阿里万网站建设seo优化招商

极客兔兔7Days

GeeCache

- Day1

• interface{}：任意类型

• 缓存击穿：一个高并发的请求查询一个缓存中不存在的数据项，因此这个请求穿透缓存直接到达后端数据库或数据源来获取数据。如果这种请求非常频繁，就会导致后端系统的负载突然增加，可能会使数据库或数据源响应变慢甚至宕机，从而影响整个系统的性能和稳定性。

  • 解决1：设置热点数据永不过期
  • 解决2：使用锁机制确保只有一个请求去访问数据库，其他的请求等待这个请求的结果
  • 解决3：设置时间更长的二级缓存

• 缓存淘汰策略

  • FIFO：先进先出，也就是淘汰缓存中最老(最早添加)的记录
  • LFU：最少使用，也就是淘汰缓存中访问频率最低的记录
  • LRU：最近最少使用，相对于仅考虑时间因素的 FIFO 和仅考虑访问频率的 LFU，LRU 算法可以认为是相对平衡的一种淘汰算法。

• list常用方法：New()、PushFront(v interface{}) *Element、PushBack(v interface{}) *Element、Remove(e *Element) interface{}、Front() *Element、Back() *Element、Next() *Element、Prev() *Element

• 使用list和map实现，cache中记录缓存最大容量和当前数据大小，对于刚访问的元素，将其移到list的最头部，表示最近刚使用过，删除时选择最尾部的数据进行删除，entry实际是list的节点数据类型，在删除对应节点后，同时删除map中的数据，实现查找、删除、增加、修改功能

• 代码

  • package geeimport "container/list"type Cache struct {maxBytes int64nbytes   int64ll       *list.Listcache    map[string]*list.Element
    }type entry struct {key   stringvalue Value
    }type Value interface {Len() int
    }func New(maxBytes int64) *Cache {return &Cache{maxBytes: maxBytes,ll:       list.New(),nbytes:   0,cache:    make(map[string]*list.Element),}
    }// 查找
    func (c *Cache) Get(key string) (value Value, ok bool) {if ele, ok := c.cache[key]; ok {// 假设头部是队尾c.ll.MoveToFront(ele)kv := ele.Value.(*entry)return kv.value, true}return nil, false
    }// 删除
    func (c *Cache) Delete() {ele := c.ll.Back()if ele != nil {c.ll.Remove(ele)// 类型断言kv := ele.Value.(*entry)delete(c.cache, kv.key)c.nbytes -= int64(len(kv.key)) + int64(kv.value.Len())}
    }// 添加
    func (c *Cache) Add(key string, value Value) {if ele, ok := c.cache[key]; ok {c.ll.MoveToFront(ele)kv := ele.Value.(*entry)c.nbytes += int64(value.Len()) - int64(kv.value.Len())kv.value = value} else {ele := c.ll.PushFront(&entry{key, value})c.nbytes += int64(len(key)) + int64(value.Len())c.cache[key] = ele}for c.maxBytes != 0 && c.maxBytes < c.nbytes {c.Delete()}
    }func (c *Cache) Len() int {return c.ll.Len()
    }