my.ini文件中
[wampmysqld]
port =3306
socket =/tmp/mysql.sock
key_buffer_size=16M//改這里
max_allowed_packet=1M
sort_buffer_size=512K
net_buffer_length=8K
read_buffer_size=256K
read_rnd_buffer_size=512K
myisam_sort_buffer_size=8M
PS 如果是安裝版的mysql 你需要改的MY.ini 可能是在
C:ProgramDataMySQLMySQLServer5.7
這個目錄有可能是隱藏的目錄，你可以設置文件夾屬性，顯示所有文件
『貳』 如何設置資料庫緩存
內存資料庫有現成的redis，高效存取鍵值對，鍵設為你的查詢條件，值設為你的查詢結果轉為字元串
查詢時先從redis取，沒有再查資料庫，並且設置redis的過期時間，這種方式需要項目對實時性要求不高，這樣你才能用緩存，而且如果你的項目沒有明顯的熱點，即沒有某些內容確定會多次被查到，那你緩存就不會命中，添加緩存反而影響你得速度
redis是一種nosql的內存資料庫，感興趣你可以了解一下，優點就是性能強勁
數據查詢請求多就把結果緩存下來，你查資料庫再快也沒有直接把結果從內存讀出來快
同樣的sql請求只有第一次查資料庫，之後通通讀內存
或者你乾脆藉助這種思想，創建一個全局的map對象，然後查詢條件作key
，結果作value，就省去了了解redis的過程，把整個資料庫裝內存不太科學，你有多少條數據啊
『叄』 如何保證資料庫緩存的最終一致性
對於互聯網業務來說，傳統的直接訪問資料庫方式，主要通過數據分片、一主多從等方式來扛住讀寫流量，但隨著數據量的積累和流量的激增，僅依賴資料庫來承接所有流量，不僅成本高、效率低、而且還伴隨著穩定性降低的風險。
鑒於大部分業務通常是讀多寫少（讀取頻率遠遠高於更新頻率），甚至存在讀操作數量高出寫操作多個數量級的情況。因此， 在架構設計中，常採用增加緩存層來提高系統的響應能力 ，提升數據讀寫性能、減少資料庫訪問壓力，從而提升業務的穩定性和訪問體驗。
根據 CAP 原理，分布式系統在可用性、一致性和分區容錯性上無法兼得，通常由於分區容錯無法避免，所以一致性和可用性難以同時成立。對於緩存系統來說， 如何保證其數據一致性是一個在應用緩存的同時不得不解決的問題 。
需要明確的是，緩存系統的數據一致性通常包括持久化層和緩存層的一致性、以及多級緩存之間的一致性，這里我們僅討論前者。持久化層和緩存層的一致性問題也通常被稱為雙寫一致性問題，「雙寫」意為數據既在資料庫中保存一份，也在緩存中保存一份。
對於一致性來說，包含強一致性和弱一致性 ，強一致性保證寫入後立即可以讀取，弱一致性則不保證立即可以讀取寫入後的值，而是盡可能的保證在經過一定時間後可以讀取到，在弱一致性中應用最為廣泛的模型則是最終一致性模型，即保證在一定時間之後寫入和讀取達到一致的狀態。對於應用緩存的大部分場景來說，追求的則是最終一致性，少部分對數據一致性要求極高的場景則會追求強一致性。
為了達到最終一致性，針對不同的場景，業界逐步形成了下面這幾種應用緩存的策略。
— 1 —
Cache-Aside
Cache-Aside 意為旁路緩存模式，是應用最為廣泛的一種緩存策略。下面的圖示展示了它的讀寫流程，來看看它是如何保證最終一致性的。在讀請求中，首先請求緩存，若緩存命中（cache hit），則直接返回緩存中的數據；若緩存未命中（cache miss），則查詢資料庫並將查詢結果更新至緩存，然後返回查詢出的數據（demand-filled look-aside ）。在寫請求中，先更新資料庫，再刪除緩存（write-invalidate）。
