有感于Web应用的缓存设计模式这篇文章里面的缓存使用设计。
其实缓存方面确实可以大做文章，看看这位大牛的理念
- 以减少数据库服务器磁盘IO为最终目的，而不是减少发送到数据库的SQL条数。实际上使用ORM，会显著增加SQL条数，有时候会成倍增加SQL。
- 数据库schema设计的取向是尽量设计 细颗粒度 的表，表和表之间用外键关联，颗粒度越细，缓存对象的单位越小，缓存的应用场景越广泛
- 尽量避免多表关联查询，尽量拆成多个表单独的主键查询，尽量多制造
n + 1条查询，不要害怕“臭名昭著”的n + 1问题，实际上n + 1才能有效利用ORM缓存
拆分n+1条查询的方式，看起来似乎非常违反大家的直觉，但实际上这是真理，我实践经验证明：数据库服务器的瓶颈往往是磁盘IO，而不是SQL并发数量。因此 拆分n+1条查询本质上是以增加n条SQL语句为代价，简化复杂SQL，换取数据库服务器磁盘IO的降低 当然这样做以后，对于ORM来说，有额外的好处，就是可以高效的使用缓存了。
这里我看到了这样的一个新概念，就是“数据库的瓶颈往往是磁盘IO，而不是SQL的并发数量”；这个说法我也不知道是否正确的，没有经历过百万千万数据级别的研究与维护；不过可以学习一下。
确实如同该博主所说，对于一个没有太多访问量的网站有些过度设计，不过如果用户或数据量突然飙升情况下可以以较少的代码更改，实现更高的承载力；当然了，在网站最初设计时，这些因素也应当考虑进去；之前我做的mpf就是没有考虑这些问题，导致高峰时期（1w+ 并发）都访问一个专题页面内容，而次次几乎都会读取数据库服务器，差点导致宕机，后来对于专题内呈现的非动态数据内容都进行了memcached缓存，这样应该好多了。
从数据读取已经ORM有效性来说，最小化schema表设计确实很有效果
1、主键查询mysql表会buffer数据缓存。
2、ORM关系很透明明了
3、ORM model对象可以直接进行数据缓存（目前公司有一个项目就是如此）
如一个微博系统，微博一张表，微博附属信息一张表，微博插入的音乐，图像，视频，评论登录都是独立一张表，全部用id与微博主表关联起来。
按照column拆表实现细粒度对象缓存
数据库的瓶颈往往在磁盘IO上，所以应该尽量避免对大表的扫描。传统的拆表是按照row去拆分，保持表的体积不会过大，但是缺点是造成应用代码复杂度很高；使用ORM缓存的办法，则是按照column进行拆表，原则一般是：
- 将大字段拆分出来，放在一个单独的表里面，表只有主键和大字段，外键放在主表当中
- 将不参与where条件和统计查询的字段拆分出来，放在独立的表中，外键放在主表当中
按照column拆表本质上是一个去关系化的过程。主表只保留参与关系运算的字段，将非关系型的字段剥离到关联表当中，关联表仅允许主键查询，以Key-Value DB的方式来访问。因此这种缓存设计模式本质上是一种SQLDB和NoSQLDB的混合架构设计
数据库设计分表这个应该很常见了，常用字段一个表，非常用字段可以另一个表；同时大数据字段单独一表。
数据一致性问题
使用缓存，必须要考虑数据一致性问题。写入保持同步即可，在读取时需要首先检索cache里面有没有这样的数据，有着读取，无则读取数据并写入缓存；
主要麻烦的地方就是在于update与delete，在原数据信息更新时，缓存数据也必须更新了，否则数据会不一致。不论是内存缓存还是文件脚本缓存或是html页面缓存都是这样的。区别在于是程序主动更新还是用户访问的被动更新。
有些开源cms 采用的就是用户被动访问更新，有人访问；采取cache中去读取更新。不过我更喜欢程序主动更新。如上文博主采用的以文章update更新时间+id作为key来存储缓存信息，在文章原数据update之后，update更新时间一定会被修改，那么读取时cache中就没有了这样的文章内容了，但是原来的文章数据缓存还是存在的，只能等待cache服务器进行自动抛弃更新。这样的话cache中就可能会多很多冗余数据了，对于cache服务器检索查询一定有影响吧。
我的选择就是在文章数据更新时直接update cache或者是不update cache 但是一定把原文章 cache数据清除掉。
在用户删除文章时，先对cache里面的数据进行清除，然后进行数据库的原数据删除。
今天抽空把daynote.sinaapp.com 中的markdown转换后的数据那一层进行缓存，缓存时间是7200s，对于此类非公开的私密日记。用户访问查看后一般都会选择离开，不会时时刻刻进行刷新数据请求，7200s数据缓存搓搓有余了。
原先的xhzd.sinaapp.com也是使用大量的memcache缓存，其中列表都使用了；但是考虑到sae上面的memcache额度，字详细那一块没有缓存。目前几乎没什么访问量，也就没有进行缓存操作了。如果访问量大，那么可以把几乎整个字典都存入了缓存了。
SAE上面使用memcache的方法请看这里