一种优化分布式缓存的方法和装置与流程

本发明涉及计算机技术领域，尤其涉及一种优化分布式缓存的方法和装置。

背景技术：

缓存的目的主要有以下两方面：

1)提升性能：a)绝大多数情况下，sql中的select语句是出现性能问题最大的地方。一方面，select语句会有很多像join、group、order、like等这样丰富的语义，而这些语义是非常耗性能的；另一方面，大多数应用都是读多写少，所以加剧了慢查询的问题；b)分布式系统中远程调用也会降低系统性能，因为有网络开销，会导致整体的响应时间延长。为了节省这样的性能开销，在业务允许的情况(不需要太实时的数据)下，使用缓存是非常有必要。

2)缓解数据库压力:当用户请求增多时，数据库的压力将大大增加，通过缓存能够大大降低数据库的压力。

分布式缓存是缓存中的一种，它使得进程间可以共享数据，增加了网络存取成本，降低了内存的使用量，是分布式系统中必不可少的模块，并且已经成为了高并发高性能架构的一个关键组件。

磁盘相对cpu的高速缓存和内存来说，是一种慢输入输出(io)设备，磁盘io消耗在整个请求响应占比最大，特别是io密集型计算和高并发情况下。为了提升效率和相应瞬时峰值，大部分系统会选择先将处理过程数据保存在内存缓冲区，异步再进行写入磁盘的操作。当内存缓冲区满时，需要等待落盘过程完成。

目前，绝大多数系统都是使用内存对频繁使用的数据进行缓存，内存的大小决定了缓存的数据量。分布式系统的缓存数据范围越来越广，往往不只是本地数据库数据，还会包括大量的远程调用数据，特别是大数据的应用。缓存的数据量最终定会超出内存量，主流的缓存中间件会采用落盘或清理长期不使用的缓存等策略来避免内存堆栈溢出，这其实也是服务降级的保护机制。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

redis是一个key-value存储系统。为了保证效率，数据都是缓存在内存中。redis会周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件，保证掉电重启后缓存能从磁盘文件恢复。

memcached是一种基于内存的key-value存储，用来存储小块的任意数据(字符串、对象)。这些数据可以是数据库调用、接口调用或者是页面渲染的结果。与redis不同的是，它不支持持久化，也就是掉电重启后缓存不会恢复。

分布式系统的缓存数据量需求非常大，寻求利益最大化，不能依赖于增加物理内存来达到目的。如果要提升缓存的性能，势必要采用磁盘落盘的方式来解决成本问题，毕竟磁盘成本远低于内存。如果要缓解数据库压力，势必要解决使用了磁盘之后的性能下降问题。

但是，memcached本身不支持数据持久化，掉电缓存即丢失，注定不能实现缓存的长时效。redis采用数据落盘的策略，解决了缓存数据量超出物理内存限制的问题，也解决了长时效问题，但是存在服务降级时性能会下降的问题。

技术实现要素：

有鉴于此，本发明实施例提供一种优化分布式缓存的方法和装置，以解决在大数据量和长时效需求下缓存降级策略带来的性能下降的技术问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种优化分布式缓存的方法，包括：

