上次我們說了多層緩存，本章詳細介紹下記憶體緩存該如何設計。
一：分析設計
假設有個項目有一定並發量，要用到多級緩存，如下：
在實際設計一個內存緩存前，我們需要考慮的問題：
1：內存與Redis的資料置換，盡可能在記憶體中提高資料命中率，減少下一級的壓力。
2：記憶體容量的限制，需要控制快取數量。
3：熱點資料更新不同，需要可設定單一key過期時間。
4：良好的快取過期刪除策略。
5：快取資料結構的複雜度盡可能的低。
關於置換及命中率：我們採用LRU演算法，因為它實作簡單，快取key命中率也很好。
LRU即是：把最近最少存取的資料給淘汰掉，經常被存取到即是熱點資料。
關於LRU資料結構：因為key優先權提升和key淘汰，所以需要順序結構。我看到大多實現，都採用鍊錶結構、
即：新資料插入到鍊錶頭部、被命中時的資料移動到頭部。 加入複雜度O(1) 移動和取得複雜度O(N)。
有沒複雜度更低的呢？ 有Dictionary，複雜度為O(1)，效能最好。 那如何保證快取的優先權提升呢？
二：O(1)LRU實作
我們定義個LRUCache
使用ConcurrentDictionary來作為我們的快取容器，並且可以確保線程安全。
public class LRUCache<TValue> : IEnumerable<KeyValuePair<string, TValue>>
{
private long ageToDiscard = 0; //淘汰的年龄起点
private long currentAge = 0; //当前缓存最新年龄
private int maxSize = 0; //缓存最大容量
private readonly ConcurrentDictionary<string, TrackValue> cache;
public LRUCache(int maxKeySize)
{
cache = new ConcurrentDictionary<string, TrackValue>();
maxSize = maxKeySize;
}
}上面定義了 ageToDiscard、currentAge 這2個自加值參數，作用是：標記快取清單中各個key的新舊程度。
核心實作步驟如下：
1：每次加入key時，currentAge自增並將currentAge值分配給這個快取值的Age，currentAge始終增加。
public void Add(string key, TValue value)
{
Adjust(key);
var result = new TrackValue(this, value);
cache.AddOrUpdate(key, result, (k, o) => result);
}
public class TrackValue
{
public readonly TValue Value;
public long Age;
public TrackValue(LRUCache<TValue> lv, TValue tv)
{
Age = Interlocked.Increment(ref lv.currentAge);
Value = tv;
}
}2：在添加時，如超過最大數量。檢查字典裡是否有ageToDiscard年齡的key，如沒有循環自增檢查，有則刪除、添加成功。
ageToDiscard+maxSize= currentAge ，這樣設計就能在O(1)下保證可以淘汰舊數據，而不是使用鍊錶移動。
public void Adjust(string key)
{
while (cache.Count >= maxSize)
{
long ageToDelete = Interlocked.Increment(ref ageToDiscard);
var toDiscard =
cache.FirstOrDefault(p => p.Value.Age == ageToDelete);
if (toDiscard.Key == null)
continue;
TrackValue old;
cache.TryRemove(toDiscard.Key, out old);
}
}過期刪除策略
大多數情況下，LRU演算法對熱點資料命中率是很高的。 但如果突然大量的偶發性數據訪問，會讓記憶體存放大量冷數據，也就是快取污染。
會造成LRU無法命中熱點數據，導致快取系統命中率急遽下降。也可以使用LRU-K、2Q、MQ等變種演算法來提高命中率。
過期配置
1：我們透過設定、最大過期時間來盡量避免冷資料常駐記憶體。
2：大多數情況每個快取的時間要求不一致的，所以在增加單一key的過期時間。
private TimeSpan maxTime;
public LRUCache(int maxKeySize,TimeSpan maxExpireTime){}
//TrackValue增加创建时间和过期时间
public readonly DateTime CreateTime;
public readonly TimeSpan ExpireTime;刪除策略
1：關於key過期刪除，最好使用定時刪除了。 這樣可以最快釋放被佔用的內存，但很明顯，大量的定時器對CPU吃不消的。
2：所以我们采用惰性删除、在获取key的时检查是否过期，过期直接删除。
public Tuple<TrackValue, bool> CheckExpire(string key)
{
TrackValue result;
if (cache.TryGetValue(key, out result))
{
var age = DateTime.Now.Subtract(result.CreateTime);
if (age >= maxTime || age >= result.ExpireTime)
{
TrackValue old;
cache.TryRemove(key, out old);
return Tuple.Create(default(TrackValue), false);
}
}
return Tuple.Create(result, true);
}3：惰性删除虽然性能最好，对于冷数据来说，还是没解决缓存污染问题。 所以我们还需定期清理。
比如：开个线程，5分钟去遍历检查key一次。这个策略根据实际场景可配置。
public void Inspection()
{
foreach (var item in this)
{
CheckExpire(item.Key);
}
}惰性删除+定期删除基本能满足我们需求了。
总结
如果继续完善下去，就是内存数据库的雏形，类似redis。
比如：增加删除key的通知，增加更多数据类型。 本篇也是参考了redis、Orleans的实现。
