虽然标题为缓存，但在这里不仅仅会涉及缓存，还会涉及一些其他提高应用性能的方案。

在程序设计中，经常能听到的就是以时间换空间和以空间换时间。缓存作为一种能加快程序性能的银弹，它是典型的后者(以空间换时间).

随着用户数和访问量越来越大，我们的应用需要支撑更多的并发量，同时我们的应用服务器和数据库服务器所做的计算也越来越多。但是往往我们的应用服务器资源是有限的，数据库每秒能接受的请求次数也是有限的（或者文件的读写也是有限的），如何能够有效利用有限的资源来提供尽可能大的吞吐量？一个有效的办法就是引入缓存，每个环节中请求可以从缓存中直接获取目标数据并返回，从而减少计算量，有效提升响应速度，让有限的资源服务更多的用户。

缓存并不是包治百病的银弹

第一次接触缓存MAP
我第一次接触缓存的时候是在大三开始出去工作的时候。在一个系统中，基本每个接口都有可能要获取一次用户信息和一些用户配置，当时我们的系统查多改少，这也注定缓存可以大大提高我们的性能，当时的做法是维护一个全局的单例的Map作为缓存存储.记得当时的类名叫DBMirror

大致如下：

常见淘汰策略
如上所述，如果不使用剔除算法，会导致内存占用越来越大，且无法回收，那下面讲一下常见的淘汰策略

FIFO(first in first out)
先进先出策略，最先进入缓存的数据在缓存空间不够的情况下（超出最大元素限制）会被优先被清除掉，以腾出新的空间接受新的数据。

LFU(less frequently used)
最少使用策略，根据元素的被使用次数判断，清除使用次数较少的元素释放空间。

LRU(least recently used)
最近使用策略，根据元素最后一次被使用的时间戳，清除最远使用时间戳的元素释放空间。

其他
为缓存元素设置过期时间，清理超过过时时间的元素
随机清理
优先清理大对象
缓存简单分类
本地缓存：指的是在应用中的缓存组件，其最大的优点是应用和cache是在同一个进程内部，请求缓存非常快速，没有过多的网络开销等，在单应用不需要集群支持或者集群情况下各节点无需互相通知的场景下使用本地缓存较合适；同时，它的缺点也是应为缓存跟应用程序耦合，多个应用程序无法直接的共享缓存，各应用或集群的各节点都需要维护自己的单独缓存，对内存是一种浪费。

分布式缓存：指的是与应用分离的缓存组件或服务，其最大的优点是自身就是一个独立的应用，与本地应用隔离，多个应用可直接的共享缓存。缺点是：优点也就是缺点，因为自身是一个独立的应用，本地节点都需要与其进行通信，导致依赖网络，同时如果缓存服务崩溃可能会影响所有依赖节点

对于一些单个实例的服务，或者数据基本不会变化的数据都可以使用本地缓存来提高性能，反之可以使用分布式缓存

技术方案本身没有最好的，只有最合适的.

缓存的使用
Java集合类
在上面提供了一个简单的例子，DBMirror使用Map来时间一个简单的内存缓存，同时Set、List都可以达到内存缓存的功能，根据并发情况可以选择不同的实现类,例如HashMap、LinkedHashMap、TreeMap、LinkedTreeMap、ConcurrentHashMap... 总有一个满足你

这样实现很简单，但是也致命缺点：无法回收不常用的缓存

Guava Cache
说起 Guava, 很多人都不会陌生，它是 Google 提供的一个非常好用的 Java 工具包。Guava Cache 是 Guava 中的一个本地缓存实现，基于LRU算法实现，并提供了多种缓存过期策略，过期时间、容量等. 简化了缓存的使用，方便我们更加大胆的使用缓存

Caffeine
Caffeine是一个基于 Java8 开发的提供了近乎最佳命中率的高性能的缓存库。

在本地缓存方面，SpringFramework5.0（SpringBoot2.0）放弃了Google的GuavaCache，选择了「Caffeine」（Drop Guava caching - superseded by Caffeine [SPR-13797] #18370）。足以见证其在性能和可靠性上的优势.

其性能测试可以查看

Ehcache
Ehcache是纯Java开源缓存框架，配置简单、结构清晰、功能强大，是一个非常轻量级的缓存实现，我们常用的Hibernate里面就集成了相关缓存功能。

在早期开发的时候也用过这个，现在不知道是否还在使用

Memcached
一个高性能的、分布式的基于内存的key-value对象存储系统，用来存储小块的任意数据（字符串、对象）