1、為什麼刪除緩存，而不是更新緩存？
在 Cache-Aside 中，對於讀請求的處理比較容易理解，但在寫請求中，可能會有讀者提出疑問，為什麼要刪除緩存，而不是更新緩存？站在符合直覺的角度來看，更新緩存是一個容易被理解的方案，但站在性能和安全的角度，更新緩存則可能會導致一些不好的後果。
首先是性能 ，當該緩存對應的結果需要消耗大量的計算過程才能得到時，比如需要訪問多張資料庫表並聯合計算，那麼在寫操作中更新緩存的動作將會是一筆不小的開銷。同時，當寫操作較多時，可能也會存在剛更新的緩存還沒有被讀取到，又再次被更新的情況（這常被稱為緩存擾動），顯然，這樣的更新是白白消耗機器性能的，會導致緩存利用率不高。
而等到讀請求未命中緩存時再去更新，也符合懶載入的思路，需要時再進行計算。刪除緩存的操作不僅是冪等的，可以在發生異常時重試，而且寫-刪除和讀-更新在語義上更加對稱。
其次是安全 ，在並發場景下，在寫請求中更新緩存可能會引發數據的不一致問題。參考下面的圖示，若存在兩個來自不同線程的寫請求，首先來自線程 1 的寫請求更新了資料庫（step 1），接著來自線程 2 的寫請求再次更新了資料庫（step 3），但由於網路延遲等原因，線程 1 可能會晚於線程 2 更新緩存（step 4 晚於 step 3），那麼這樣便會導致最終寫入資料庫的結果是來自線程 2 的新值，寫入緩存的結果是來自線程 1 的舊值，即緩存落後於資料庫，此時再有讀請求命中緩存（step 5），讀取到的便是舊值。
2、為什麼先更新資料庫，而不是先刪除緩存？
另外，有讀者也會對更新資料庫和刪除緩存的時序產生疑問，那麼為什麼不先刪除緩存，再更新資料庫呢？在單線程下，這種方案看似具有一定合理性，這種合理性體現在刪除緩存成功。
但更新資料庫失敗的場景下，盡管緩存被刪除了，下次讀操作時，仍能將正確的數據寫回緩存，相對於 Cache-Aside 中更新資料庫成功，刪除緩存失敗的場景來說，先刪除緩存的方案似乎更合理一些。那麼，先刪除緩存有什麼問題呢？
問題仍然出現在並發場景下，首先來自線程 1 的寫請求刪除了緩存（step 1），接著來自線程 2 的讀請求由於緩存的刪除導致緩存未命中，根據 Cache-Aside 模式，線程 2 繼而查詢資料庫（step 2），但由於寫請求通常慢於讀請求，線程 1 更新資料庫的操作可能會晚於線程 2 查詢資料庫後更新緩存的操作（step 4 晚於 step 3），那麼這樣便會導致最終寫入緩存的結果是來自線程 2 中查詢到的舊值，而寫入資料庫的結果是來自線程 1 的新值，即緩存落後於資料庫，此時再有讀請求命中緩存（ step 5 ），讀取到的便是舊值。
另外，先刪除緩存，由於緩存中數據缺失，加劇資料庫的請求壓力，可能會增大緩存穿透出現的概率。
3、如果選擇先刪除緩存，再更新資料庫，那如何解決一致性問題呢？
為了避免「先刪除緩存，再更新資料庫」這一方案在讀寫並發時可能帶來的緩存臟數據，業界又提出了延時雙刪的策略，即在更新資料庫之後，延遲一段時間再次刪除緩存，為了保證第二次刪除緩存的時間點在讀請求更新緩存之後，這個延遲時間的經驗值通常應稍大於業務中讀請求的耗時。
延遲的實現可以在代碼中 sleep 或採用延遲隊列。顯而易見的是，無論這個值如何預估，都很難和讀請求的完成時間點准確銜接，這也是延時雙刪被詬病的主要原因。
4、那麼 Cache-Aside 存在數據不一致的可能嗎？
