高并发服务器的设计--缓存的设计

为什么需要缓存呢？

很简单的道理，拿QQ做个比方，每天有几亿用户登录、查询个人信息，且这些信息基本不会变化，如果你是架构师，你会选择全部从数据库中查询么，估计会被笑的。

一些业务要求大量且高速查询的，数据库必然会成为瓶颈，虽然可以通过横向扩容的方式优化，但这不是最优方案，其实服务器优化没有一个放之四海而皆准的最优方案，业务不同，最优方案也不同。

举个例子，腾讯有十几亿用户，就光登录就是个头疼的事，做架构的往往要朝最坏的地方想，比如所有用户同时登录怎么办，难道要像12306那样直接不理你呢？

这样的业务其实并不复杂，却只有一个追求：高速响应，因为用户是用脚投票的。

这些信息都是存放在数据库中的，最终都要和数据库交互，我们用图来显示一次登录的周期：

如果一个用户频繁的登录，注销，服务器是不是总要重复这个周期呢，当然不用，第二，三步取了的数据完全可以放在内存中，周期变成这样：

可以看到当第5步再次请求后，系统已经没有了查询数据库的过程。

这时候缓存就粉末登场了，就是适当的时候要用些内存来代替硬盘，很简单，内存和硬盘的速度不在一个层次上，只要花些money就可以了。

如何设计缓存呢？

缓存是占内存的，但不是以花尽内存为追求，尼玛，要是哪个架构这么想的，那就是太坑老板了。

相反缓存追求的就是尽量少占内存，这和开头说要占内存不矛盾，因为终极追求是高效，把红管子换成土黄色（请看 “内存池的设计” ）。

每一个缓存的方案其实都是一个平衡:快速索引与内存空间，既使你毫不在乎内存的占用，这个平衡还是存在。

缓存方案又分为索引方案、存储方案、排序方案，三者往往是分不开的，在一类业务数据里找出唯一的KEY其实很容易，难的是如何建立索引,如果用标准库自带的map,红黑树方案，这只是解决了存储方案，如果KEY是20个字节，咱顺便也打算用std::string自带的比较函数，好吧，我承认咱找到了一个通用的方案，且这么认为吧。

还是拿QQ为例，QQ号是9位数的数字，如果把这个数字定义成一个int型的，做为数组的基标，把数据全放进这样的数组中，理论上完全可以，那么要多大的内存去存储呢，假设每个用户128字节的信息量，那么就要2^7*2^32=512G，好吧，咱实实在在的坑了回老板。

现实中，不是所有的数据都要放在缓存中，比如有些QQ一年都不登录一下，还有放进缓存的必要么。

对于大量的数据，在需要考虑内存的时候，缓存中应该只存放频繁用到的数据，像女人一样，要保持常鲜才是最美的。

频繁度就是一个阈值，实际就是我们的经验值。

再举一个实际碰到的例子，key是32个字节的，如果用字符串的比较函数，性能上比较憋屈。可以将32字节换成8个int型或者4个long long型，因为CPU可以直接对两个整型进行比较。

实际开发中，我将32字节的key分成了8个int，将所有的缓存数据按模分类分级，先定义中间容器的结构：

typedef struct yumei_cache_container_s yumei_cache_container_t;   
 
 
struct yumei_cache_container_s  
{  
 int                         container_num;  
 int                         data_num;  
    yumei_cache_container_t    *container;  
 void                       *data;  
 int                         mm[0];  
};  

容器中套有容器，是为了分级散列，对数据的分级散列是很个很不错的方法，可以提高精度，节省时间。

再定义索引数据的结构：

typedef struct yumei_cache_map_data_s yumei_cache_map_data_t;  
 
struct yumei_cache_map_data_s  
{  
 int key[8];  
 int times;  
 int start_time;  
 
 void*  data;  
 
    yumei_cache_map_data_t* next;  
};  

times是指这个数据被查询过多少次，start_time 则是开始查询时间，这两个参数是为了新陈代谢用的，比如一个数据在昨天天被查了30次，times=30，在昨天会被当

成频繁数据加到缓存里，但是今天一次都没有查过，这样的数据就要被淘汰出去。

定义完了数据结构，就剩下算法了，主要推荐两种：

1.红黑树

2.hash map

C里用的红黑树比较多，另一些语言比如JAVA,Phthon用的 hash map较多，两者各有优点。

红黑树的查询速度不见得会比 hash的快，但是会很稳定,后面文章我再讲一下吧。

架构设计讲求透明性，上面定义的这些结构是对外不可见的，对外的文件接口应该是这样：

int yumei_cache_module_init();  
int yumei_cache_module_release();  
int yumei_cache_insert( int *key, void* data );  
int yumei_cache_get( int* key, void** data );  
int yumei_cache_del( int* key );  

在模块内部定义一个全局变量就可以了。

如果追求通用性，则需要重新定义接口：

typedef struct yumei_cache_s yumei_cache_t;  
 
struct yumei_cache_s  
{  
 void* container;  
};  
 
#define YUMEI_CACHE_ERROR             -1 
#define YUMEI_CACHE_OK                 0 
#define YUMEI_CACHE_KEY_EXIST          1 
#define YUMEI_CACHE_KEY_NOT_EXIST      2 
 
yumei_cache_t* yumei_cache_create();  
int yumei_cache_close( yumei_cache_t* cache);  
int yumei_cache_insert( yumei_cache_t* cache, int* key, void* data );  
int yumei_cache_get( yumei_cache_t* cache, int* key, void** data );  
int yumei_cache_del( yumei_cache_t* cache, int* key );  

有了这些只是提供了正常缓存的功能，别忘了我们还要追求内存少浪费，就要保持数据的常鲜，还得定时去代谢那些老数据，这样就得要做到四点：

1.数据库存放的数据都是有状态的。

2.从数据库中查询的数据需要有最近的访问时间和访问次数。

3.缓存中的数据要和数据库中打通。

4.提供定时代谢的规则。

相应的缓存过程是这样的：

当用户查询数据，首先在缓存中寻找，缓存中不存在，则去数据库中查找，并更新数据库的访问时间和访问次数，当访问次数达到缓存要求则将其放进缓存中。

系统定时对缓存清除一些满足代谢规则的数据，这个规则是访问时间、访问次数、系统容量的一个权衡。

上面的接口就要改成这个形式：

int yumei_cache_insert( int *key, void* data, int times, int start_time );  
int yumei_cache_check();  

或者：

int yumei_cache_insert( yumei_cache_t* cache, int* key, void* data, int times, int start_time );  
int yumei_cache_check(  yumei_cache_t* cache );