C++ 缓存：Redis、Memcached 及内置解决方案：从入门到精通

轻松学习Python，无需理论负担。在浏览器中直接解决带自动检查的实践任务，无需安装任何东西。

引言：为什么 C++ 需要缓存？

在现代高负载软件中，数据访问速度至关重要。无论是处理数百万请求的 Web 服务器，还是高频交易终端——每一次多余的数据库查询或慢速磁盘访问都可能成为瓶颈。此时，缓存技术便应运而生——它将频繁请求的数据存储在高速内存（RAM）中，以便后续即时访问。

C++ 语言为开发者构建高效缓存系统提供了独特的能力：从精细的内存控制到使用强大的外部工具。在本文中，我们将从简单的内置解决方案逐步深入到 Redis 和 Memcached 等工业级系统，并分析何时以及如何选择合适的方法。

您将了解到：

如何在不使用第三方库的情况下在 C++ 中实现简单缓存。
如何连接并使用 Redis 和 Memcached。
每种方法的性能对比及应用场景。

内置解决方案：用 C++ 实现自己的缓存

在连接外部服务之前，有必要了解对于许多任务而言，内置缓存已经足够。其主要优势包括：零网络延迟、部署简单以及对数据的完全控制。

基于 std::unordered_map 的最简缓存

最基本的方案是使用关联数组。然而，它没有数据淘汰机制（eviction policy），会无限增长，可能导致内存溢出。

#include <unordered_map>#include <string>

class SimpleCache {    std::unordered_map<std::string, std::string> cache_;public:    void put(const std::string& key, const std::string& value) {        cache_[key] = value;    }    std::string get(const std::string& key) {        auto it = cache_.find(key);        if (it != cache_.end()) {            return it->second;        }        return ""; // 或抛出异常    }};

LRU 缓存（最近最少使用）

更高级的解决方案是 LRU 缓存，它在达到容量限制时删除最近最少使用的元素。实现需要结合哈希表和双向链表。

#include <list>#include <unordered_map>

template<typename K, typename V>class LRUCache {    size_t capacity_;    std::list<std::pair<K, V>> items_;    std::unordered_map<K, typename std::list<std::pair<K, V>>::iterator> cache_;

public:    LRUCache(size_t cap) : capacity_(cap) {}

    V get(const K& key) {        auto it = cache_.find(key);        if (it == cache_.end()) {            throw std::runtime_error("Key not found");        }        items_.splice(items_.begin(), items_, it->second);        return it->second->second;    }

    void put(const K& key, const V& value) {        auto it = cache_.find(key);        if (it != cache_.end()) {            it->second->second = value;            items_.splice(items_.begin(), items_, it->second);            return;        }        if (items_.size() == capacity_) {            auto last = items_.back();            cache_.erase(last.first);            items_.pop_back();        }        items_.emplace_front(key, value);        cache_[key] = items_.begin();    }};

这种缓存在单进程环境中非常理想，此时数据仅属于该进程且无需同步。