假設有個項目有比較高的並發量，要用到多級緩存，如下：

在實際設計一個內存緩存前，需要考慮的問題：

1：內存與Redis的數據置換，盡可能在內存中提高數據命中率，減少下一級的壓力。

2：內存容量的限制，需要控制緩存數量。

3：熱點數據更新不同，需要可配置單個key過期時間。

4：良好的緩存過期刪除策略。

5：緩存數據結構的復雜度盡可能的低。

關於置換及命中率：采用LRU算法，因為它實現簡單，緩存key命中率也很好。

LRU即是：把最近最少訪問的數據給淘汰掉，經常被訪問到即是熱點數據。

關於LRU數據結構：因為key優先級提升和key淘汰，所以需要順序結構，網上大多實現都采用的這種鏈表結構。

即新數據插入到鏈表頭部、被命中時的數據移動到頭部，添加復雜度O(1)，移動和獲取復雜度O(N)。

有沒復雜度更低的呢？ 有Dictionary，復雜度為O(1)，性能最好。 那如何保證緩存的優先級提升呢？

O(1)LRU實現

定義個LRUCache<TValue>類，構造參數maxKeySize 來控制緩存最大數量。

使用ConcurrentDictionary來作為我們的緩存容器，並能保證線程安全。

<pre style="margin:0px;
    padding:0px;
    white-space:pre-wrap;
    overflow-wrap:break-word;
    font-family:&quot;
    Courier New&quot;
    !important;
    font-size:12px !important;
    "> public class LRUCache<TValue>:IEnumerable<KeyValuePair<string,TValue>> {
    private long ageToDiscard = 0;
    //淘汰的年齡起點
private long currentAge = 0;
    //當前緩存最新年齡
private int maxSize = 0;
    //緩存最大容量
private readonly ConcurrentDictionary<string,TrackValue> cache;
    public LRUCache(int maxKeySize) {
    cache = new ConcurrentDictionary<string,TrackValue>();
    maxSize = maxKeySize;
}
}
</pre>
 

上面定義了?ageToDiscard、currentAge?這2個自增值參數，作用是標記緩存列表中各個key的新舊程度。

實現步驟如下：

每次添加key時，currentAge自增並將currentAge值分配給這個緩存值的age，currentAge一直自增。

<pre style="margin:0px;
    padding:0px;
    white-space:pre-wrap;
    overflow-wrap:break-word;
    font-family:&quot;
    Courier New&quot;
    !important;
    font-size:12px !important;
    "> public void Add(string key,TValue value) {
    Adjust(key);
    var result = new TrackValue(this,value);
    cache.AddOrUpdate(key,result,(k,o) => result);
}
public class TrackValue {
    public readonly TValue Value;
    public long Age;
    public TrackValue(LRUCache<TValue> lv,TValue tv) {
    Age = Interlocked.Increment(ref lv.currentAge);
    Value = tv;
}
}
</pre>
 

在添加時，如超過最大數量，檢查字典裏是否有ageToDiscard年齡的key，如沒有循環自增檢查，有則刪除、添加成功。

其ageToDiscard+maxSize=?currentAge?，這樣設計就能在O(1)下保證可以淘汰舊數據，而不是使用鏈表移動。?

<pre style="margin:0px;
    padding:0px;
    white-space:pre-wrap;
    overflow-wrap:break-word;
    font-family:&quot;
    Courier New&quot;
    !important;
    font-size:12px !important;
    ">  public void Adjust(string key) {
    while (cache.Count >= maxSize) {
    long ageToDelete = Interlocked.Increment(ref ageToDiscard);
    var toDiscard = cache.FirstOrDefault(p => p.Value.Age == ageToDelete);
    if (toDiscard.Key == null) continue;
    TrackValue old;
    cache.TryRemove(toDiscard.Key,out old);
}
}</pre>

獲取key的時候表示它又被人訪問，將最新的currentAge賦值給它，增加它的年齡：

<pre style="margin:0px;
    padding:0px;
    white-space:pre-wrap;
    overflow-wrap:break-word;
    font-family:&quot;
    Courier New&quot;
    !important;
    font-size:12px !important;
    ">  public TValue Get(string key) {
    TrackValue value=null;
    if (cache.TryGetValue(key,out value)) {
    value.Age = Interlocked.Increment(ref currentAge);
}
return value.Value;}
</pre>

過期刪除策略

大多數情況下，LRU算法對熱點數據命中率是很高的。 但如果突然大量偶發性的數據訪問，會讓內存中存放大量冷數據，也即是緩存汙染。

會引起LRU無法命中熱點數據，導致緩存系統命中率急劇下降，也可以使用LRU-K、2Q、MQ等變種算法來提高命中率。

過期配置

通過設定最大過期時間來盡量避免冷數據常駐內存。

多數情況每個數據緩存的時間要求不一致的，所以需要再增加單個key的過期時間字段。

<pre style="margin:0px;
    padding:0px;
    white-space:pre-wrap;
    overflow-wrap:break-word;
    font-family:&quot;
    Courier New&quot;
    !important;
    font-size:12px !important;
    "> private TimeSpan maxTime;
    public LRUCache(int maxKeySize,TimeSpan maxExpireTime) {
    }//TrackValue增加創建時間和過期時間
public readonly DateTime CreateTime;
    public readonly TimeSpan ExpireTime;
    </pre>

刪除策略

關於key過期刪除，最好的方式是使用定時刪除，這樣可以最快的釋放被占用的內存，但很明顯大量的定時器對CPU來說是非常不友好的。

所以需要采用惰性刪除、在獲取key的時檢查是否過期，過期直接刪除。

<pre style="margin:0px;
    padding:0px;
    white-space:pre-wrap;
    overflow-wrap:break-word;
    font-family:&quot;
    Courier New&quot;
    !important;
    font-size:12px !important;
    ">public Tuple<TrackValue,bool> CheckExpire(string key) {
    TrackValue result;
    if (cache.TryGetValue(key,out result)) {
    var age = DateTime.Now.Subtract(result.CreateTime);
    if (age >= maxTime || age >= result.ExpireTime) {
    TrackValue old;
    cache.TryRemove(key,out old);
    return Tuple.Create(default(TrackValue),false);
}
}return Tuple.Create(result,true);}
</pre>

惰性刪除雖然性能最好，但對於冷數據來說還是沒解決緩存汙染的問題，所以還需增加個定期清理和惰性刪除配合使用。

比如單開個線程每5分鐘去遍歷檢查key是否過期，這個時間策略是可配置的，如果緩存數量較多可分批遍歷檢查。

<pre style="margin:0px;
    padding:0px;
    white-space:pre-wrap;
    overflow-wrap:break-word;
    font-family:&quot;
    Courier New&quot;
    !important;
    font-size:12px !important;
    ">public void Inspection() {
    foreach (var item in this) {
    CheckExpire(item.Key);
}
}
</pre>

惰性刪除配合定期刪除基本上能滿足絕大多數要求了。

總結

本篇參考了redis、Orleans的相關實現。

如果繼續完善下去就是內存數據庫的雛形，類似redis，比如增加刪除key的通知回調，支持更多的數據類型存儲。

淺談緩存寫法（三）：內存緩存該如何設計