memcached 是怎么工作的？
Memcached
的神奇来自两阶段哈希（
two-stage hash
）。
Memcached
就像一个巨大的、存储了很多
<key,value>
对的哈希表。通过
key
，可以存储或查询任意的数据。
客户端可以把数据存储在多台
memcached
上。当查询数据时，客户端首先参考节点列表计算出
key
的哈希值（阶段一哈希），进而选中一个节点；客户端将请求发送给选中的节点，然后
memcached
节点通过一个内部的哈希算法（阶段二哈希），查找真正的数据（
item
）。
举个列子，假设有
3
个客户端
1, 2, 3
，
3
台
memcached A, B, C
：
Client 1
想把数据
”barbaz”
以
key “foo”
存储。
Client 1
首先参考节点列表（
A, B, C
），计算
key“foo”
的哈希值，假设
memcached B
被选中。接着，
Client 1
直接
connect
到
memcached B
，通过
key “foo”
把数据
”barbaz”
存储进去。
Client 2
使用与
Client 1
相同的客户端库（意味着阶段一的哈希算法相同），也拥有同样的
memcached
列表（
A, B, C
）。
于是，经过相同的哈希计算（阶段一），
Client 2
计算出
key “foo”
在
memcached B
上，然后它直接请求
memcached B
，得到数据
”barbaz”
。
各种客户端在
memcached
中数据的存储形式是不同的（
perl Storable, php serialize, javahibernate, JSON
等）。一些客户端实现的哈希算法也不一样。但是，
memcached
服务器端的行为总是一致的。
最后，从实现的角度看，
memcached
是一个非阻塞的、基于事件的服务器程序。这种架构可以很好地解决
C10K problem
，并具有极佳的可扩展性。
可以参考
A Story of Caching
，这篇文章简单解释了客户端与
memcached
是如何交互的。
memcached 最大的优势是什么？
请仔细阅读上面的问题（即
memcached
是如何工作的）。
Memcached
最大的好处就是它带来了极佳的水平可扩展性，特别是在一个巨大的系统中。由于客户端自己做了一次哈希，那么我们很容易增加大量
memcached
到集群中。
memcached
之间没有相互通信，因此不会增加
memcached
的负载；没有多播协议，不会网络通信量爆炸（
implode
）。
memcached
的集群很好用。内存不够了？增加几台
memcached
吧；
CPU
不够用了？再增加几台吧；有多余的内存？在增加几台吧，不要浪费了。
基于
memcached
的基本原则，可以相当轻松地构建出不同类型的缓存架构。除了这篇
FAQ
，在其他地方很容易找到详细资料的。
看看下面的几个问题吧，它们在
memcached
、服务器的
local cache
和
MySQL
的
querycache
之间做了比较。这几个问题会让您有更全面的认识。
memcached 和 MySQL 的 query cache 相比，有什么优缺点？
把
memcached
引入应用中，还是需要不少工作量的。
MySQL
有个使用方便的
querycache
，可以自动地缓存
SQL
查询的结果，被缓存的
SQL
查询可以被反复地快速执行。
Memcached
与之相比，怎么样呢？
MySQL
的
query cache
是集中式的，连接到该
querycache
的
MySQL
服务器都会受益。
*
当您修改表时，
MySQL
的
query cache
会立刻被刷新（
flush
）。存储一个
memcached item
只需要很少的时间，但是当写操作很频繁时，
MySQL
的
query cache
会经常让所有缓存数据都失效。
*
在多核
CPU
上，
MySQL
的
query cache
会遇到扩展问题（
scalability issues
）。在多核
CPU
上，
query cache
会增加一个全局锁（
global lock
）
,
由于需要刷新更多的缓存数据，速度会变得更慢。
*
在
MySQL
的
query cache
中，我们是不能存储任意的数据的（只能是
SQL
查询结果）。而利用
memcached
，我们可以搭建出各种高效的缓存。比如，可以执行多个独立的查询，构建出一个用户对象（
user object
），然后将用户对象缓存到
memcached
中。而
querycache
是
SQL
语句级别的，不可能做到这一点。在小的网站中，
query cache
会有所帮助，但随着网站规模的增加，
query cache
的弊将大于利。
* query cache
能够利用的内存容量受到
MySQL
服务器空闲内存空间的限制。给数据库服务器增加更多的内存来缓存数据，固然是很好的。但是，有了
memcached
，只要您有空闲的内存，都可以用来增加
memcached
集群的规模，然后您就可以缓存更多的数据。
memcached 和服务器的 local cache（比如 PHP 的 APC、mmap 文件等）相比，有什么优缺点？
首先，
local cache
有许多与上面
