1、為什么要使用緩存
由於服務器、數據庫、網絡等資源有限，無法支撐越來越多的請求與計算量，所以將一部分數據放在緩存中，以此減小薄弱環節的計算量和請求流程。
網站中緩存的應用場景：
1：可以緩存整個頁面的html，提高訪問響應能力；
2：針對局部頁面元素進行緩存；
3：對復雜數據的結果進行緩存,例如一個查詢需要結合多個數據集，然后根據這些數據集進行相應的運算，即使每個子集查詢有緩存，但還是需要額外的運算，這種情況可以考慮緩存計算后的結果。
4：對耗時的查詢進行緩存,例如產品列表頁的查詢。
5：和上下文相關的用戶數據，例如用戶從訂單埴寫頁進入到訂單成功頁，或者是從產品列表頁點擊詳細產品進行預訂時的訂單填寫頁，此時這兩個頁面之間都需要傳遞大量的相關數值，我們可以把所有的數值封裝在一個類中，然后通過緩存進行通信。
2、緩存的屬性
緩存有以下幾個重要屬性：
Ø 命中率：命中率指請求次數與正確返回結果次數的比例，越高越好。
影響緩存命中率的因素:
1：數據時實性，每個業務系統都對自己的數據有相應的要求，有些數據的實時性非常強，像每日的股票信息，這種情況如果設置了緩存，緩存的命中率會特別低。
2：緩存粒度問題，一般來說是緩存的跨度太大，即此時的KEY值包含的條件太多，會出現緩存命中率特別低的情況。
提高緩存命中率的方法：
1：增大存儲介質的容量；
2：對非常熱點的數據進行捕捉，可以采用實時更新緩存的方式來平衡緩存與實時性的問題,例如可以單獨開啟一個后台服務來定時做更新緩存的工作。
3：調整緩存KEY值的算法，盡量保證緩存KEY的細粒度，KEY-VALUE就是很好的細粒度例子。
4：根據業務調整緩存的過期策略。
Ø 最大元素：緩存中可以存放的元素的最大數量。
Ø 清空策略。清空策略通常有以下幾種：
n FIFO：最先進入緩存得數據在緩存空間不夠情況下(超出最大元素限制時)會被首先清理出去
n LFU：一直以來最少被使用的元素會被被清理掉。這就要求緩存的元素有一個hit 屬性，在緩存空間不夠得情況下,hit 值最小的將會被清出緩存。
n LRU：最近最少使用的，緩存的元素有一個時間戳，當緩存容量滿了，而又需要騰出地方來緩存新的元素的時候，那么現有緩存元素中時間戳離當前時間最遠的元素將被清出緩存。
Ø 預熱策略
全量預熱：一開始就加載全部數據，適用於不怎么變化的數據，比如地區數據
增量預熱：查詢不到時，從數據源取出放入緩存內。
3、需要注意的問題
3.1緩存穿透
什么是緩存穿透？
一般的緩存系統，都是按照key去緩存查詢，如果不存在對應的value，就應該去后端系統查找（比如DB）。如果key對應的value是一定不存在的，並且對該key並發請求量很大，就會對后端系統造成很大的壓力。這就叫做緩存穿透。
如何避免？
1：對查詢結果為空的情況也進行緩存，緩存時間設置短一點，或者該key對應的數據insert了之后清理緩存。
2：對一定不存在的key進行過濾。可以把所有的可能存在的key放到一個大的Bitmap中，查詢時通過該bitmap過濾。【感覺應該用的不多吧】
緩存雪崩
3.2緩存雪崩
當緩存服務器重啟或者大量緩存集中在某一個時間段失效，這樣在失效的時候，也會給后端系統(比如DB)帶來很大壓力。
如何避免？
1：在緩存失效后，通過加鎖或者隊列來控制讀數據庫寫緩存的線程數量。比如對某個key只允許一個線程查詢數據和寫緩存，其他線程等待。
2：不同的key，設置不同的過期時間，讓緩存失效的時間點盡量均勻。
3：做二級緩存，A1為原始緩存，A2為拷貝緩存，A1失效時，可以訪問A2，A1緩存失效時間設置為短期，A2設置為長期（此點為補充）
3.3分布式緩存系統
分布式緩存系統面臨的問題
3.3.1緩存一致性問題
1：緩存系統與底層數據的一致性。這點在底層系統是“可讀可寫”時，寫得尤為重要
2：有繼承關系的緩存之間的一致性。為了盡量提高緩存命中率，緩存也是分層：全局緩存，二級緩存。他們是存在繼承關系的。全局緩存可以有二級緩存來組成。
3：多個緩存副本之間的一致性。為了保證系統的高可用性，緩存系統背后往往會接兩套存儲系統（如memcache，redis等）
3.3.2緩存穿透和緩存雪崩
上面有講述。
3.3.3緩存數據的淘汰
緩存淘汰的策略有兩種： (1) 定時去清理過期的緩存。（2）當有用戶請求過來時，再判斷這個請求所用到的緩存是否過期，過期的話就去底層系統得到新數據並更新緩存。
兩者各有優劣，第一種的缺點是維護大量緩存的key是比較麻煩的，第二種的缺點就是每次用戶請求過來都要判斷緩存失效，邏輯相對比較復雜，具體用哪種方案，大家可以根據自己的應用場景來權衡。
1. 預估失效時間 2. 版本號（必須單調遞增，時間戳是最好的選擇）3. 提供手動清理緩存的接口。