在 Cache-Aside 中，也存在數據不一致的可能性。在下面的讀寫並發場景下，首先來自線程 1 的讀請求在未命中緩存的情況下查詢資料庫（step 1），接著來自線程 2 的寫請求更新資料庫（step 2），但由於一些極端原因，線程 1 中讀請求的更新緩存操作晚於線程 2 中寫請求的刪除緩存的操作（step 4 晚於 step 3），那麼這樣便會導致最終寫入緩存中的是來自線程 1 的舊值，而寫入資料庫中的是來自線程 2 的新值，即緩存落後於資料庫，此時再有讀請求命中緩存（step 5），讀取到的便是舊值。
這種場景的出現，不僅需要緩存失效且讀寫並發執行，而且還需要讀請求查詢資料庫的執行早於寫請求更新資料庫，同時讀請求的執行完成晚於寫請求。足以見得，這種 不一致場景產生的條件非常嚴格，在實際的生產中出現的可能性較小 。
除此之外，在並發環境下，Cache-Aside 中也存在讀請求命中緩存的時間點在寫請求更新資料庫之後，刪除緩存之前，這樣也會導致讀請求查詢到的緩存落後於資料庫的情況。
雖然在下一次讀請求中，緩存會被更新，但如果業務層面對這種情況的容忍度較低，那麼可以採用加鎖在寫請求中保證「更新資料庫&刪除緩存」的串列執行為原子性操作（同理也可對讀請求中緩存的更新加鎖）。 加鎖勢必會導致吞吐量的下降，故採取加鎖的方案應該對性能的損耗有所預期。
— 2 —
補償機制
我們在上面提到了，在 Cache-Aside 中可能存在更新資料庫成功，但刪除緩存失敗的場景，如果發生這種情況，那麼便會導致緩存中的數據落後於資料庫，產生數據的不一致的問題。
其實，不僅 Cache-Aside 存在這樣的問題，在延時雙刪等策略中也存在這樣的問題。針對可能出現的刪除失敗問題，目前業界主要有以下幾種補償機制。
1、刪除重試機制
由於同步重試刪除在性能上會影響吞吐量，所以常通過引入消息隊列，將刪除失敗的緩存對應的 key 放入消息隊列中，在對應的消費者中獲取刪除失敗的 key ，非同步重試刪除。這種方法在實現上相對簡單，但由於刪除失敗後的邏輯需要基於業務代碼的 trigger 來觸發 ，對業務代碼具有一定入侵性。
鑒於上述方案對業務代碼具有一定入侵性，所以需要一種更加優雅的解決方案，讓緩存刪除失敗的補償機制運行在背後，盡量少的耦合於業務代碼。一個簡單的思路是通過後台任務使用更新時間戳或者版本作為對比獲取資料庫的增量數據更新至緩存中，這種方式在小規模數據的場景可以起到一定作用，但其擴展性、穩定性都有所欠缺。
一個相對成熟的方案是基於 MySQL 資料庫增量日誌進行解析和消費，這里較為流行的是阿里巴巴開源的作為 MySQL binlog 增量獲取和解析的組件 canal（類似的開源組件還有 Maxwell、Databus 等）。
canal sever 模擬 MySQL slave 的交互協議，偽裝為 MySQL slave，向 MySQL master 發送 mp 協議，MySQL master 收到 mp 請求，開始推送 binary log 給 slave （即 canal sever ），canal sever 解析 binary log 對象（原始為 byte 流），可由 canal client 拉取進行消費，同時 canal server 也默認支持將變更記錄投遞到 MQ 系統中，主動推送給其他系統進行消費。
在 ack 機制的加持下，不管是推送還是拉取，都可以有效的保證數據按照預期被消費。當前版本的 canal 支持的 MQ 有 Kafka 或者 RocketMQ。另外， canal 依賴 ZooKeeper 作為分布式協調組件來實現 HA ，canal 的 HA 分為兩個部分：