(query cache)
相同的问题。
local cache
能够利用的内存容量受到（单台）服务器空闲内存空间的限制。不过，
local cache
有一点比
memcached
和
query cache
都要好，那就是它不但可以存储任意的数据，而且没有网络存取的延迟。
* local cache
的数据查询更快。考虑把
highly common
的数据放在
local cache
中吧。如果每个页面都需要加载一些数量较少的数据，考虑把它们放在
local cached
吧。
* local cache
缺少集体失效（
group invalidation
）的特性。在
memcached
集群中，删除或更新一个
key
会让所有的观察者觉察到。但是在
local cache
中
,
我们只能通知所有的服务器刷新
cache
（很慢，不具扩展性），或者仅仅依赖缓存超时失效机制。
* local cache
面临着严重的内存限制，这一点上面已经提到。
memcached 的 cache 机制是怎样的？
Memcached
主要的
cache
机制是
LRU
（最近最少用）算法
+
超时失效。当您存数据到
memcached
中，可以指定该数据在缓存中可以呆多久
Which is forever, or some time in thefuture
。如果
memcached
的内存不够用了，过期的
slabs
会优先被替换，接着就轮到最老的未被使用的
slabs
。
memcached 如何实现冗余机制？
Memcached
应该是应用的缓存层。它的设计本身就不带有任何冗余机制。如果一个
memcached
节点失去了所有数据，您应该可以从数据源（比如数据库）再次获取到数据。您应该特别注意，您的应用应该可以容忍节点的失效。不要写一些糟糕的查询代码，寄希望于
memcached
来保证一切！
如果您担心节点失效会大大加重数据库的负担，那么您可以采取一些办法。比如您可以增加更多的节点（来减少丢失一个节点的影响），热备节点（在其他节点
down
了的时候接管
IP
），等等。
memcached 如何处理容错的？
在
memcached
节点失效的情况下，集群没有必要做任何容错处理。如果发生了节点失效，应对的措施完全取决于用户。节点失效时，下面列出几种方案供您选择：
*
忽略它！在失效节点被恢复或替换之前，还有很多其他节点可以应对节点失效带来的影响。
*
把失效的节点从节点列表中移除。做这个操作千万要小心！在默认情况下（余数式哈希算法），客户端添加或移除节点，会导致所有的缓存数据不可用！因为哈希参照的节点列表变化了，大部分
key
会因为哈希值的改变而被映射到（与原来）不同的节点上。
*
启动热备节点，接管失效节点所占用的
IP
。这样可以防止哈希紊乱（
hashing chaos
）。
*
如果希望添加和移除节点，而不影响原先的哈希结果，可以使用一致性哈希算法（
consistent hashing
）。您可以百度一下一致性哈希算法。支持一致性哈希的客户端已经很成熟，而且被广泛使用。去尝试一下吧！
*
两次哈希（
reshing
）。当客户端存取数据时，如果发现一个节点
down
了，就再做一次哈希（哈希算法与前一次不同），重新选择另一个节点（需要注意的时，客户端并没有把
down
的节点从节点列表中移除，下次还是有可能先哈希到它）。如果某个节点时好时坏，两次哈希的方法就有风险了，好的节点和坏的节点上都可能存在脏数据（
stale data
）。
如何将 memcached 中 item 批量导入导出？
Memcached
是一个非阻塞的服务器。任何可能导致
memcached
暂停或瞬时拒绝服务的操作都应该值得深思熟虑。向
memcached
中批量导入数据往往不是您真正想要的！想象看，如果缓存数据在导出导入之间发生了变化，您就需要处理脏数据了；如果缓存数据在导出导入之间过期了，您又怎么处理这些数据呢？
因此，批量导出导入数据并不像您想象中的那么有用。不过在一个场景倒是很有用。如果您有大量的从不变化的数据，并且希望缓存很快热（
warm
）起来，批量导入缓存数据是很有帮助的。虽然这个场景并不典型，但却经常发生，因此我们会考虑在将来实现批量导出导入的功能。
我需要把 memcached 中的 item 批量导出导入，怎么办？
好吧好吧。如果您需要批量导出导入，最可能的原因一般是重新生成缓存数据需要消耗很长的时间，或者数据库坏了让您饱受痛苦。
如果一个
memcached
节点
down
了让您很痛苦，那么您还会陷入其他很多麻烦。您的系统太脆弱了。您需要做一些优化工作。比如处理
”
惊群
”
问题（比如
memcached
节点都失效了，反复的查询让您的数据库不堪重负
…
这个问题在
FAQ
的其他提到过），或者优化不好的查询。记住，
Memcached
并不是您逃避优化查询的借口。
如果您的麻烦仅仅是重新生成缓存数据需要消耗很长时间（
15
秒到超过
5
分钟），您可以考虑重新使用数据库。这里给出一些提示：
*
使用
MogileFS
（或者
CouchDB
等类似的软件）在存储
item
。把
item
计算出来并
dump
到磁盘上。
MogileFS
可以很方便地覆写
item
，并提供快速地访问。您甚至可以把
MogileFS
中的
item
缓存在
memcached
中，这样可以加快读取速度。
