本文探讨了Web应用中缓存参数与命中率的关系，建立了数学模型，并提出优化建议。首先，通过分析缓存命中率公式，强调了缓存空间、Key取值空间和过期时间的影响。然后，指出压缩Key取值空间和合理设置缓存大小、过期时间的重要性。最后，建议先降低Key取值空间，再增大缓存容量，若Key取值范围过大，推荐使用集群缓存。
缓存是Web应用中重要的工具，基于最终一致性原理的缓存机制避免了Web应用中耗时操作的调用，比如数据库操作，Rest Http Service调用等。缓存提高了接口响应速度，提高了Web应用的并发量和吞吐量。
目前常用的缓存工具有缓存中间件（Redis和Memcached）和本地缓存（Google Guava），虽然工具各异，但是都需要调整一些类似的缓存参数。本文讨论这些参数和cache命中率之间的公式关系，以便在调整这些参数时能够有所依据。
假设与推导
我们希望请求尽量被Cache所处理，而尽量少的通过复杂业务逻辑，因此有了缓存命中率r的概念，并希望r越大越好：
缓存命中率r=被Cache处理的请求数/总请求数
在讨论r之前做两个基本假设：
- 假设Cache是Key-Value类型的，每个Key对应一个Value，并且Key都是离散值
- 假设每个请求到达Cache对应唯一的key，并且请求是完全随机的
在各种Cache工具中，可能影响r的主要参数包括两个：
- Cache所允许的最大key数量（设为n）
- Cache中Key-Value的过期
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