那麼，針對緩存的刪除操作便可以在 canal client 或 consumer 中編寫相關業務代碼來完成。這樣，結合資料庫日誌增量解析消費的方案以及 Cache-Aside 模型，在讀請求中未命中緩存時更新緩存（通常這里會涉及到復雜的業務邏輯），在寫請求更新資料庫後刪除緩存，並基於日誌增量解析來補償資料庫更新時可能的緩存刪除失敗問題，在絕大多數場景下，可以有效的保證緩存的最終一致性。
另外需要注意的是，還應該隔離事務與緩存，確保資料庫入庫後再進行緩存的刪除操作。 比如考慮到資料庫的主從架構，主從同步及讀從寫主的場景下，可能會造成讀取到從庫的舊數據後便更新了緩存，導致緩存落後於資料庫的問題，這就要求對緩存的刪除應該確保在資料庫操作完成之後。所以，基於 binlog 增量日誌進行數據同步的方案，可以通過選擇解析從節點的 binlog，來避免主從同步下刪除緩存過早的問題。
3、數據傳輸服務 DTS
— 3 —
Read-Through
Read-Through 意為讀穿透模式，它的流程和 Cache-Aside 類似，不同點在於 Read-Through 中多了一個訪問控制層，讀請求只和該訪問控制層進行交互，而背後緩存命中與否的邏輯則由訪問控制層與數據源進行交互，業務層的實現會更加簡潔，並且對於緩存層及持久化層交互的封裝程度更高，更易於移植。
— 4 —
Write-Through
Write-Through 意為直寫模式，對於 Write-Through 直寫模式來說，它也增加了訪問控制層來提供更高程度的封裝。不同於 Cache-Aside 的是，Write-Through 直寫模式在寫請求更新資料庫之後，並不會刪除緩存，而是更新緩存。
這種方式的 優勢在於讀請求過程簡單 ，不需要查詢資料庫更新緩存等操作。但其劣勢也非常明顯，除了上面我們提到的更新資料庫再更新緩存的弊端之外，這種方案還會造成更新效率低，並且兩個寫操作任何一次寫失敗都會造成數據不一致。
如果要使用這種方案， 最好可以將這兩個操作作為事務處理，可以同時失敗或者同時成功，支持回滾，並且防止並發環境下的不一致 。另外，為了防止緩存擾動的頻發，也可以給緩存增加 TTL 來緩解。
站在可行性的角度，不管是 Write-Through 模式還是 Cache-Aside 模式，理想狀況下都可以通過分布式事務保證緩存層數據與持久化層數據的一致性，但在實際項目中，大多都對一致性的要求存在一些寬容度，所以在方案上往往有所折衷。
Write-Through 直寫模式適合寫操作較多，並且對一致性要求較高的場景，在應用 Write-Through 模式時，也需要通過一定的補償機制來解決它的問題。首先，在並發環境下，我們前面提到了先更新資料庫，再更新緩存會導致緩存和資料庫的不一致，那麼先更新緩存，再更新資料庫呢？
這樣的操作時序仍然會導致下面這樣線程 1 先更新緩存，最後更新資料庫的情況，即由於線程 1 和 線程 2 的執行不確定性導致資料庫和緩存的不一致。這種由於線程競爭導致的緩存不一致，可以通過分布式鎖解決，保證對緩存和資料庫的操作僅能由同一個線程完成。對於沒有拿到鎖的線程，一是通過鎖的 timeout 時間進行控制，二是將請求暫存在消息隊列中順序消費。
在下面這種並發執行場景下，來自線程 1 的寫請求更新了資料庫，接著來自線程 2 的讀請求命中緩存，接著線程 1 才更新緩存，這樣便會導致線程 2 讀取到的緩存落後於資料庫。同理，先更新緩存後更新資料庫在寫請求和讀請求並發時，也會出現類似的問題。面對這種場景，我們也可以加鎖解決。
另在，在 Write-Through 模式下，不管是先更新緩存還是先更新資料庫，都存在更新緩存或者更新資料庫失敗的情況，上面提到的重試機制和補償機制在這里也是奏效的。
