假设有个项目有比较高的并发量，要用到多级缓存，如下：

在实际设计一个内存缓存前，需要考虑的问题：

1：内存与Redis的数据置换，尽可能在内存中提高数据命中率，减少下一级的压力。

2：内存容量的限制，需要控制缓存数量。

3：热点数据更新不同，需要可配置单个key过期时间。

4：良好的缓存过期删除策略。

5：缓存数据结构的复杂度尽可能的低。

关于置换及命中率：采用LRU算法，因为它实现简单，缓存key命中率也很好。

LRU即是：把最近最少访问的数据给淘汰掉，经常被访问到即是热点数据。

关于LRU数据结构：因为key优先级提升和key淘汰，所以需要顺序结构，网上大多实现都采用的这种链表结构。

即新数据插入到链表头部、被命中时的数据移动到头部，添加复杂度O(1)，移动和获取复杂度O(N)。

有没复杂度更低的呢？ 有Dictionary，复杂度为O(1)，性能最好。 那如何保证缓存的优先级提升呢？

定义个LRUCache<TValue>类，构造参数maxKeySize 来控制缓存最大数量。

使用ConcurrentDictionary来作为我们的缓存容器，并能保证线程安全。

<pre style="margin:0px; padding:0px; white-space:pre-wrap; overflow-wrap:break-word; font-family:" Courier New" !important; font-size:12px !important; "> 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;}}</pre>

上面定义了 ageToDiscard、currentAge 这2个自增值参数，作用是标记缓存列表中各个key的新旧程度。

实现步骤如下：

每次添加key时，currentAge自增并将currentAge值分配给这个缓存值的age，currentAge一直自增。

<pre style="margin:0px; padding:0px; white-space:pre-wrap; overflow-wrap:break-word; font-family:" Courier New" !important; font-size:12px !important; "> 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;}}</pre>

在添加时，如超过最大数量，检查字典里是否有ageToDiscard年龄的key，如没有循环自增检查，有则删除、添加成功。

其ageToDiscard+maxSize= currentAge ，这样设计就能在O(1)下保证可以淘汰旧数据，而不是使用链表移动。 

<pre style="margin:0px; padding:0px; white-space:pre-wrap; overflow-wrap:break-word; font-family:" Courier New" !important; font-size:12px !important; "> 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);}}</pre>

获取key的时候表示它又被人访问，将最新的currentAge赋值给它，增加它的年龄：

<pre style="margin:0px; padding:0px; white-space:pre-wrap; overflow-wrap:break-word; font-family:" Courier New" !important; font-size:12px !important; "> public TValue Get(string key) { TrackValue value=null; if (cache.TryGetValue(key,out value)) { value.Age = Interlocked.Increment(ref currentAge);}return value.Value;}</pre>过期删除策略

大多数情况下，LRU算法对热点数据命中率是很高的。 但如果突然大量偶发性的数据访问，会让内存中存放大量冷数据，也即是缓存污染。

会引起LRU无法命中热点数据，导致缓存系统命中率急剧下降，也可以使用LRU-K、2Q、MQ等变种算法来提高命中率。

通过设定最大过期时间来尽量避免冷数据常驻内存。

多数情况每个数据缓存的时间要求不一致的，所以需要再增加单个key的过期时间字段。

<pre style="margin:0px; padding:0px; white-space:pre-wrap; overflow-wrap:break-word; font-family:" Courier New" !important; font-size:12px !important; "> 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; </pre>删除策略

关于key过期删除，最好的方式是使用定时删除，这样可以最快的释放被占用的内存，但很明显大量的定时器对CPU来说是非常不友好的。

所以需要采用惰性删除、在获取key的时检查是否过期，过期直接删除。

<pre style="margin:0px; padding:0px; white-space:pre-wrap; overflow-wrap:break-word; font-family:" Courier New" !important; font-size:12px !important; ">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);}</pre>

惰性删除虽然性能最好，但对于冷数据来说还是没解决缓存污染的问题，所以还需增加个定期清理和惰性删除配合使用。

比如单开个线程每5分钟去遍历检查key是否过期，这个时间策略是可配置的，如果缓存数量较多可分批遍历检查。

<pre style="margin:0px; padding:0px; white-space:pre-wrap; overflow-wrap:break-word; font-family:" Courier New" !important; font-size:12px !important; ">public void Inspection() { foreach (var item in this) { CheckExpire(item.Key);}}</pre>

惰性删除配合定期删除基本上能满足绝大多数要求了。

本篇参考了redis、Orleans的相关实现。

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的通知回调，支持更多的数据类型存储。

针对于上面所涉及到的知识点我总结出了有1到5年开发经验的程序员在面试中涉及到的绝大部分架构面试题及答案做成了文档和架构视频资料免费分享给大家（包括Dubbo、Redis、Netty、zookeeper、Spring cloud、分布式、高并发等架构技术资料），希望能帮助到您面试前的复习且找到一个好的工作，也节省大家在网上搜索资料的时间来学习，也可以关注我一下以后会有更多干货分享。