-
緩存命中率
鎖定
始端用户訪問加速節點時，如果該節點有緩存住了要被訪問的數據時就叫做命中，如果沒有的話需要回原服務器取，就是沒有命中。取數據的過程與用户訪問是同步進行的，所以即使是重新取的新數據，用户也不會感覺到有延時。 命中率=命中數/（命中數+沒有命中數）， 緩存命中率是判斷加速效果好壞的重要因素之一。
- 中文名
- 緩存命中率
- 外文名
- Cache Hit Rate
- 取決於
- 很多的因素
- 類 型
- 非常適合緩存應用的場景
緩存命中率影響因素
緩存的命中率取決於很多的因素：
緩存命中率應用場景
是OLTP還是OLAP應用，即使是OLTP，也要看訪問的頻度，一個極少被訪問到的緩存等於沒有什麼效果。一般來説，互聯網網站是非常適合緩存應用的場景。
緩存命中率緩存的粒度
毫無疑問，緩存的粒度越小，命中率就越高，對象緩存是緩存粒度最小的，因此被命中的幾率更高。舉個例子來説吧：你訪問當前這個頁面，瀏覽帖子，那麼對於ORM來説，需要發送n條SQL，取各自帖子user的對象。很顯然，如果這個user在其他帖子裏面也跟貼了，那麼在訪問那個帖子的時候，就可以直接從緩存裏面取這個user對象了。
緩存命中率架構的設計
架構的設計對於緩存命中率也有至關重要的影響。例如你應該如何去儘量避免緩存失效的問題，如何儘量提供頻繁訪問數據的緩存問題，這些都是考驗架構師水平的地方。再舉個例子來説，對於論壇，需要記錄每個topic的瀏覽次數，所以每次有人訪問這個topic，那麼topic表就要update一次，這意味着什麼呢？對於topic的對象緩存是無效的，每次訪問都要更新緩存。那麼可以想一些辦法，例如增加一箇中間變量記錄點擊次數，每累計一定的點擊，才更新一次數據庫，從而減低緩存失效的頻率。
緩存命中率緩存的容量
緩存太小，造成頻繁的LRU，也會降低命中率，緩存的有效期太短也會造成緩存命中率下降。
所以緩存命中率問題不能一概而論，一定説命中率很低或者命中率很高。但是如果你對於緩存的掌握很精通，有意識的去調整應用的架構，去分解緩存的粒度，總是會帶來很高的命中率的。
緩存命中率實際案例
這裏我可以舉一個實際的案例，JavaEye2.0網站在使用對象緩存之前，通過MySQL的監控工具進行觀察，在連續24小時的平均每秒發送SQL條數超過了200條，在使用對象緩存之後，連續24小時的平均每秒發送SQL條數下降到了120條左右，幾乎下降了一半。
考慮到很多SQL都是分頁語句，關聯查詢，條件查詢，集合操作，都是不能被緩存的SQL，而真正能夠被緩存的SQL只有根據主鍵查詢對象和對象關聯對象的查詢。所以真正能夠被緩存的SQL估計最多佔所有SQL的60%。所以換算下來，應用緩存的命中率之高，已經相當驚人了。
不過這裏要提醒的一點，有將近一半的SQL都被緩存，不意味着性能可以提升一倍。這是因為能夠被緩存的都是按照主鍵查詢單條記錄的SQL，這些SQL本身即使發送到數據庫，對數據庫造成的壓力也沒有想像的那麼大。真正對數據庫造成龐大壓力的正是那些沒有索引的大表查詢，和造成了全表掃描的關聯查詢，這些一旦涉及到全表掃描的查詢，才是性能的真正殺手。當然了，不管怎麼説，通過使用對象緩存，是毫無疑問可以大幅度降低數據庫的負載壓力的，有效提升web應用的性能的。
關於這一點，我再給出一組數據來加深大家的印象，通過使用操作系統網絡工具進行統計：
JavaEye網站web server的端口每秒數據流量是2MB；
JavaEye網站的MySQL數據庫端口的每秒數據流量是1.2MB；
而網站的memcached的端口每秒的數據流量高達5MB