— 5 —
Write-Behind
Write behind 意為非同步回寫模式，它也具有類似 Read-Through/Write-Through 的訪問控制層，不同的是，Write behind 在處理寫請求時，只更新緩存而不更新資料庫，對於資料庫的更新，則是通過批量非同步更新的方式進行的，批量寫入的時間點可以選在資料庫負載較低的時間進行。
在 Write-Behind 模式下，寫請求延遲較低，減輕了資料庫的壓力，具有較好的吞吐性。但資料庫和緩存的一致性較弱，比如當更新的數據還未被寫入資料庫時，直接從資料庫中查詢數據是落後於緩存的。同時，緩存的負載較大，如果緩存宕機會導致數據丟失，所以需要做好緩存的高可用。顯然，Write behind 模式下適合大量寫操作的場景，常用於電商秒殺場景中庫存的扣減。
— 6 —
Write-Around
如果一些非核心業務，對一致性的要求較弱，可以選擇在 cache aside 讀模式下增加一個緩存過期時間，在寫請求中僅僅更新資料庫，不做任何刪除或更新緩存的操作，這樣，緩存僅能通過過期時間失效。這種方案實現簡單，但緩存中的數據和資料庫數據一致性較差，往往會造成用戶的體驗較差，應慎重選擇。
— 7 —
總結
在解決緩存一致性的過程中，有多種途徑可以保證緩存的最終一致性，應該根據場景來設計合適的方案，讀多寫少的場景下，可以選擇採用「Cache-Aside 結合消費資料庫日誌做補償」的方案，寫多的場景下，可以選擇採用「Write-Through 結合分布式鎖」的方案 ，寫多的極端場景下，可以選擇採用「Write-Behind」的方案。
『肆』 資料庫優化可以從哪些方面進行優化
1、sql語句的執行計劃是否正常。
2、減少應用和資料庫的交互次數、同一個sql語句的執行次數。
3、資料庫實體的碎片的整理（特別是對某些表經常進行insert和delete動作，尤其注意，索引欄位為系列欄位、自增長欄位、時間欄位，對於業務比較頻繁的系統，最好一個月重建一次）。 4、減少表之間的關聯，特別對於批量數據處理，盡量單表查詢數據，統一在內存中進行邏輯處理，減少資料庫壓力（java處理批量數據不可取，盡量用c或者c++ 進行處理，效率大大提升）。
5、對訪問頻繁的數據，充分利用資料庫cache和應用的緩存。
6、數據量比較大的，在設計過程中，為了減少其他表的關聯，增加一些冗餘欄位，提高查詢性能。
『伍』 如何Android資料庫緩存進行管理
無論大型或小型應用，靈活的緩存可以說不僅大大減輕了伺服器的壓力，而且因為更快速的用戶體驗而方便了用戶。
Android的apk可以說是作為小型應用，其中99%的應用並不是需要實時更新的，而且詬病於蝸牛般的移動網速，與伺服器的數據交互是能少則少，這樣用戶體驗才更好，這也是我們有時舍棄webview而採用json傳輸數據的原因之一。
採用緩存，可以進一步大大緩解數據交互的壓力，特此，我們簡略列舉一下緩存管理的適用環境：
1. 提供網路服務的應用
2. 數據更新不需要實時更新，但是哪怕是3-5分鍾的延遲也是可以採用緩存機制。
3. 緩存的過期時間是可以接受的(不會因為緩存帶來的好處，導致某些數據因為更新不及時而影響產品的形象等)
帶來的好處：
1. 伺服器的壓力大大減小
2. 客戶端的響應速度大大變快(用戶體驗)
3. 客戶端的數據載入出錯情況大大較少，大大提高了應有的穩定性(用戶體驗)
4. 一定程度上可以支持離線瀏覽(或者說為離線瀏覽提供了技術支持)
一、緩存管理的方法
這里的緩存管理的原理很簡：通過時間的設置來判斷是否讀取緩存還是重新下載。
