參考：https://www.cnblogs.com/xrq730/p/4948707.html

MemCache是什麼

MemCache是一個自由、原始碼開放、高效能、分散式的分散式記憶體物件快取系統，用於動態Web應用以減輕資料庫的負載。它通過在記憶體中快取資料和物件來減少讀取資料庫的次數，從而提高了網站訪問的速度。MemCaChe是一個儲存鍵值對的HashMap，在內

存中對任意的資料（比如字串、物件等）所使用的key-value儲存，資料可以來自資料庫呼叫、API呼叫，或者頁面渲染的結果。MemCache設計理念就是小而強大，它簡單的設計促進了快速部署、易於開發並解決面對大規模的資料快取的許多難題，而所開放的

API使得MemCache能用於Java、C/C++/C#、Perl、Python、PHP、Ruby等大部分流行的程式語言。

另外，說一下MemCache和MemCached的區別：

1、MemCache是專案的名稱

2、MemCached是MemCache伺服器端可以執行檔案的名稱

MemCache的官方網站為http://memcached.org/

MemCache訪問模型

為了加深理解，我模仿著原阿里技術專家李智慧老師《大型網站技術架構 核心原理與案例分析》一書MemCache部分，自己畫了一張圖：

特別澄清一個問題，MemCache雖然被稱為"分散式快取"，但是MemCache本身完全不具備分散式的功能

快取資料），所謂的"分散式"，完全依賴於客戶端程式的實現，就像上面這張圖的流程一樣。

同時基於這張圖，理一下MemCache一次寫快取的流程：

1、應用程式輸入需要寫快取的資料

2、API將Key輸入路由演算法模組，路由演算法根據Key和MemCache叢集伺服器列表得到一臺伺服器編號

3、由伺服器編號得到MemCache及其的ip地址和埠號

4、API呼叫通訊模組和指定編號的伺服器通訊，將資料寫入該伺服器，完成一次分散式快取的寫操作

讀快取和寫快取一樣，只要使用相同的路由演算法和伺服器列表，只要應用程式查詢的是相同的Key，MemCache客戶端總是訪問相同的客戶端去讀取資料，只要伺服器中還快取著該資料，就能保證快取命中。

這種MemCache叢集的方式也是從分割槽容錯性的方面考慮的，假如Node2宕機了，那麼Node2上面儲存的資料都不可用了，此時由於叢集中Node0和Node1還存在，下一次請求Node2中儲存的Key值的時候，肯定是沒有命中的，這時先從資料庫中拿到要快取的

資料，然後路由演算法模組根據Key值在Node0和Node1中選取一個節點，把對應的資料放進去，這樣下一次就又可以走快取了，這種叢集的做法很好，但是缺點是成本比較大。

一致性Hash演算法

從上面的圖中，可以看出一個很重要的問題，就是對伺服器叢集的管理，路由演算法至關重要，就和負載均衡演算法一樣，路由演算法決定著究竟該訪問叢集中的哪臺伺服器，先看一個簡單的路由演算法。

1、餘數Hash

比方說，字串str對應的HashCode是50、伺服器的數目是3，取餘數得到2，str對應節點Node2，所以路由演算法把str路由到Node2伺服器上。由於HashCode隨機性比較強，所以使用餘數Hash路由演算法就可以保證快取資料在整個MemCache伺服器叢集中有

比較均衡的分佈。

如果不考慮伺服器叢集的伸縮性（什麼是伸縮性，請參見大型網站架構學習筆記），那麼餘數Hash演算法幾乎可以滿足絕大多數的快取路由需求，但是當分散式快取叢集需要擴容的時候，就難辦了。

就假設MemCache伺服器叢集由3臺變為4臺吧，更改伺服器列表，仍然使用餘數Hash，50對4的餘數是2，對應Node2，但是str原來是存在Node1上的，這就導致了快取沒有命中。如果這麼說不夠明白，那麼不妨舉個例子，原來有HashCode為0~19的20個數

據，那麼：

如果我擴容到20+的臺數，只有前三個HashCode對應的Key是命中的，也就是15%。當然這只是個簡單例子，現實情況肯定比這個複雜得多，不過足以說明，使用餘數Hash的路由演算法，在擴容的時候會造成大量的資料無法正確命中（其實不僅僅是無法命中，那

些大量的無法命中的資料還在原快取中在被移除前佔據著記憶體）。這個結果顯然是無法接受的，在網站業務中，大部分的業務資料度操作請求上事實上是通過快取獲取的，只有少量讀操作會訪問資料庫，因此資料庫的負載能力是以有快取為前提而設計的。當大部