MogileFS+Memcached
的组合可以加快缓存不命中时的响应速度，提高网站的可用性。
*
重新使用
MySQL
。
MySQL
的
InnoDB
主键查询的速度非常快。如果大部分缓存数据都可以放到
VARCHAR
字段中，那么主键查询的性能将更好。从
memcached
中按
key
查询几乎等价于
MySQL
的主键查询：将
key
哈希到
64-bit
的整数，然后将数据存储到
MySQL
中。您可以把原始（不做哈希）的
key
存储都普通的字段中，然后建立二级索引来加快查询
…key
被动地失效，批量删除失效的
key
，等等。
上面的方法都可以引入
memcached
，在重启
memcached
的时候仍然提供很好的性能。由于您不需要当心
”hot”
的
item
被
memcached LRU
算法突然淘汰，用户再也不用花几分钟来等待重新生成缓存数据（当缓存数据突然从内存中消失时），因此上面的方法可以全面提高性能。
memcached 是如何做身份验证的？
memcached
是运行在应用下层的软件（身份验证应该是应用上层的职责）。
memcached
的客户端和服务器端之所以是轻量级的，部分原因就是完全没有实现身份验证机制。这样，
memcached
可以很快地创建新连接，服务器端也无需任何配置。
如果您希望限制访问，您可以使用防火墙，或者让
memcached
监听
unix domain socket
。
memcached 的多线程是什么？如何使用它们？
在
Steven Grimm
和
Facebook
的努力下，
memcached 1.2
及更高版本拥有了多线程模式。多线程模式允许
memcached
能够充分利用多个
CPU
，并在
CPU
之间共享所有的缓存数据。
memcached
使用一种简单的锁机制来保证数据更新操作的互斥。相比在同一个物理机器上运行多个
memcached
实例，这种方式能够更有效地处理
multi gets
。
如果您的系统负载并不重，也许您不需要启用多线程工作模式。如果您在运行一个拥有大规模硬件的、庞大的网站，您将会看到多线程的好处。
简单地总结一下：命令解析（
memcached
在这里花了大部分时间）可以运行在多线程模式下。
memcached
内部对数据的操作是基于很多全局锁的（因此这部分工作不是多线程的）。未来对多线程模式的改进，将移除大量的全局锁，提高
memcached
在负载极高的场景下的性能。
memcached 能接受的 key 的最大长度是多少？
key
的最大长度是
250
个字符。需要注意的是，
250
是
memcached
服务器端内部的限制，如果您使用的客户端支持
”key
的前缀
”
或类似特性，那么
key
（前缀
+
原始
key
）的最大长度是可以超过
250
个字符的。我们推荐使用使用较短的
key
，因为可以节省内存和带宽。
memcached 对 item 的过期时间有什么限制？
过期时间最大可以达到
30
天。
memcached
把传入的过期时间（时间段）解释成时间点后，一旦到了这个时间点，
memcached
就把
item
置为失效状态。这是一个简单但
obscure
的机制。
memcached 最大能存储多大的单个 item？
1MB
。如果你的数据大于
1MB
，可以考虑在客户端压缩或拆分到多个
key
中。
为什么单个 item 的大小被限制在 1M byte 之内？
详细的回答：
Memcached
的内存存储引擎（引擎将来可插拔
…
），使用
slabs
来管理内存。内存被分成大小不等的
slabs chunks
（先分成大小相等的
slabs
，然后每个
slab
被分成大小相等
chunks
，不同
slab
的
chunk
大小是不相等的）。
chunk
的大小依次从一个最小数开始，按某个因子增长，直到达到最大的可能值。
如果最小值为
400B
，最大值是
1MB
，因子是
1.20
，各个
slab
的
chunk
的大小依次是：
slab1 – 400B slab2 – 480B slab3 – 576B …
slab
中
chunk
越大，它和前面的
slab
之间的间隙就越大。因此，最大值越大，内存利用率越低。
Memcached
必须为每个
slab
预先分配内存，因此如果设置了较小的因子和较大的最大值，会需要更多的内存。
还有其他原因使得您不要这样向
memcached
中存取很大的数据
…
不要尝试把巨大的网页放到
mencached
中。把这样大的数据结构
load
和
unpack
到内存中需要花费很长的时间，从而导致您的网站性能反而不好。
如果您确实需要存储大于
1MB
的数据，你可以修改
slabs.c:POWER_BLOCK
的值，然后重新编译
memcached
；或者使用低效的
malloc/free
。其他的建议包括数据库、
MogileFS
等。
我可以在不同的
memcached
节点上使用大小不等的缓存空间吗？这么做之后，
memcached
能够更有效地使用内存吗？
Memcache
客户端仅根据哈希算法来决定将某个
key
存储在哪个节点上，而不考虑节点的内存大小。因此，您可以在不同的节点上使用大小不等的缓存。但是一般都是这样做的：拥有较多内存的节点上可以运行多个
memcached
实例，每个实例使用的内存跟其他节点上的实例相同。