裡面會有一些細節的處理，後面會詳細闡述。
基於這個原理，目前鄙人見過的兩種比較常見的緩存管理方法是:資料庫法和文件法。
二、資料庫法緩存管理
這種方法是在下載完數據文件後，把文件的相關信息如url，路經，下載時間，過期時間等存放到資料庫，下次下載的時候根據url先從資料庫中查詢，如果查詢到當前時間並未過期，就根據路徑讀取本地文件，從而實現緩存的效果。
從實現上我們可以看到這種方法可以靈活存放文件的屬性，進而提供了很大的擴展性，可以為其它的功能提供一定的支持；
從操作上需要創建資料庫，每次查詢資料庫，如果過期還需要更新資料庫，清理緩存的時候還需要刪除資料庫數據，稍顯麻煩，而資料庫操作不當又容易出現一系列的性能，ANR問題，實現的時候要謹慎，具體作的話，但也只是增加一個工具類或方法的事情。
還有一個問題，緩存的資料庫是存放在/data/data/<package>/databases/目錄下，是佔用內存空間的，如果緩存累計，容易浪費內存，需要及時清理緩存。
當然這種方法從目前一些應用的實用上看，我沒有發現什麼問題。
本文我側重強調第二種方法，第一種方法的實現，就此掠過。
三、文件法緩存管理
這種方法，使用File.lastModified()方法得到文件的最後修改時間，與當前時間判斷是否過期，從而實現緩存效果。
實現上只能使用這一個屬性，沒有為其它的功能提供技術支持的可能。
操作上倒是簡單，比較時間即可。本身處理也不容易帶來其它問題，代價低廉。
四、文件法緩存管理的兩點說明
1. 不同類型的文件的緩存時間不一樣。
籠統的說，不變文件的緩存時間是永久，變化文件的緩存時間是最大忍受不變時間。
說白點，圖片文件內容是不變的，直到清理，我們是可以永遠讀取緩存的。
配置文件內容是可能更新的，需要設置一個可接受的緩存時間。
2. 不同環境下的緩存時間標准不一樣。
無網路環境下，我們只能讀取緩存文件，哪怕緩存早就過期。
wifi網路環境下，緩存時間可以設置短一點，一是網速較快，而是流量不要錢。
移動數據流量環境下，緩存時間可以設置長一點，節省流量，就是節省金錢，而且用戶體驗也更好。
舉個例子吧，最近本人在做的一個應用在wifi環境下的緩存時間設置為5分鍾，移動數據流量下的緩存時間設置為1小時。
這個時間根據自己的實際情況來設置：數據的更新頻率，數據的重要性等。
五、何時刷新
開發者一方面希望盡量讀取緩存，用戶一方面希望實時刷新，但是成都網站製作響應速度越快越好，流量消耗越少越好，是一個矛盾。
其實何時刷新我也不知道，這里我提供兩點建議：
1. 數據的最長多長時間不變，對應用無大的影響。
比如，你的數據更新時間為1天，則緩存時間設置為4~8小時比較合適，一天他總會看到更新，如果你覺得你是資訊類應用，再減少，2~4小時，如果你覺得數據比較重要或者比較受歡迎，用戶會經常把玩，再減少，1~2小時，依次類推。
為了保險起見，你可能需要毫無理由的再次縮減一下。
2. 提供刷新按鈕。
上面說的保險起見不一定保險，最保險的方法使在相關界面提供一個刷新按鈕，為緩存，為載入失敗提供一次重新來過的機會，有了這個刷新按鈕，我們的心也才真的放下來。
『陸』 redis怎麼實現資料庫的緩存
大致為兩種措施：
一、腳本同步：
1、自己寫腳本將資料庫數據寫入到redis/memcached。
2、這就涉及到實時數據變更的問題（mysql row binlog的實時分析），binlog增量訂閱Alibaba 的canal ，以及緩存層數據 丟失/失效 後的數據同步恢復問題。
二、業務層實現：
1、先讀取nosql緩存層，沒有數據再讀取mysql層，並寫入數據到nosql。