分被快取了的資料因為伺服器擴容而不能正確讀取時，這些資料訪問的壓力就落在了資料庫的身上，這將大大超過資料庫的負載能力，嚴重的可能會導致資料庫宕機。

這個問題有解決方案，解決步驟為：

（1）在網站訪問量低谷，通常是深夜，技術團隊加班，擴容、重啟伺服器

（2）通過模擬請求的方式逐漸預熱快取，使快取伺服器中的資料重新分佈

2、一致性Hash演算法

一致性Hash演算法通過一個叫做一致性Hash環的資料結構實現Key到快取伺服器的Hash對映，看一下我自己畫的一張圖：

具體演算法過程為：先構造一個長度為2³²的整數環（這個環被稱為一致性Hash環），根據節點名稱的Hash值（其分佈為[0, 2³²-1]）將快取伺服器節點放置在這個Hash環上，然後根據需要快取的資料的Key值計算得到其Hash值（其分佈也為[0, 2³²-1]），然

後在Hash環上順時針查詢距離這個Key值的Hash值最近的伺服器節點，完成Key到伺服器的對映查詢。

就如同圖上所示，三個Node點分別位於Hash環上的三個位置，然後Key值根據其HashCode，在Hash環上有一個固定位置，位置固定下之後，Key就會順時針去尋找離它最近的一個Node，把資料儲存在這個Node的MemCache伺服器中。使用Hash環如果加了

一個節點會怎麼樣，看一下：

看到我加了一個Node4節點，隻影響到了一個Key值的資料，本來這個Key值應該是在Node1伺服器上的，現在要去Node4了。採用一致性Hash演算法，的確也會影響到整個叢集，但是影響的只是加粗的那一段而已，相比餘數Hash演算法影響了遠超一半的影響率，

這種影響要小得多。更重要的是，叢集中快取伺服器節點越多，增加節點帶來的影響越小，很好理解。換句話說，隨著叢集規模的增大，繼續命中原有快取資料的概率會越來越大，雖然仍然有小部分資料快取在伺服器中不能被讀到，但是這個比例足夠小，即使

訪問資料庫，也不會對資料庫造成致命的負載壓力。

至於具體應用，這個長度為2³²的一致性Hash環通常使用二叉查詢樹實現，至於二叉查詢樹，就是演算法的問題了，可以自己去查詢相關資料。

MemCache實現原理

首先要說明一點，MemCache的資料存放在記憶體中，存放在記憶體中個人認為意味著幾點：

1、訪問資料的速度比傳統的關係型資料庫要快，因為Oracle、MySQL這些傳統的關係型資料庫為了保持資料的永續性，資料存放在硬碟中，IO操作速度慢

2、MemCache的資料存放在記憶體中同時意味著只要MemCache重啟了，資料就會消失

3、既然MemCache的資料存放在記憶體中，那麼勢必受到機器位數的限制，這個之前的文章寫過很多次了，32位機器最多隻能使用2GB的記憶體空間，64位機器可以認為沒有上限

然後我們來看一下MemCache的原理，MemCache最重要的莫不是記憶體分配的內容了，MemCache採用的記憶體分配方式是固定空間分配，還是自己畫一張圖說明：

這張圖片裡面涉及了slab_class、slab、page、chunk四個概念，它們之間的關係是：

1、MemCache將記憶體空間分為一組slab

2、每個slab下又有若干個page，每個page預設是1M，如果一個slab佔用100M記憶體的話，那麼這個slab下應該有100個page

3、每個page裡面包含一組chunk，chunk是真正存放資料的地方，同一個slab裡面的chunk的大小是固定的

4、有相同大小chunk的slab被組織在一起，稱為slab_class

MemCache記憶體分配的方式稱為allocator，slab的數量是有限的，幾個、十幾個或者幾十個，這個和啟動引數的配置相關。

MemCache中的value過來存放的地方是由value的大小決定的，value總是會被存放到與chunk大小最接近的一個slab中，比如slab[1]的chunk大小為80位元組、slab[2]的chunk大小為100位元組、slab[3]的chunk大小為128位元組（相鄰slab內的chunk基本以

1.25為比例進行增長，MemCache啟動時可以用-f指定這個比例），那麼過來一個88位元組的value，這個value將被放到2號slab中。放slab的時候，首先slab要申請記憶體，申請記憶體是以page為單位的，所以在放入第一個資料的時候，無論大小為多少，都會

有1M大小的page被分配給該slab。申請到page後，slab會將這個page的記憶體按chunk的大小進行切分，這樣就變成了一個chunk陣列，最後從這個chunk陣列中選擇一個用於儲存資料。

如果這個slab中沒有chunk可以分配了怎麼辦，如果MemCache啟動沒有追加-M（禁止LRU，這種情況下記憶體不夠會報Out Of Memory錯誤），那麼MemCache會把這個slab中最近最少使用的chunk中的資料清理掉，然後放上最新的資料。針對MemCache的內

存分配及回收演算法，總結三點：

1、MemCache的記憶體分配chunk裡面會有記憶體浪費，88位元組的value分配在128位元組（緊接著大的用）的chunk中，就損失了30位元組，但是這也避免了管理記憶體碎片的問題

