Memcached笔记——（三）Memcached使用总结

为了将N个前端数据同步，通过Memcached完成数据打通，但带来了一些新问题：

• 使用iBatis整合了Memcached，iBatis针对每台server生成了唯一标识，导致同一份数据sql会产生不同的key，造成重复缓存。——通过重写iBatis部分原码，终止了唯一标识的生成，同一个SQL产生同一个Key，同时对生成key做hash，控制长度，使得数据统一在Memcached。
• 为了迎合iBatis的架构，通过CacheModel模式，对缓存数据分组管理。最初通过Map实现CacheModel，就是简单的Key对应最终的Object。为了后台操作数据时，前台能及时响应，以CacheModel为基准点。后台操作数据时，做Flush，清空对应的CacheModel，可以及时同步数据。但，由于前后台Domain对象可能不一致，调用CacheModel（Map）反序列化时，发生ClassNotFonudException（CNF）。——将CacheModel的Map实现改为Set，CacheModel仅存需要Flush掉的key，Object按原有方式缓存。
• 以前一直用EhCache，也很少会把List<List>这样的重量级对象放进缓存里。即便如此，只要EhCache没有抛异常，我们恐怕也无感知。这次改用Memcached，没有注意到缓存List过大，导致“Cannot cache data larger than 1MB memcached”，即缓存对象体积不能超过1MB——使用Memcached数据压缩，优化SQL，可以暂时维持。

说了这么多，简要总结如下：

• Memcached的Key，要杜绝使用空格，且长度控制在250个字符。
• Memcached的Value，要控制体积，必须小于1MB，必要时进行使用压缩。
• 失效时间，0为永久有效，最大值不得超过30天（2592000s），否则重新计算可能缓存只有1秒
• Memcached仅支持LRU算法，完全适用你的需要。
• 尽量不要将List这种重体积对象扔到Memcached中，传输、存储都会产生瓶颈。
• 使用一致性哈希算法实现，提高多个Memcacehd Server利用率。

关于使用XMemcached实现时，参考如下实现：

privateMemcachedClientBuildercreateMemcachedClientBuilder(
Propertiesproperties){
Stringaddresses=properties.getProperty(ADDRESSES).trim();

if(logger.isInfoEnabled()){
logger.info("ConfigureProperties:[addresses="+addresses+"]");
}
MemcachedClientBuilderbuilder=newXMemcachedClientBuilder(
AddrUtil.getAddresses(addresses));

//使用二进制文件
builder.setCommandFactory(newBinaryCommandFactory());
//使用一致性哈希算法（ConsistentHashStrategy）
builder.setSessionLocator(newKetamaMemcachedSessionLocator());
//使用序列化传输编码
builder.setTranscoder(newSerializingTranscoder());
//进行数据压缩，大于1KB时进行压缩
builder.getTranscoder().setCompressionThreshold(1024);

returnbuilder;
}

主要有以下几点参考：

• 使用二进制文件模式
• 使用一致性哈希算法
• 使用序列化编码
• 对数据进行压缩

关于SET&ADD

• SET&ADD都属于更新操作，都要先申请内存
• SET，会擦除这个键所对应的内存，不管原先是否有内容
• ADD，会先查看这个键对应的内存是否有内容，如果有，则等待；若没有，则获取锁，并更新内存。

缓存命中率，通常认为：缓存命中率低于95%的设计都是不合理的，存在设计缺陷的。




这是我在线上服务器，经过优化后得到的最好成绩！