2、nosql層做好多節點分布式（一致性hash），以及節點失效後替代方案（多層hash尋找相鄰替代節點），和數據震盪恢復了。
redis實現資料庫緩存的分析：
對於變化頻率非常快的數據來說，如果還選擇傳統的靜態緩存方式（Memocached、File System等）展示數據，可能在緩存的存取上會有很大的開銷，並不能很好的滿足需要，而Redis這樣基於內存的NoSQL資料庫，就非常適合擔任實時數據的容器。
但是往往又有數據可靠性的需求，採用MySQL作為數據存儲，不會因為內存問題而引起數據丟失，同時也可以利用關系資料庫的特性實現很多功能。所以就會很自然的想到是否可以採用MySQL作為數據存儲引擎，Redis則作為Cache。
MySQL到Redis數據復制方案，無論MySQL還是Redis，自身都帶有數據同步的機制，比較常用的MySQL的Master/Slave模式，就是由Slave端分析Master的binlog來實現的，這樣的數據復制其實還是一個非同步過程，只不過當伺服器都在同一內網時，非同步的延遲幾乎可以忽略。那麼理論上也可用同樣方式，分析MySQL的binlog文件並將數據插入Redis。
因此這里選擇了一種開發成本更加低廉的方式，借用已經比較成熟的MySQL UDF，將MySQL數據首先放入Gearman中，然後通過一個自己編寫的PHP Gearman Worker，將數據同步到Redis。比分析binlog的方式增加了不少流程，但是實現成本更低，更容易操作。
『柒』 mysql調優技巧 增加線程緩存大小
增加線程緩存大小
連接管理器線程處理伺服器監聽的網路介面上的客戶端連接請求。連接管理器線程將每個客戶端連接與專用於它的線程關聯，該線程負責處理該連接的身份驗證和所有請求處理。因此，線程和當前連接的客戶端之間是一對一的比例。確保線程緩存足夠大以容納所有傳入請求是非常重要的。
MySQL提供了許多與連接線程相關的伺服器變數：
線程緩存大小由thread_cache_size系統變數決定。默認值為0（無緩存），這將導致為每個新連接設置一個線程，並在連接終止時需要處理該線程。如果希望伺服器每秒接收數百個連接請求，那麼應該將thread_cache_size設置的足夠高，以便大多數新連接可以使用緩存線程。可以在伺服器啟動或運行時設置max_connections的值。
還應該監視緩存中的線程數（Threads_cached）以及創建了多少個線程，因為無法從緩存中獲取線程（Threads_created）。關於後者，如果Threads_created繼續以每分鍾多於幾個線程的增加，請考慮增加thread_cache_size的值。
使用MySQL show status命令顯示MySQL的變數和狀態信息。這里有幾個例子：
Monyog線程緩存監測
Monyog提供了一個監控線程緩存的屏幕，名為「線程」。與MySQL線程相關的伺服器變數映射到以下Monyog指標：
Monyog線程屏幕還包括「線程緩存命中率」指標。這是一個提示線程緩存命中率的指標。如果值較低，則應該考慮增加線程緩存。在狀態欄以百分比形式顯示該值；它的值越接近100％越好。
如果這些指標的值等於或超過指定值，則可以將每一個指標配置為發出警告和/或嚴重警報
『捌』 如何用Redis緩存改善資料庫查詢性能
因為Redis具有在數據存儲中快速讀寫數據的能力，所以它比關系型資料庫更具有性能優勢。但是，關鍵值數據存儲是簡單的;它們沒有一個類似於
SQL的查詢語言或者結構化的數據模型。相反，它們有一個把鍵值作為與數值相關的標識符來使用的簡單字典或哈希模式。管理員使用這些鍵來進行數值的存儲和
檢索。
