 端口。没有telnet指令的需要自己安装。

特点：
(1).MC 处理请求时使用多线程异步 IO 的方式，可以合理利用 CPU 多核的优势，性能非常优秀；
(2).MC 功能简单，使用内存存储数据，只支持 K-V 结构，不提供持久化和主从同步功能；
(3).MC 的内存结构以及钙化问题后面会详细介绍；
(4).MC 对缓存的数据可以设置失效期，过期后的数据会被清除；
(5).失效的策略采用延迟失效，就是当再次使用数据时检查是否失效；
(6).当容量存满时，会对缓存中的数据进行剔除，剔除时除了会对过期 key 进行清理，还会按 LRU 策略对数据进行剔除。
另外，使用 MC 有一些限制：
key 不能超过 250 个字节；
value 不能超过 1M 字节；
key 的最大失效时间是 30 天；

内存结构：
首先来看 MC 的内存结构。MC 默认是通过 Slab Allocator 来管理内存，如下图所示。Slab 机制主要是用来解决频繁 malloc/free 会产生内存碎片的问题。

malloc()在运行期动态分配分配内存,free()释放由其分配的内存。malloc()在分配用户传入的大小的时候，还分配的一个相关的用于管理的额外内存，不过，用户是看不到的。所以，分配内存大小的实际空间如下
实际的大小 = 管理空间 + 用户空间
如图，MC 会把内存分为许多不同类型的 Slab，每种类型 Slab 用来保存不同大小的对象。每个 Slab 由若干的 Page 组成，如图中浅绿色的模块。不同 Slab 的 Page，默认大小是一样的，都是 1M，这也是默认 MC 存储对象不能超过 1M 的原因。每个 Page 内又划分为许多的 Chunk，Chunk 就是实际用来保存对象的空间，就是图中橘色的。不同类型的 Slab 中 Chunk 的大小是不同的，当保存一个对象时，MC 会根据对象的大小来选择最合适的 Chunk 来存储，减少空间浪费。
Slab Allocator 创建 Slab 时的参数有三个，分别是 Chunk 大小的增长因子，Chunk 大小的初始值以及 Page 的大小。在运行时会根据要保存的对象大小来逐渐创建 Slab。

钙化问题：
考虑这样一个场景，使用 MC 来保存用户信息，假设单个对象大约 300 字节。这时会产生大量的 384 字节大小的 Slab。运行一段时间后，用户信息增加了一个属性，单个对象的大小变成了 500 字节，这时再保存对象需要使用 768 字节的 Slab，而 MC 中的容量大部分创建了 384 字节的 Slab，所以 768 的 Slab 非常少。这时虽然 384 Slab 的内存大量空闲，但 768 Slab 还是会根据 LRU 算法频繁剔除缓存，导致 MC 的剔除率升高，命中率降低。这就是所谓的 MC 钙化问题。
解决钙化问题可以开启 MC 的 Automove 机制，每 10s 调整 Slab。也可以分批重启 MC 缓存，不过要注意重启时要进行一定时间的预热，防止雪崩问题。另外，在使用 Memcached 时，最好计算一下数据的预期平均长度，调整 growth factor， 以获得最恰当的设置，避免内存的大量浪费。

3.常见问题/解决方案

对使用缓存时常遇到几个问题，整理出一个表格，如下图所示。

缓存更新方式
第一个问题是缓存更新方式，这是决定在使用缓存时就该考虑的问题。
缓存的数据在数据源发生变更时需要对缓存进行更新，数据源可能是 DB，也可能是远程服务。数据源是 DB 时，更新的方式可以是主动同步更新，可以在更新完 DB 后就直接更新缓存。
当数据源不是 DB 而是其他远程服务，可能无法及时主动感知数据变更，这种情况下一般会选择对缓存数据设置失效期，也就是数据不一致的最大容忍时间。这种场景下，可以选择失效更新，key 不存在或失效时先请求数据源获取最新数据，然后再次缓存，并更新失效期。
但这样做有个问题，如果依赖的远程服务在更新时出现异常，则会导致数据不可用。改进的办法是异步更新，就是当失效时先不清除数据，继续使用旧的数据，然后由异步线程去执行更新任务。这样就避免了失效瞬间的空窗期。
另外还有一种纯异步更新方式，定时更新对数据进行分批更新。实际使用时可以根据业务场景选择更新方式。