若一级缓存达到最大数据量或者当前时间到达第一缓存的清洗时间，则将所述一级缓存内的部分缓存数据存入二级缓存；

将所述部分缓存数据在所述一级缓存中的value值修改为所述部分缓存数据在所述二级缓存中的key值。

可选地，所述一级缓存为内存型缓存，所述二级缓存为文档型缓存。

可选地，所述内存型缓存为redis或者memcached，所述文档型缓存为mongodb、cassandra或elasticsearch。

可选地，一级缓存达到最大数据量，包括：

一级缓存中的缓存数据达到最大个数，或者，一级缓存的已存储空间达到最大存储空间。

可选地，将所述一级缓存内的部分缓存数据存入二级缓存，包括：

分别计算所述一级缓存内的各个缓存数据的命中率；

将命中率小于预设频率阈值的缓存数据存入二级缓存。

可选地，还包括：

接收并解析业务请求，得到key值；

根据所述key值从所述一级缓存中获取所述key值对应的value值；

若所述一级缓存中的value值为所述二级缓存中的key值，则从所述二级缓存中获取所述key值对应的value值，并返回所述二级缓存中的value值；

否则，直接返回所述一级缓存中的value值。

另外，根据本发明实施例的另一个方面，提供了一种优化分布式缓存的装置，包括：

缓存模块，用于若一级缓存达到最大数据量或者当前时间到达第一缓存的清洗时间，则将所述一级缓存内的部分缓存数据存入二级缓存；

优化模块，用于将所述部分缓存数据在所述一级缓存中的value值修改为所述部分缓存数据在所述二级缓存中的key值。

可选地，所述一级缓存为内存型缓存，所述二级缓存为文档型缓存。

可选地，所述内存型缓存为redis或者memcached，所述文档型缓存为mongodb、cassandra或elasticsearch。

可选地，一级缓存达到最大数据量，包括：

一级缓存中的缓存数据达到最大个数，或者，一级缓存的已存储空间达到最大存储空间。

可选地，所述缓存模块还用于：

分别计算所述一级缓存内的各个缓存数据的命中率；

将命中率小于预设频率阈值的缓存数据存入二级缓存。

可选地，还包括获取模块，用于：

接收并解析业务请求，得到key值；

根据所述key值从所述一级缓存中获取所述key值对应的value值；

若所述一级缓存中的value值为所述二级缓存中的key值，则从所述二级缓存中获取所述key值对应的value值，并返回所述二级缓存中的value值；

否则，直接返回所述一级缓存中的value值。

根据本发明实施例的另一个方面，还提供了一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。

根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。

上述发明中的一个实施例具有如下优点或有益效果：因为采用将一级缓存内的部分缓存数据存入二级缓存，并将所述部分缓存数据在一级缓存中的value值修改为所述部分缓存数据在二级缓存中的key值的技术手段，所以克服了现有技术中在大数据量和长时效需求下缓存降级策略带来的性能下降的技术问题。本发明实施例对缓存分层，内存型缓存作为一级缓存，文档型缓存作为二级缓存。将本地落盘变成分布式落盘，提高落盘效率并保证检索速度。同时，分离了一级缓存和二级缓存的计算资源，命中一级缓存只在内存型缓存检索，命中二级缓存主要计算在文档型缓存，避免在同一节点进行密集计算。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的优化分布式缓存的方法的主要流程的示意图；

图2是实现本发明实施例的优化分布式缓存的方法的架构示意图；

图3是根据本发明一个可参考实施例的优化分布式缓存的方法的主要流程的示意图；

图4是根据本发明另一个可参考实施例的优化分布式缓存的方法的主要流程的示意图；

图5是根据本发明实施例的优化分布式缓存的装置的主要模块的示意图；

图6是本发明实施例可以应用于其中的示例性系统架构图；

图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明实施例的优化分布式缓存的方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述优化分布式缓存的方法可以包括：

步骤101，判断一级缓存是否达到最大数据量或者当前时间是否到达第一缓存的清洗时间；若是，则执行步骤102；若否，则结束。

如图2所示，本发明实施例将缓存分为两层：一级缓存和二级缓存。其中，所述一级缓存为内存型缓存，所述二级缓存为文档型缓存。例如，一级缓存可以使用redis或者memcached等内存型缓存的分布式特性和高效的key-value存储方式；二级缓存可以使用mongodb、cassandra或elasticsearch等文档型数据库进行存储，达到高效的数据检索目标。一级缓存和二级缓存都可以独立部署，并且都支持分布式部署，避免了使用本地落盘、数据同步、磁盘io等待的问题。

可选地，如图2所示，为了实现本发明实施例的优化分布式缓存的方法，可以在业务逻辑层和缓存之间架设缓存存取层，所述缓存存取层执行本发明实施例的缓存优化方法，所述缓存存取层是连接业务逻辑和缓存的桥梁。

可以预先配置一级缓存的最大数据量或者一级缓存的清洗时间，如果一级缓存达到最大数据量或者当前时间是否到达第一缓存的清洗时间，则执行步骤102。在本发明的实施例中，可以以最大数据量或者清洗时间作为是否触发缓存优化条件。

可选地，一级缓存达到最大数据量包括：一级缓存中的缓存数据达到最大个数，或者，一级缓存的已存储空间达到最大存储空间。在本发明的实施例中，可以以一级缓存中已存储的数据个数作为是否达到最大数据量的判断依据，也可以以一级缓存的已存储空间作为是否达到最大存储空间的判断依据。

步骤102，将所述一级缓存内的部分缓存数据存入二级缓存。

如果监控到一级缓存已达到最大数据量或者当前时间到达第一缓存的清洗时间，则将所述一级缓存内的部分缓存数据存入二级缓存中，以释放所述一级缓存的存储空间。否则，这些数据仍然存储在一级缓存中。可选地，在本发明的实施例中，一级缓存中缓存的数据可以是热词搜索结果缓存、系统参数缓存等。

可选地，步骤102可以包括：分别计算所述一级缓存内的各个缓存数据的命中率(比如n次/分)；将命中率小于预设频率阈值的缓存数据存入二级缓存。本发明实施例采用引用计数法，对命中率低的缓存数据进行清洗，将这些命中率低的缓存数据存入二级缓存中。

