缓存基础概念与原理
缓存基础概念与原理
这是一个小白的学习记录
边学边练，把踩过的坑都记下来
先说下我为什么要学这个
公司项目最近要搞性能优化，领导让我负责调研缓存方案。拿到手一看，好家伙，缓存这东西天天听，但具体是啥原理，我还真说不清楚。
没办法，只能从基础开始学起，顺便把学习笔记整理出来。
如果你也是新手，希望这篇笔记能帮到你。
什么是缓存？
我当时看到这个概念都懵了，啥是缓存？
说人话就是：
缓存就像你买个手机，手机自带个充电器。你每次要充电，直接从抽屉里拿充电器就行，不用每次都去商店买新的。
技术上的解释：
缓存就是把经常访问的数据，放在一个访问速度更快的地方。下次再访问同样的数据，就不用去原来的地方（比如数据库）取了，直接从缓存里拿。
我的理解：
- 缓存 = 快速访问的数据副本
- 核心思想 = 空间换时间
- 目的 = 减少数据库压力，提高访问速度
为什么需要缓存？
我当时也困惑，数据库不是挺快的吗？为啥还要搞缓存？
后来查资料才明白，主要是这几个原因：
1. 性能问题
数据库查询慢啊！特别是复杂查询、多表关联的时候。
举个例子：
无缓存： 用户请求 → 数据库查询（100ms） → 返回结果 有缓存： 用户请求 → 缓存查询（1ms） → 返回结果好家伙，100 倍的性能差距！
2. 数据库压力
想象一下，如果 1 万个人同时访问同一个商品详情，每次都查数据库，数据库不得崩溃？
就像排队结账：
- 无缓存：1 万个人都去收银台结账，收银员累死
- 有缓存：收银员把常见商品的价格贴在墙上，大部分人直接看墙就行
3. 成本问题
数据库扩容贵啊！加内存、加 CPU、加机器，哪样不要钱？
缓存便宜多了，用内存换性能，划算！
缓存的工作原理
这个我一开始也没搞懂，后来一点点啃，总算是明白了。
基本流程
说人话就是：
- 用户来要数据
- 先去缓存里找
- 找到了，直接给（命中缓存）
- 没找到，去数据库查，查完顺便放缓存里（缓存未命中）
- 返回结果
关键概念
命中率
公式：
命中率 = 命中缓存的次数 / 总请求次数 * 100%我的理解：
- 命中率越高，缓存效果越好
- 一般要达到 80% 以上才算合格
- 100% 不可能，总有一些冷门数据
淘汰策略
缓存空间有限，满了怎么办？得扔掉一些不用的数据。
常见的淘汰策略：
| 策略 | 说明 | 适用场景 |
|---|---|---|
| LRU | 最近最少使用的先淘汰 | 通用场景（推荐） |
| LFU | 最不经常使用的先淘汰 | 热点数据明显 |
| FIFO | 先进先出 | 简单场景 |
| TTL | 过期时间到了就淘汰 | 时效性数据 |
我的感受：
- LRU 最常用，效果也最好
- LFU 适合热点数据明显的场景
- TTL 适合有过期时间的数据（比如验证码）
缓存的优缺点
这个我得说实话，缓存不是万能的，有优点也有缺点。
优点
- 性能提升：访问速度快，响应时间短
- 数据库压力小：减少数据库查询次数
- 成本低：比数据库扩容便宜
- 可扩展性好：可以水平扩展
缺点
- 数据一致性问题：缓存和数据库数据可能不一致
- 缓存穿透/击穿/雪崩：搞不好会出大问题
- 增加复杂度：代码更难维护
- 内存占用：缓存要占内存
我的感受：
- 缓存是把双刃剑，用好了性能飞升，用不好问题一堆
- 一定要想清楚再用，别为了用而用
常见的缓存策略
这个我一开始也懵，什么 Cache-Aside、Read-Through，啥跟啥啊？
后来才明白，就是几种不同的缓存使用方式。
1. Cache-Aside（旁路缓存）
最常用的模式！
流程：
读操作： 1. 先读缓存 2. 缓存没有，读数据库 3. 把数据写入缓存 4. 返回结果 写操作： 1. 先更新数据库 2. 再删除缓存代码示例：
// 读操作publicUsergetUser(Longid){// 1. 先读缓存Useruser=cache.get(id);if(user!=null){returnuser;}// 2. 缓存没有，读数据库user=userDao.findById(id);// 3. 写入缓存if(user!=null){cache.put(id,user);}// 4. 返回结果returnuser;}// 写操作publicvoidupdateUser(Useruser){// 1. 先更新数据库userDao.update(user);// 2. 再删除缓存cache.delete(user.getId());}我的感受：
