访问间隔长、体积大的对象如何不能被Memcache淘汰掉?

howsun_zh 2011-10-13 10:00:00

现在的需求是一个团队将结果送入缓存，有推送和获取权限；另一团队开发分布式调用客户端(即多台机器)来获取该缓存文件，获取时隔间时间较长(例如一天一次)。根据LRU算法，访问间隔长且体积大是memcache重点淘汰对象，关闭该算法会导致更多风险。请问各位有何解决之道？

...全文

131 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

本文详细介绍了Ehcache、Memcache与Redis三种缓存解决方案的特点、使用方法及应用场景，包括它们的速度、简单性、体积、可扩展性等优势，以及如何在实际项目中进行配置与优化。

本文深入剖析Memcache与MongoDB协同的分层缓存架构设计，重点阐述二者在高并发场景下的角色分工：Memcache承担超低延迟键值读取，MongoDB负责结构化存储与事务保障。内容涵盖分层必要性、流量穿透三重防护（配置级/代码级/数据库级）、布隆过滤器与空值缓存组合应用、缓存一致性时间窗控制、连接池泄漏与写扩散避坑，以及基于业务分组的Memcache分片和WiredTiger内存优化等核心实践。

本文详细介绍了Ehcache和Memcache在Java项目中的使用方法和特性，包括它们的快速性、简洁性、体积小巧、轻量化、可扩展性以及监听器等功能。此外，文章还对比了两者在性能、数据类型、持久化、主从复制等方面的差异，并提供了安装指南和一些关键属性解释。

本文围绕Redis面试热点展开，介绍了Redis的数据结构，如String、hash等；阐述了持久化方式RDB和AOF及其优缺点；还讲解了主从复制、哨兵、分片（集群）等机制。对比了Redis和memcache，分析缓存穿透、雪崩问题及解决办法，最后提及Redis数据淘汰策略。

本文全面解析Redis，涵盖其定义、与Memcache的区别、高速运行原理、持久化机制、数据类型及应用场景、过期键删除策略、数据淘汰策略、集群与分布结构、三高特性、集群方式、消息通信模式等核心内容。

高性能WEB开发

25,979

社区成员

4,366

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章