方法级应用层缓存推荐的比较研究

性能与可扩展性需求在大多数大规模软件应用中具有基础性作用。为满足此类需求，常在多个层级与基础设施层使用缓存。应用层缓存——或称记忆化（memoization）——是一种在应用边界内日益广泛使用的缓存形式，其将计算结果存入内存以避免重复计算。这通常由开发者手动完成，他们在代码中识别缓存机会并编写额外代码来管理缓存内容。识别缓存机会是一项挑战，因为这需要分析工作负载以及可行且有益于缓存对象代码位置。为辅助开发者完成该任务，已有方法可自动识别可缓存方法。尽管这些方法已分别得到评估，但其有效性尚未被比较。因此，本文提出一项实证评估，使用七个开源 Web 应用，比较两种现有方法级应用层缓存方法（即 APLCache 与 MemoizeIt）所给出的方法推荐。我们分析了每种方法的推荐结果，以及其有效缓存推荐所带来的命中、未命中与吞吐量。结果表明，两种方法的有效性在很大程度上取决于具体应用、无效推荐的存在以及额外配置（如生存时间）。通过检视所得结果，我们观察到每种方法的推荐在哪些情况下失败与成功，由此推导出七条经验教训，为未来支持开发者采用此类缓存的方法提供方向。