前言
自1946年第一台电子数字计算机诞生至今已逾七十多年，伴随着计算机的发展，计算机软件的变化也是翻天覆地。当前计算机软件越来越向高抽象、高复用、高性能、高可靠等特性发展。本文只关注于全局中极小的一点 -- 缓存 ，并结合笔者的实际工作经验和大家一起讨论一下相关内容。
缓存使用历程
笔者刚刚参加工作的时候，BS结构刚刚发展起来，Spring尚未一统天下，Hibernate也未遇对手；互联网行业只是刚刚起步，反而是传统的企业信息化系统如日中天。这类软件系统的特点是：低抽象、低复用（各种企业内部特殊定制，貌似现在也是这样 ，很好奇SAAS是如何解决这些“需求”），一个系统总共使用人数不过二三百人，数据量不过百万。当时的系统结构是这样的：
再往后大家发现，一个稍微复杂点的页面大都涉及到多次的数据库查询（比如：语种、币种、地区或各式各样的业务码表）性能损耗高到令人咋舌。于是不约而同的将一些相对固定的数据保存到本地缓存中，系统结构便演化成如下图（大多数关系数据库也是提供缓存优化的，但不在本文讨论范围内）：
在这个阶段，大型的项目（比如百万级以上）往往会利用f5或nginx配合SSO来实现高可用及负载均衡；但业务相关的缓存依旧在本地，并通过策略更新缓存信息（通常是定时）。Local Cache虽然性能极佳，但也有其固有的问题：1、成本昂贵，无法大规模扩展 2、在某个时间段内不同服务器缓存的信息不一致。所以Local Cache 又演化为Centralized Cache ，如下图：
随着互联网的兴起，为满足高并发、大数据、低成本的要求，软件系统架构发生了革命性的变化。即由集中式像分布式服务演化，概要结构如下图：
分布式服务治理+ 集中式缓存可以满足目前绝大多数业务场景的需要，并且由于可选开源产品的丰富使其构建大为简化。但集中式的缓存也有缺点，那就是IO消耗。程序每次访问缓存的时候都会与缓存服务器产生网络通讯（最少也需10ms以上），虽然在多数情况下这种消耗是可以接受的，但在一些极度要求吞吐量和并发量的系统中，任何性能优化都不为过。于是缓存便又演化成混合型（多级缓存），如下图：
使用混合型缓存，可以将少量高频次访问的数据缓存在本地，尽量减少因访问缓存服务而导致的IO开销。
软件系统在使用缓存上从无到有，从简到繁的过程，就是软件系统发展的过程。伴随着互联网的疯狂扩张，软件也会把自己的触角延伸到方方面面。这必然会带来更多的问题，更复杂的环境及更多的解决方案。