步骤103，将所述部分缓存数据在所述一级缓存中的value值修改为所述部分缓存数据在所述二级缓存中的key值。

为了保证数据查询时，可以在二级缓存中查询到缓存数据，还需要将所述部分缓存数据在所述一级缓存中的value值修改为所述部分缓存数据在所述二级缓存中的key值。也就是说，在一级缓存写入二级缓存的索引键值。因此，当请求传入时，即使命中的是二级缓存，同样可以通过二级缓存key快速检索到缓存数据。

根据上面所述的各种实施例，可以看出本发明通过将一级缓存内的部分缓存数据存入二级缓存，并将所述部分缓存数据在一级缓存中的value值修改为所述部分缓存数据在二级缓存中的key值的技术手段，解决了现有技术中在大数据量和长时效需求下缓存降级策略带来的性能下降的技术问题。本发明实施例对缓存分层，内存型缓存作为一级缓存，文档型缓存作为二级缓存。将本地落盘变成分布式落盘，提高落盘效率并保证检索速度。同时，分离了一级缓存和二级缓存的计算资源，命中一级缓存只在内存型缓存检索，命中二级缓存主要计算在文档型缓存，避免在同一节点进行密集计算。

图3是根据本发明一个可参考实施例的优化分布式缓存的方法的主要流程的示意图。作为本发明的又一个实施例，如图3所示，所述优化分布式缓存的方法可以包括：

步骤301，判断一级缓存是否达到最大数据量或者当前时间是否到达第一缓存的清洗时间；若是，则执行步骤302；若否，则结束。

本发明实施例将缓存分为两层：一级缓存和二级缓存。其中，所述一级缓存为内存型缓存，所述二级缓存为文档型缓存。一级缓存和二级缓存都可以独立部署，并且都支持分布式部署，避免了使用本地落盘、数据同步、磁盘io等待的问题。

可以预先配置一级缓存的最大数据量或者一级缓存的清洗时间，如果一级缓存达到最大数据量或者当前时间是否到达第一缓存的清洗时间，则执行步骤302。在本发明的实施例中，可以以最大数据量或者清洗时间作为是否触发缓存优化条件。

步骤302，分别计算所述一级缓存内的各个缓存数据的命中率。

步骤303，将命中率小于预设频率阈值的缓存数据存入二级缓存。

本发明实施例采用引用计数法，对命中率低的缓存数据进行清洗，将这些命中率低的缓存数据存入二级缓存中。

如果监控到一级缓存已达到最大数据量或者当前时间到达第一缓存的清洗时间，则将所述一级缓存内的命中率小于预设频率阈值的缓存数据存入二级缓存中。否则，这些数据仍然存储在一级缓存中。可选地，在本发明的实施例中，一级缓存中缓存的数据可以是热词搜索结果缓存、系统参数缓存等。

步骤304，将所述命中率小于预设频率阈值的缓存数据在所述一级缓存中的value值修改为所述部分缓存数据在所述二级缓存中的key值。

为了保证数据查询时，可以在二级缓存中查询到缓存数据，还需要将所述部分缓存数据在所述一级缓存中的value值修改为所述部分缓存数据在所述二级缓存中的key值。也就是说，在一级缓存写入二级缓存的索引键值。因此，当请求传入时，即使命中的是二级缓存，同样可以通过二级缓存key快速检索到缓存数据。

目前的缓存中间件要么没有持久化功能，要么使用本地落盘方式，最终导致服务降级、性能降低。本发明实施例对缓存分层，内存型缓存作为一级缓存，文档型缓存作为二级缓存。将本地落盘变成分布式落盘，提高落盘效率并保证检索速度。同时，分离了一级缓存和二级缓存的计算资源，命中一级缓存只在内存型缓存检索，命中二级缓存主要计算在文档型缓存，避免在同一节点进行密集计算。

在本发明的实施例中，一级缓存的内存型缓存可以使用常见的如redis、memcached等。一级缓存提供的是内存型的缓存，存取速度快，但是有量的限制。二级缓存可以使用mongodb、cassandra或者elasticsearch等，只要能达到用key值可以快速索引到value，并支持分布式部署即可。二级缓存使用文档型缓存，在使用键值搜索索引时，速度也较快，支持海量存储。

