緩存命中率的介紹

命中：可以直接通過緩存獲取到需要的數據。

不命中：無法直接通過緩存獲取到想要的數據，需要再次查詢數據庫或者執行其它的操作。原因可能是由于緩存中根本不存在，或者緩存已經過期。

通常來講，緩存的命中率越高則表示使用緩存的收益越高，應用的性能越好（響應時間越短、吞吐量越高），抗并發的能力越強。

由此可見，在高并發的互聯網系統中，緩存的命中率是至關重要的指標。

如何監控緩存的命中率

在memcached中，運行state命令可以查看memcached服務的狀態信息，其中cmd_get表示總的get次數，get_hits表示get的總命中次數，命中率 = get_hits/cmd_get。

當然，我們也可以通過一些開源的第三方工具對整個memcached集群進行監控，顯示會更直觀。比較典型的包括：zabbix、MemAdmin等。

如圖：MemAdmin對memcached服務的命中率情況的監控統計

同理，在redis中可以運行info命令查看redis服務的狀態信息，其中keyspace_hits為總的命中中次數，keyspace_misses為總的miss次數，命中率=keyspace_hits/（keyspace_hits+keyspace_misses）。

開源工具Redis-star能以圖表方式直觀redis服務相關信息，同時，zabbix也提供了相關的插件對redis服務進行監控。

影響緩存命中率的幾個因素

之前的章節中我們提到了緩存命中率的重要性，下面分析下影響緩存命中率的幾個因素。

業務場景和業務需求

緩存適合“讀多寫少”的業務場景，反之，使用緩存的意義其實并不大，命中率會很低。

業務需求決定了對時效性的要求，直接影響到緩存的過期時間和更新策略。時效性要求越低，就越適合緩存。在相同key和相同請求數的情況下，緩存時間越長，命中率會越高。

互聯網應用的大多數業務場景下都是很適合使用緩存的。

緩存的設計（粒度和策略）

通常情況下，緩存的粒度越小，命中率會越高。舉個實際的例子說明：

當緩存單個對象的時候（例如：單個用戶信息），只有當該對象對應的數據發生變化時，我們才需要更新緩存或者讓移除緩存。而當緩存一個集合的時候（例如：所有用戶數據），其中任何一個對象對應的數據發生變化時，都需要更新或移除緩存。

還有另一種情況，假設其他地方也需要獲取該對象對應的數據時（比如其他地方也需要獲取單個用戶信息），如果緩存的是單個對象，則可以直接命中緩存，反之，則無法直接命中。這樣更加靈活，緩存命中率會更高。

此外，緩存的更新/過期策略也直接影響到緩存的命中率。當數據發生變化時，直接更新緩存的值會比移除緩存（或者讓緩存過期）的命中率更高，當然，系統復雜度也會更高。

緩存容量和基礎設施

緩存的容量有限，則容易引起緩存失效和被淘汰（目前多數的緩存框架或中間件都采用了LRU算法）。同時，緩存的技術選型也是至關重要的，比如采用應用內置的本地緩存就比較容易出現單機瓶頸，而采用分布式緩存則畢竟容易擴展。所以需要做好系統容量規劃，并考慮是否可擴展。此外，不同的緩存框架或中間件，其效率和穩定性也是存在差異的。

其他因素

當緩存節點發生故障時，需要避免緩存失效并最大程度降低影響，這種特殊情況也是架構師需要考慮的。業內比較典型的做法就是通過一致性Hash算法，或者通過節點冗余的方式。

有些朋友可能會有這樣的理解誤區：既然業務需求對數據時效性要求很高，而緩存時間又會影響到緩存命中率，那么系統就別使用緩存了。其實這忽略了一個重要因素--并發。通常來講，在相同緩存時間和key的情況下，并發越高，緩存的收益會越高，即便緩存時間很短。

提高緩存命中率的方法

從架構師的角度，需要應用盡可能的通過緩存直接獲取數據，并避免緩存失效。這也是比較考驗架構師能力的，需要在業務需求，緩存粒度，緩存策略，技術選型等各個方面去通盤考慮并做權衡。盡可能的聚焦在高頻訪問且時效性要求不高的熱點業務上，通過緩存預加載（預熱）、增加存儲容量、調整緩存粒度、更新緩存等手段來提高命中率。

對于時效性很高（或緩存空間有限），內容跨度很大（或訪問很隨機），并且訪問量不高的應用來說緩存命中率可能長期很低，可能預熱后的緩存還沒來得被訪問就已經過期了。