1. 读访问量高(万级别及以上),读访问远大于写访问缓存
这种状况典型的业务场景之一就是存储配置信息,配置信息通常数据量较小,更新频率低,但读访问量高。这种场景有两种方法优化:优化
a. 对同一个key存储多个备份,随机读取,分散读的访问压力。spa
b.使用本地缓存。本地缓存基本能挡住大部分的访问,真正落到cache系统上的读访问量就不多了。但本地缓存有个问题:数据的同步问题。解决方案能够按期更新本地缓存(每隔n秒更新一次)。同步
2. 写访问量高(万级别及以上),写访问远大于读访问
这种状况典型的业务场景之一是计数统计,例如对某页面进行pv统计。这种场景的优化方法为:将单个key统计拆分为多个key统计,假设key为A,那么能够将A拆分为A1,A2...A100,incr时随机选择一个key,读取总量时再批量读取全部的key,再进行合并统计。固然,这种方式放大的读操做,但基于读自己访问量不高,这样的增长对集群并不会产生较大的影响。
集群