另外，在本发明一个可参考实施例中优化分布式缓存的方法的具体实施内容，在上面所述优化分布式缓存的方法中已经详细说明了，故在此重复内容不再说明。

图4是根据本发明另一个可参考实施例的优化分布式缓存的方法的主要流程的示意图。作为本发明的另一个实施例，如图4所示，所述优化分布式缓存的方法可以包括：

步骤401，判断一级缓存是否达到最大数据量或者当前时间是否到达第一缓存的清洗时间；若是，则执行步骤402；若否，则结束。

步骤402，分别计算所述一级缓存内的各个缓存数据的命中率。

步骤403，将命中率小于预设频率阈值的缓存数据存入二级缓存。

步骤404，所述命中率小于预设频率阈值的缓存数据在所述一级缓存中的value值修改为所述部分缓存数据在所述二级缓存中的key值。

步骤405，接收并解析业务请求，得到key值。

当业务请求传入时，对其进行解析，得到请求的入参，从而得到key值。比如，可以通过组装入参的方式得到key值。

步骤406，根据所述key值从所述一级缓存中获取所述key值对应的value值。

步骤407，判断所述一级缓存中的value值是否为所述二级缓存中的key值；若是，则执行步骤408；若否，则执行步骤409。

步骤408，从所述二级缓存中获取所述key值对应的value值，并返回所述二级缓存中的value值。

如果value值为二级缓存中的key值，说明所述key对应的缓存数据已被存到二级缓存中，因此从所述二级缓存中获取key值对应的value值，然后返回所述二级缓存中的value值。因此，当请求传入时，即使命中的是二级缓存，同样可以通过二级缓存key快速检索到缓存数据。

步骤409，直接返回所述一级缓存中的value值。

另外，在本发明另一个可参考实施例中优化分布式缓存的方法的具体实施内容，在上面所述优化分布式缓存的方法中已经详细说明了，故在此重复内容不再说明。

图5是根据本发明实施例的优化分布式缓存的装置的主要模块的示意图，如图5所示，所述优化分布式缓存的装置500包括缓存模块501和优化模块502。其中，缓存模块501用于若一级缓存达到最大数据量或者当前时间到达第一缓存的清洗时间，则将所述一级缓存内的部分缓存数据存入二级缓存；优化模块502用于将所述部分缓存数据在所述一级缓存中的value值修改为所述部分缓存数据在所述二级缓存中的key值。

可选地，所述一级缓存为内存型缓存，所述二级缓存为文档型缓存。

可选地，所述内存型缓存为redis或者memcached，所述文档型缓存为mongodb、cassandra或elasticsearch。

可选地，一级缓存达到最大数据量，包括：

一级缓存中的缓存数据达到最大个数，或者，一级缓存的已存储空间达到最大存储空间。

可选地，所述缓存模块501还用于：

分别计算所述一级缓存内的各个缓存数据的命中率；

将命中率小于预设频率阈值的缓存数据存入二级缓存。

可选地，还包括获取模块503，用于：

接收并解析业务请求，得到key值；

根据所述key值从所述一级缓存中获取所述key值对应的value值；

若所述一级缓存中的value值为所述二级缓存中的key值，则从所述二级缓存中获取所述key值对应的value值，并返回所述二级缓存中的value值；

否则，直接返回所述一级缓存中的value值。

根据上面所述的各种实施例，可以看出本发明通过将一级缓存内的部分缓存数据存入二级缓存，并将所述部分缓存数据在一级缓存中的value值修改为所述部分缓存数据在二级缓存中的key值的技术手段，解决了现有技术中在大数据量和长时效需求下缓存降级策略带来的性能下降的技术问题。本发明实施例对缓存分层，内存型缓存作为一级缓存，文档型缓存作为二级缓存。将本地落盘变成分布式落盘，提高落盘效率并保证检索速度。同时，分离了一级缓存和二级缓存的计算资源，命中一级缓存只在内存型缓存检索，命中二级缓存主要计算在文档型缓存，避免在同一节点进行密集计算。

需要说明的是，在本发明所述优化分布式缓存的装置的具体实施内容，在上面所述优化分布式缓存的方法中已经详细说明了，故在此重复内容不再说明。

图6示出了可以应用本发明实施例的优化分布式缓存的方法或优化分布式缓存的装置的示例性系统架构600。

如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的优化分布式缓存的方法一般由服务器605执行，相应地，所述优化分布式缓存的装置一般设置在服务器605中。

应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(cpu)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储部分708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。

以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、rf等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括缓存模块、优化模块和获取模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：若一级缓存达到最大数据量或者当前时间到达第一缓存的清洗时间，则将所述一级缓存内的部分缓存数据存入二级缓存；将所述部分缓存数据在所述一级缓存中的value值修改为所述部分缓存数据在所述二级缓存中的key。

根据本发明实施例的技术方案，因为采用将一级缓存内的部分缓存数据存入二级缓存，并将所述部分缓存数据在一级缓存中的value值修改为所述部分缓存数据在二级缓存中的key值的技术手段，所以克服了现有技术中在大数据量和长时效需求下缓存降级策略带来的性能下降的技术问题。本发明实施例对缓存分层，内存型缓存作为一级缓存，文档型缓存作为二级缓存。将本地落盘变成分布式落盘，提高落盘效率并保证检索速度。同时，分离了一级缓存和二级缓存的计算资源，命中一级缓存只在内存型缓存检索，命中二级缓存主要计算在文档型缓存，避免在同一节点进行密集计算。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。