数据不一致
第二个问题是数据不一致的问题，可以说只要使用缓存，就要考虑如何面对这个问题。缓存不一致产生的原因一般是主动更新失败，例如更新 DB 后，更新 Redis 因为网络原因请求超时；或者是异步更新失败导致。
解决的办法是，如果服务对耗时不是特别敏感可以增加重试；如果服务对耗时敏感可以通过异步补偿任务来处理失败的更新，或者短期的数据不一致不会影响业务，那么只要下次更新时可以成功，能保证最终一致性就可以。

缓存穿透
第三个问题是缓存穿透。产生这个问题的原因可能是外部的恶意攻击，例如，对用户信息进行了缓存，但恶意攻击者使用不存在的用户id频繁请求接口，导致查询缓存不命中，然后穿透 DB 查询依然不命中。这时会有大量请求穿透缓存访问到 DB。
解决的办法如下。
对不存在的用户，在缓存中保存一个空对象进行标记，防止相同 ID 再次访问 DB。不过有时这个方法并不能很好解决问题，可能导致缓存中存储大量无用数据。
使用 BloomFilter 过滤器，BloomFilter 的特点是存在性检测，如果 BloomFilter 中不存在，那么数据一定不存在；如果 BloomFilter 中存在，实际数据也有可能会不存在。非常适合解决这类的问题。

缓存击穿
第四个问题是缓存击穿，就是某个热点数据失效时，大量针对这个数据的请求会穿透到数据源。
解决这个问题有如下办法。
可以使用互斥锁更新，保证同一个进程中针对同一个数据不会并发请求到 DB，减小 DB 压力。
使用随机退避方式，失效时随机 sleep 一个很短的时间，再次查询，如果失败再执行更新。
针对多个热点 key 同时失效的问题，可以在缓存时使用固定时间加上一个小的随机数，避免大量热点 key 同一时刻失效。

缓存雪崩
第五个问题是缓存雪崩。产生的原因是缓存挂掉，这时所有的请求都会穿透到 DB。
解决方法：
使用快速失败的熔断策略，减少 DB 瞬间压力；
使用主从模式和集群模式来尽量保证缓存服务的高可用。
实际场景中，这两种方法会结合使用。

4.编码实战

java中运用
（1）. 导入jar包。
java_memcached-release_2.6.6.jar
commons-pool-1.5.6.jar
slf4j-api-1.6.1.jar
slf4j-simple-1.6.1.jar
java_memcached-release_2.6.6.jar这个包在maven依赖引入不管用，我是自己想办法解决的。就是上面遇到问题。
（2）.创建一个MemcachedUtil工具类。
用来获取MemcachedClient以及自定义方法。设置连接池的属性，后面我改了是放在用Spring整合了配置。

