深度思考：缓存应该在Service里，还是应该存放在Controller里，为什么？

放在services层，复用高，易管理。因为一般的web是不会controller对缓存这层做直接控制的

放在Service

好处：统一管理，复用性高，controller层不需要理会数据是从缓存中获取还是从mysql中获取，controller完全解放出来了。

不好处：没法对单个controller进行控制了，controller失去了对缓存的控制权。

放在Controller

好处：可以单个Controller进行控制，每个controller中有各自对数据的键，以及缓存时间等。

不好处：每个controller需要写一份几乎一模一样的代码，很繁琐。即使你写一个公共的方法，那也要在各个地方写上这个公共方法，属于重复工作了。

深度思考：什么样的数据适合存在缓存中？缓存的淘汰算法有哪些？

缓存淘汰算法

不可能实现的算法 OPT

OPT（OPTimal Replacement，OPT）算法，其所选择的被淘汰的数据将是以后永不使用的，或是在最长（未来）时间内不再被访问的数据。

未来发生的事情是无法预测的，所以该算法从根本上来说是无法实现的，OPT算法对于内存缓存来说，能够提供最高的cache命中（cache hite）率，通过OPT算法也可以衡量其他缓存淘汰的算法的优劣。

无脑算法 FIFO

FIFO（First Input First Output，FIFO）算法算是一种很无脑的淘汰算法，实现起来也很简单，即每次淘汰最先被缓存的数据。

FIFO算法很少会应用在实际项目中，因为该算法并未考虑数据的 “热度”，一般来说，应该是越热的数据越应该晚点淘汰出去，而FIFO算法并未考虑到这一点，所以，该算法的cache命中率一般会比较低。

常见算法 LRU

LRU（Least Recently Used，LRU）算法根据数据的历史访问记录来进行淘汰数据，其核心思想是“如果数据最近被访问过，那么将来被访问的几率也更高”。

LRU最友好的数据模型为具有时间局部性的请求队列，每访问一个已缓存的节点，就将该节点转移到队列头部，每次淘汰时，以此淘汰队列尾部节点，示意图如下：

采用队列实现的话，每转移一个节点，都需要遍历该队列，为了提高查找效率，通常会采用Hashmap+双向链表来实现LRU算法。

当存在热点数据时，LRU的缓存命中率比较高，但是由于未考虑频率因素，偶发性的、周期性的批量操作时缓存效果较差，缓存污染严重。

为了解决LRU算法未考虑频率因素的问题，人们在此基础上又提出了LRU-K算法，其中，K代表最近使用的次数，因此LRU可以认为是LRU-1算法，其核心思想是将 “最近使用过1次”的判断标准扩展为“最近使用过K次”。

相比LRU，LRU-K需要多维护一个访问历史队列，用于记录所有缓存数据被访问的历史。只有当数据的访问次数达到K次的时候，才将数据放入缓存。当需要淘汰数据时，LRU-K会淘汰第K次访问时间距当前时间最大的数据。

LRU-K算法不仅具有LRU算法的优点，而且LRU-K算法将LRU算法的“访问1次”扩展为“访问K次”，弥补了LRU算法未考虑频率因素的缺点，实际应用中LRU-2是综合各种因素后最优的选择，LRU-3或者采用更大的K值，缓存命中率会增高，但适应性会变差，因为随着K值得增大，需要大量的数据访问才能将历史访问记录清除；同时，LRU-K算法需要维护一个历史访问队列，因此内存消耗也会增加，同时，LRU-K需要将缓存队列的中元素按照访问时间排序，以方便淘汰访问时间最久的元素，所以，该算法也需要额外的O(logN)时间复杂度。

进阶算法 2Q

2Q（Two Queues）算法和LRU-2类似，不同点在于2Q将LRU-2算法中的访问历史队列改为一个FIFO缓存队列，即2Q算法有两个缓存队列：一个是FIFO队列，一个是LRU队列。

当数据第一次访问时，2Q算法将数据缓存在FIFO队列里面，当数据第二次被访问时，则将数据从FIFO队列移到LRU队列里面，两个队列各自按照自己的方法淘汰数据，示意图如下：

2Q算法和LRU-2算法缺点类似，由于维护了两个缓存队列，内存消耗会增加，但是2Q算法的时间复杂度优化到了O(1)。

和LRU-K算法类似，MQ（Muti Queue）是2Q算法的拓展算法，MQ算法将按照数据的访问频率划分成多个队列，不同的队列具有不同的访问优先级，MQ算法总数优先缓存访问次数最多的数据，随着数据的访问频率越高，其所处的队列优先级也越高，当数据从最高优先级访问队列中淘汰出去之后，会重新加入到第一级的访问队列中，以此类推。

但是MQ算法需要维护多个优先级队列以及缓存数据，内存消耗比较大。

进阶算法 LIRS

LRU算法是应用范围很广的cache淘汰算法，但是该算法存在以下几个缺点：

对冷数据突发性访问抵抗能力差，可能会因此淘汰掉热的文件；

对于大量数据的循环访问抵抗能力查，极端情况下可能会出现命中率0%；

不能按照数据的访问概率进行淘汰；

可以说其主要缺点是第三条，其他缺点，都是由于该确定所导致的，所以，在LRU的基础上，又有了LRU-K、2Q、MQ等各种衍生算法，但是这些算法由于要多维护几个缓存队列，会消耗更多的内存资源，为了解决上述的所有问题，后面又提出了一种LIRS缓存淘汰算法。

LIRS算法中，对于每一个缓存数据块，都维护了以下两个变量来衡量数据的访问频率：IRR(Inter-Reference Recency)和R（Recency），IRR为一个数据块最近两次访问期间，有多少个不同的数据块被访问过，当数据块第一次被访问时，IRR初始化为无穷大（inf）