【分布式】分布式缓存

优点	明细
提高性能：	分布式缓存可以将数据缓存在离用户更近的地方，减少网络延迟，`提高响应速度`。通过缓存数据，可以大大减少对数据库等后端存储系统的访问，从而`减轻后端系统负载`。
提高可扩展性：	分布式缓存可以通过添加更多的缓存服务器来扩展存储容量和处理能力。当用户请求量增加时，`可以添加更多的缓存节点以应对高并发的需求`。
提高可靠性：	分布式缓存通常具有高可用性和容错性。如果某个缓存节点出现故障，可以通过复制或者分片等方式来`保证数据的可靠性和可用性`。
提高可管理性：	分布式缓存可以提供一些管理工具和接口，方便管理员监控和管理缓存系统。`可以进行缓存的监控、调整和扩容等操作`。
提供更灵活的数据访问模式：	分布式缓存可以`支持不同的数据访问模式`，如读写分离、数据分片和负载均衡等。这样可以更好地满足不同业务场景下的需求。

示例：

假设有一个电商网站，用户访问频繁而且数据量庞大。使用单体缓存时，如果单个缓存节点的性能达到极限，无法满足用户的访问需求，无法扩展缓存容量，导致系统性能下降。而使用分布式缓存，可以通过增加缓存节点来扩展缓存容量和性能，从而提供更好的用户体验。此外，分布式缓存还可以提供更高的可用性，即使其中一个节点发生故障，仍然可以通过其他节点提供缓存服务，保证系统的稳定运行。

方案	特点	适用场景
Redis	- 快速读写性能 - 多种数据结构支持 - 支持数据持久化和集群架构	- 高并发读写场景 - 缓存存储和计算结果缓存
Memcached	- 高速的读写性能 - 简单的分布式部署方式 - 不支持数据持久化和集群架构	- 简单的键值对缓存需求
Hazelcast	- 分布式内存数据网格 - 支持分布式 Map、队列和锁 - 支持自动故障转移和数据复制	- 分布式缓存和分布式数据存储需求
Apache Ignite	- 内存计算平台 - 支持分布式缓存、数据库和计算 - 分布式数据结构、查询和事务支持	- 多种分布式计算需求 - 需要持久化存储和高可用性
Couchbase	- 面向文档的分布式数据库 - 高性能的读写能力 - 支持数据持久化和集群架构	- 文档型数据缓存需求 - 需要复杂数据模型支持