public class MemcachedUtil {private static MemCachedClient mcc =new MemCachedClient();private MemcachedUtil(){}static{String[] servers = {"120.25.222.150:11211"};Integer[] weights = {1};SockIOPool pool = SockIOPool.getInstance();pool.setServers(servers);pool.setWeights(weights);pool.setInitConn(5);//设置开始时每个cache服务器的可用连接数pool.setMinConn(5);//设置每个服务器最少可用连接数pool.setMaxConn(250);//设置每个服务器最大可用连接数pool.setMaxIdle(1000*60*60*6);//设置可用连接池的最长等待时间//设置连接池维护线程的睡眠时间 ,设置为0,维护线程不启动。维护线程主要通过log输出pool.setMaintSleep(30);//设置是否使用Nagle算法,因为通讯数据量通常都比较大(相对TCP控制数据)而且要求响应及时,// 因此该值需要设置为false(默认是true)pool.setNagle(false);pool.setSocketConnectTO(0);//设置socket的读取等待超时值pool.setSocketTO(3000);pool.setHashingAlg(3);// 设置hash算法//  alg=0 使用String.hashCode()获得hash code,该方法依赖JDK,可能和其他客户端不兼容,建议不使用//  alg=1 使用original 兼容hash算法,兼容其他客户端//  alg=2 使用CRC32兼容hash算法,兼容其他客户端,性能优于original算法//  alg=3 使用MD5 hash算法//  采用前三种hash算法的时候,查找cache服务器使用余数方法。采用最后一种hash算法查找cache
//       pool.initialize();// 设置完pool参数后最后调用该方法,启动pool。}public static MemCachedClient getMemCachedClient(){return mcc;}/*** set缓存数据* @param key 取值的键* @param value 缓存的字符串类型*/public static void set(String key,String value){mcc.set(key,value);}/*** set缓存数据* @param key* @param obj  缓存对象类型*/public static void set(String key,Object obj){mcc.set(key,obj);}/*** replace替换存在key的值，key不存在则替换失败* @param key* @param obj*/public static void replace(String key,Object obj){mcc.replace(key, obj);}/*** append在已有的key后追加数据* @param key* @param obj*/public static void append(String key,Object obj){mcc.append(key,obj);}/*** get 获取单个数据* @param key* @return*/public static Object get(String key){return mcc.get(key);}/*** get获取多个值* @param keys* @return 返回map集合*/public static Map<String,Object> get(Collection<String> keys){Map<String,Object> map = new HashMap<>();for(String s:keys){map.put(s,mcc.get(s));}return map;}
}

(3).修改自己Service的方法。
从数据库查询的学生数据放入缓存。

public class StudentServiceImpl implements StudentService {@Resourceprivate StudentMapper studentMapper;//定义一个常量keyprivate static String STUKEY = "studentList";private static Logger logger = LoggerFactory.getLogger(StudentServiceImpl.class);@Overridepublic List<Student> selectAll() {MemCachedClient mcc = MemcachedUtil.getMemCachedClient();String key = STUKEY;List<Student> stuList = null;ObjectMapper mapper = new ObjectMapper();//如果缓存没有key，则查询数据库，把值放到缓存中，最后返回数据//否则key存在，直接从缓存中取数据if(!mcc.keyExists(key)){stuList = studentMapper.selectAll();MemcachedUtil.set(key,stuList);}else{stuList = castList(mcc.get(key),Student.class);}return stuList;}/*** 使用Class.cast做类型转换，将Object转换成List* @param obj* @param clazz* @param <T>* @return*/public static <T> List<T> castList(Object obj, Class<T> clazz){List<T> result = new ArrayList<T>();if(obj instanceof List<?>){for (Object o : (List<?>) obj){result.add(clazz.cast(o));}return result;}return null;}
}

5.扩展思考

(1). memcached的客户端有哪些？
Memcached Client for Java
SpyMemcached
XMemcached
Memcached Client for Java 比 SpyMemcached更稳定、更早、更广泛；
SpyMemcached 比 Memcached Client for Java更高效；
XMemcached 比 SpyMemcache并发效果更好
(2). memcached缺乏认证以及安全管制，应该怎么办？
将memcached服务器放置在防火墙后。
(3). memcached使用场景？
非持久化存储:对数据存储要求不高
分布式存储:不适合单机使用
Key/Value存储:格式简单,不支持List、Array数据格式
(4)不适用memcached的业务场景？
缓存对象的大小大于1MB。Memcached本身就不是为了处理庞大的多媒体（large media）和巨大的二进制块（streaming huge blobs）而设计的。
key的长度大于250字符，这也是我们尽力避免的
业务本身需要的是持久化数据或者说需要的应该是database

6.参考文献

百度百科。拉钩教育。

7.更多讨论

8.结束语：

今天的分享就到这里啦，欢迎大家点赞、转发、留言、拍砖~