C++ 中的缓存：Redis、数据层及其他工具

C++ 中的缓存：Redis 及其他用于加速应用程序的工具

缓存是优化 C++ 应用程序性能的关键机制之一。在现代系统中，数据访问速度至关重要（例如 Web 服务器、游戏、高负载后端），配置得当的缓存可以将响应时间缩短数十倍。在本文中，我们将探讨如何使用 Redis 和替代方案（包括内置数据结构）在 C++ 中组织缓存。

为什么需要在 C++ 中进行缓存？

缓存的主要目标是将频繁请求的数据存储在快速存储介质（通常是 RAM）中，以避免重复执行昂贵的操作：数据库查询、计算或网络调用。对于 C++ 来说，这一点尤其重要，因为该语言常用于实时系统和高负载服务。

Redis —— 用于 C++ 的分布式缓存

Redis 是一种内存数据存储，常被用作缓存。有多个成熟的库可用于从 C++ 与 Redis 交互：

• hiredis —— 一个极简的 C 语言库，是 Redis 的官方客户端。轻量级，但需要手动管理内存和严格的类型化。
• redis-plus-plus —— 一个基于 hiredis 的现代 C++17 封装。支持连接池、事务、Redis 集群和异步操作。
• cpp_redis —— 另一个 C++11 库，语法类似 hiredis，但具有更便捷的 API。

连接和基本使用 redis-plus-plus 的示例：

#include <sw/redis++/redis++.h>

using namespace sw::redis;

int main() {    // 连接到 Redis（本地服务器，端口 6379）    auto redis = Redis("tcp://127.0.0.1:6379");

    // 写入缓存并设置 TTL（生存时间 60 秒）    redis.setex("user:123:profile", 60, "{\\"name\\":\\"Alice\\",\\"age\\":30}");

    // 从缓存读取    auto val = redis.get("user:123:profile");    if (val) {        std::cout << "缓存命中: " << *val << std::endl;    } else {        std::cout << "缓存未命中，需要从数据库加载数据" << std::endl;    }

    return 0;}

Redis 的优势：分布式、支持复杂数据结构（列表、哈希、集合）、TTL、发布/订阅。缺点：需要单独的服务器，存在网络延迟（尽管很小）。

C++ 中的内置缓存：LRU 缓存和数据层

如果您不需要分布式系统，可以直接在应用程序中实现缓存。最流行的算法是 LRU（最近最少使用）。它会驱逐最长时间未被使用的数据。

使用 std::unordered_map 和 std::list 在 C++17 中实现简单 LRU 缓存的示例：

#include <unordered_map>#include <list>#include <stdexcept>

template<typename Key, typename Value>class LRUCache {public:    LRUCache(size_t capacity) : capacity_(capacity) {}

    Value get(const Key& key) {        auto it = cache_.find(key);        if (it == cache_.end()) {            throw std::runtime_error("Key not found");        }        // 将元素移动到列表头部（最近使用的）        order_.splice(order_.begin(), order_, it->second.second);        return it->second.first;    }

    void put(const Key& key, const Value& value) {        auto it = cache_.find(key);        if (it != cache_.end()) {            // 更新值并移动到头部            it->second.first = value;            order_.splice(order_.begin(), order_, it->second.second);            return;        }        // 如果缓存已满，删除最后一个元素（LRU）        if (cache_.size() == capacity_) {            auto last = order_.back();            order_.p