接上文。

Cache Money真正牛X的地方是在Vector Cache。在生产环境中，它不仅相对Object Cache命中率较更高，带来的性能飞跃更是可观。

在MoSonic的性能测试中，得到了有10倍的性能提高。

Vector Cache性能恐怖，但它对表结构，查询类型，有相当的严格的要求；列举如下：

• 表必须以自增数字（int / long）id为主键
• 查询的where中必须是 = 等于条件，如where user_id=1
• 多个where条件的话，相互关系必须是And，如where user_id=1 and id_deleted=0
• 查询结果仅能是数据id，如 select id from users where ... 不可以是 select user_name from users where ...
  • 也可以是 select count(*) from users where ...
  • 查询结果支持分页
• 查询结果必须以id排倒序，也就是order by id desc

只有完全符合上面五个条件，Vector Cache才可以生效；幸运的是，在web 2.0网站中，这类结构/查询正好是最常见的。

以博客为例，博客文章列表显示，分类文章数量，评论显示等等，基本都符合上述的查询。

比方说，要获得等级为1的用户时，需要使用下面的两个查询：

• select id from users where level=1
• select * from users where id in (....)

两个查询cache money都可以完全缓存，如果直接使用：

• select * from users where level=1

的话，cache money则会完全失效。

对于两种风格的查询孰优孰劣，可以参考JavaEye老大Robin之前写的：为什么ORM性能比iBATIS好？

=============

因为要求了查询结果必须是id，并且排倒序，Vector Cache实际上是可以做到实时自动更新，而不是自动过期。

考虑这样的调用：

1. select count(id) from photos where album_id=1 order by id desc limit 1, 100
2. select id from photos where album_id=1 order by id desc limit 1, 100
3. insert into photos (album_id)values(1)
4. select count(id) from photos where album_id=1 order by id desc limit 1, 100
5. select id from photos where album_id=1 order by id desc limit 1, 100

显示列表，插入数据，再次显示列表；这是相当典型调用。

第1/2步查询会有缓存（即便是没有缓存，查询之后，缓存也会自动被生成，也就是所谓的直读）。

第3步插入数据时，获得数据库自增的ID后，可以直接将此id追加到第1/2步查询缓存结果中。

第4/5步查询直接命中第3步写数据时更新的缓存；完全无需查询数据库。

在查询、应用场景符合的理想情况下，有了Vector Cache，数据库读可以变成恐怖的0读取。

数据库仅需要承担写压力，100%的读都有Memcache的自动缓存。

这才是Cache Money的Vector Cache带来读性能飞跃的原因。

所有的数据库查询都变成了memcache get；memcache单机时在读能力，并发负荷能力上都要比传统关系型数据库高一个数量级；而且其shared nothing的架构，又可以水平扩张。

在高并发，多机缓存的情况下，可以预料Cache Money带来的读性能提高远不止10倍。

==============

Twitter的工程师对Cache Money的实现相当巧妙，他们针对一个限制多多的场景做到了100%的读缓存；而这个“限制多多”又恰恰是web 2.0网站中的最典型场景。

我在MoSonic中实现Vector Cache时，完全照搬了Cache Money的实现算法；就是C#的代码量比ruby膨胀了几倍。

:)

下篇会继续讲MoSonic对FriendFeed分布式数据库设计的引用。