- 最简单，最常用
- 适合读多写少的场景
- 我推荐新手就用这个
2. Read-Through（读穿透）
说人话就是：
缓存自己负责从数据库加载数据，应用不用管。
流程：
1. 应用读缓存 2. 缓存没有，缓存自己从数据库加载 3. 返回结果代码示例：
// 使用 Caffeine 的 CacheLoaderCache<Long,User>cache=Caffeine.newBuilder().maximumSize(1000).expireAfterWrite(10,TimeUnit.MINUTES).build(newCacheLoader<Long,User>(){@OverridepublicUserload(Longid){// 缓存没有时，自动从数据库加载returnuserDao.findById(id);}});// 应用只需要读缓存Useruser=cache.get(id);我的感受：
- 代码更简洁
- 适合读多写少的场景
- 需要缓存库支持（比如 Caffeine）
3. Write-Through（写穿透）
说人话就是：
应用只写缓存，缓存自己负责同步到数据库。
流程：
1. 应用写缓存 2. 缓存同步写数据库 3. 返回结果代码示例：
// 使用 Caffeine 的 CacheWriterCache<Long,User>cache=Caffeine.newBuilder().maximumSize(1000).expireAfterWrite(10,TimeUnit.MINUTES).writer(newCacheWriter<Long,User>(){@Overridepublicvoidwrite(Longid,Useruser){// 写缓存时，同步写数据库userDao.update(user);}});// 应用只需要写缓存cache.put(id,user);我的感受：
- 代码更简洁
- 适合写多读少的场景
- 需要缓存库支持
4. Write-Behind（写后置）
说人话就是：
先写缓存，缓存异步写数据库。
流程：
1. 应用写缓存 2. 缓存立即返回成功 3. 缓存异步写数据库我的感受：
- 性能最好
- 风险也最大（可能丢数据）
- 适合对数据一致性要求不高的场景
缓存策略对比
| 策略 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| Cache-Aside | 简单、灵活 | 代码繁琐 | 通用场景（推荐） |
| Read-Through | 代码简洁 | 需要缓存库支持 | 读多写少 |
| Write-Through | 代码简洁、数据一致 | 写性能差 | 写多读少 |
| Write-Behind | 写性能最好 | 可能丢数据 | 对一致性要求不高 |
我的建议：
- 新手就用 Cache-Aside，最稳妥
- 读多写少用 Read-Through
- 写多读少用 Write-Through
- Write-Behind 慎用，除非你很清楚风险
验证步骤
1. 理解概念
看完这篇，你应该能回答：
- 什么是缓存？
- 为什么需要缓存？
- 缓存的工作原理是什么？
- 常见的缓存策略有哪些？
2. 画图理解
自己画一下缓存的流程图，加深理解。
3. 思考场景
想想你的项目中，哪些地方适合用缓存？
总结
我踩过的坑
- 一开始不理解缓存策略：后来画图才明白
- 以为缓存越快越好：其实要考虑一致性问题
- 不知道选哪种策略：新手就用 Cache-Aside
核心要点
- 缓存是什么：快速访问的数据副本
- 为什么用缓存：提高性能，减少数据库压力
- 工作原理：先查缓存，没有再查数据库
- 常见策略：Cache-Aside（推荐）、Read-Through、Write-Through、Write-Behind
最后说两句
其实缓存基础也没多难，就是多画图，多思考。
我刚开始也懵，后来一点点试，总算是搞定了。
肯定有理解不对的地方，欢迎大佬指正。
如果你也遇到类似问题，希望这篇笔记能帮到你。