2、MemCache的LRU演算法不是針對全域性的，是針對slab的

3、應該可以理解為什麼MemCache存放的value大小是限制的，因為一個新資料過來，slab會先以page為單位申請一塊記憶體，申請的記憶體最多就只有1M，所以value大小自然不能大於1M了

再總結MemCache的特性和限制

上面已經對於MemCache做了一個比較詳細的解讀，這裡再次總結MemCache的限制和特性：

1、MemCache中可以儲存的item資料量是沒有限制的，只要記憶體足夠

2、MemCache單程序在32位機中最大使用記憶體為2G，這個之前的文章提了多次了，64位機則沒有限制

3、Key最大為250個位元組，超過該長度無法儲存

4、單個item最大資料是1MB，超過1MB的資料不予儲存

5、MemCache服務端是不安全的，比如已知某個MemCache節點，可以直接telnet過去，並通過flush_all讓已經存在的鍵值對立即失效

6、不能夠遍歷MemCache中所有的item，因為這個操作的速度相對緩慢且會阻塞其他的操作

7、MemCache的高效能源自於兩階段雜湊結構：第一階段在客戶端，通過Hash演算法根據Key值算出一個節點；第二階段在服務端，通過一個內部的Hash演算法，查詢真正的item並返回給客戶端。從實現的角度看，MemCache是一個非阻塞的、基於事件的伺服器

程式

8、MemCache設定新增某一個Key值的時候，傳入expiry為0表示這個Key值永久有效，這個Key值也會在30天之後失效，見memcache.c的原始碼：

#define REALTIME_MAXDELTA 60*60*24*30
static rel_time_t realtime(const time_t exptime) {
       if (exptime == 0) return 0;
       if (exptime > REALTIME_MAXDELTA) {                       
              if (exptime <= process_started)                         
                      return (rel_time_t)1;                                 
              return (rel_time_t)(exptime - process_started);  
       } else {                                                                  
              return (rel_time_t)(exptime + current_time);     
       }
}

這個失效的時間是memcache原始碼裡面寫的，開發者沒有辦法改變MemCache的Key值失效時間為30天這個限制。

MemCache指令彙總

上面說過，已知MemCache的某個節點，直接telnet過去，就可以使用各種命令操作MemCache了，下面看下MemCache有哪幾種命令：

stats指令解讀

stats是一個比較重要的指令，用於列出當前MemCache伺服器的狀態，拿一組資料舉個例子：

STAT pid 1023
STAT uptime 21069937
STAT time 1447235954
STAT version 1.4.5
STAT pointer_size 64
STAT rusage_user 1167.020934
STAT rusage_system 3346.933170
STAT curr_connections 29
STAT total_connections 21
STAT connection_structures 49
STAT cmd_get 49
STAT cmd_set 7458
STAT cmd_flush 0
STAT get_hits 7401
STAT get_misses 57
..（delete、incr、decr、cas的hits和misses數，cas還多一個badval）
STAT auth_cmds 0
STAT auth_errors 0
STAT bytes_read 22026555
STAT bytes_written 8930466
STAT limit_maxbytes 4134304000
STAT accepting_conns 1
STAT listen_disabled_num 0
STAT threads 4
STAT bytes 151255336
STAT current_items 57146
STAT total_items 580656
STAT evicitions 0

這些引數反映著MemCache伺服器的基本資訊，它們的意思是：

stats slab指令解讀

如果對上面的MemCache儲存機制比較理解了，那麼我們來看一下各個slab中的資訊，還是拿一組資料舉個例子：

STAT1:chunk_size 96
...
STAT 2:chunk_size 144
STAT 2:chunks_per_page 7281
STAT 2:total_pages 7
STAT 2:total_chunks 50967
STAT 2:used_chunks 45197
STAT 2:free_chunks 1
STAT 2:free_chunks_end 5769
STAT 2:mem_requested 6084638
STAT 2:get_hits 48084
STAT 2:cmd_set 59588271
STAT 2:delete_hits 0
STAT 2:incr_hits 0
STAT 2:decr_hits 0
STAT 2:cas_hits 0
STAT 2:cas_badval 0
...
STAT 3:chunk_size 216
...

首先看到，第二個slab的chunk_size（144）/第一個slab的chunk_size（96）=1.5，第三個slab的chunk_size（216）/第二個slab的chunk_size（144）=1.5，可以確定這個MemCache的增長因子是1.5，chunk_size以1.5倍增長。然後解釋下欄位的含

義：

看到這個命令的輸出量很大，所有資訊都很有作用。舉個例子吧，比如第一個slab中使用的chunks很少，第二個slab中使用的chunks很多，這時就可以考慮適當增大MemCache的增長因子了，讓一部分資料落到第一個slab中去，適當平衡兩個slab中的記憶體，避

免空間浪費。