微服务实战系列之MemCache

前言

书接前文，马不停蹄，博主继续书写Cache的传奇和精彩。
Redis主要用于数据的分布式缓存，通过设置缓存集群，实现数据的快速响应，同时也解决了缓存一致性的困扰。
EhCache主要用于数据的本地缓存，因无法保障数据的安全性，通常用于单节点数据的缓存。如果需要实现分布式，可以搭载Redis实现二级缓存。

今天博主带来Cache新成员：MemCache，它又有哪些独一无二的绝技呢？请各位盆友紧随博主，以防"迷路"。

Q：什么是MemCache

看到MemCache一词，首先想到什么？内存。可见它又是一款基于内存的缓存工具。那继续看官方是如何定义的，请转向：

MemCache是一个免费开源、高性能的分布式内存对象缓存系统，旨在通过减轻数据库负载来加速动态web应用程序。
MemCache开放的API可支持Java、C/C++/C#、Perl、Python、PHP、Ruby等大部分流行的程序语言。

通过以上描述，表明MemCache支持分布式，倘若我们构建分布式缓存时，又多了一件可选择的武器。

既然提到了分布式，那是如何实现的呢？我们继续期待。

Q：MemCache如何实现分布式

这首先要看MemCache是如何运转的。

1. 内存机制

MemCache是一个基于内存的缓存系统，对内存的管理自然有一套严格的标准（slab负责管理），让我们把目光聚焦下图：

MemCache将内存空间分割为若干slab组（class），每个slab又分割为若干page（每个page默认是1M），而每个page又分为若干chunk。总结一句话："MemCache最终把数据存于chunk中"。

MemCache为了快速管理内存和分配内存，将已使用内存和未使用内存，编制为一个链表结构。对于新加入的数据，先更新header（H）；对应过期的数据，先更新Tail（T）。

为了将新加入的数据合理存储，MemCache会通过计算将其放在与其大小"相当"的slab中。因此一定程度上容忍内存"浪费"。

当然鉴于MemCache的内存机制，也提出了一些基础限制。

比如单条数据（Item）最大不超1M，又比如key最大不超250字符等等，在此博主不再赘述，可以另行查阅相关文档。

2. 分布式实现

MemCache的分布式无法自己完成，通常是由MemCache客户端API负责实现。通过基于一致Hash算法，完成节点（node）匹配和节点路由（router），最终实现数据的分布式缓存。

这么来看，MemCache分布式是不是很简洁？博主不禁感叹："这是一个被算法支配的世界"。

当然如何安装和使用它，可以参考其他博主文章，相对简单，这里不再表述。

Q：MemCache适应场景有哪些

MemCache基于内存，必然消失于内存，比如重启服务器，针对于开发人员而言，简直是个灾难。

因此它适合存储无需持久化的数据且数据量不宜太大，因此分布式是一个很好的选择。正如"鸡蛋不宜放在同一个篮子"一样，数据也不宜放在同一个slab。

结语

MemCache作为分布式缓存的另一选项，势必为微服务提供了一定的技术可能。我们说内存一般决定性能，性能高低势必影响最终的用于体验。

如何选择合适的Cache的工具或系统，取决于业务场景和形式。抛开业务谈技术皆是耍流氓，希望各位盆友明辨取舍的关键。

好了，各位盆友，今天的话题到此结束，期待大家的反馈和分享，甚至讨论（热烈期待中...）。