鍵值存儲是簡單快速的，它可用於實現豐富數據模型和關系型資料庫查詢功能的良好匹配。但是，有時候還是使用鍵值與關系型資料庫的組合為好。此外，還有很多商業支持的鍵值資料庫，包括Redis、Riak和Areospike等。
為了運行一個優化熱門查詢性能的Redis緩存，首先應確定你希望緩存的查詢結果。其中，應重點關注最常用的和最耗時的查詢，然後確定應緩沖查詢中的數據。為簡便起見，緩存查詢返回的所有列值。
為鍵值定義一個命名約定;可以使用行主鍵和列名的組合來構造密鑰。例如，其主鍵ID為 198278的 產品描述可以『198278:descry』的鍵值進行存儲。確保你的命名規則是簡單和規則驅動的，以便於使用最少的代碼來實現鍵的程序化創建。
接下來，確定是運行Redis緩存作為自助管理服務還是運行亞馬遜的ElastiCache。運行用戶自己的Redis實例將賦予管理人員對緩存的完全控制權。而這一控制權意味著靈活性，例如當有超出容量的情況出現時，管理人員有使用現有保留實例的權力。
此外，當用戶想要把應用程序從一家雲計算供應商遷移至另一家時，他們會發現完整的管理控制許可權是非常有用的。
如果用戶選擇運行一個自助管理的Redis實例，可下載伺服器。Redis的客戶端支持30種以上編程語言——從Java和Python到Prolog和Smalltalk。
已經使用AWS環境的企業可能會想要使用ElastiCache。除了諸如託管打補丁這樣的優點之外，亞馬遜ElastiCache支持一系列高速
緩存優化的節點類型，具體包括從中型到2X的m3節點、從大型到8X的r3節點以及從微型到中型的t2節點。ElastiCache還支持一些上一代的節
點類型，例如選擇m1、m2、t1和c1節點。
ElastiCache還支持多個可用區。如果有一個節點發生故障，一個讀操作復制節點將取代故障節點。任何需要確保應用程序運行的DNS變更都是
自動完成的，同時會創建一個新的讀操作副本。ElastiCache允許基於單位時間使用率的按需定價模式，以及一年期或三年期預付費的節點使用條款。完
整定價清單可以在這里找到。
如果使用Redis緩存和亞馬遜ElastiCache，那麼就可以從AWS管理控制台啟動一個集群。除了設置Redis服務外，還需要修改應用程
序代碼以便於能夠使用緩存。一個常用的模式就是，檢查緩存中是否存在有一個鍵值，如果沒有就執行一個SQL查詢以檢索數據，然後將其存儲在緩存中。當緩沖
存滿時，可以配置Redis刪除舊數據，這樣就不需要用戶使用專門的代碼來處理緩存存滿的情況了。
『玖』 11.33數據緩存的好處是什麼，如何實現數據緩存
資料庫緩存的作用是只在數據第一次被訪問時才從資料庫中讀取數據，將數據放在存儲介質中，以後查詢相同的數據則直接從存儲介質（內存）中返回，這樣速度有明顯的提升。
為了更好的使用數據緩存，應注意以下幾點：
1、如果一個實體標記了緩存屬性，則無論該類是 通過ID查詢還是其它方式的查詢得到的結果，都會自動緩存。 所以，不必擔心結果是否能夠按照預期的需要緩存。
2、查詢緩存如何使用？ 在CastleActiveRecord中的查詢類沒有提供對查詢緩存的支持，只能使用NHibernate的查詢才可以，例子如上所述。
3、緩存的性能，緩存在一定程度上可以提高應用的性能，但需要正確使用，如果使用不慎，緩存反而成為負擔，比如，在應用中如果使用NHibernate.Caches.Prevalence 作為緩存提供程序，如果數據量大，它要在指定目錄下寫入緩存文件，IO消耗相當大，雖然資料庫訪問少了，但是應用的IO卻增長，還不如不使用緩存。因此，使用緩存時應盡量避免使用文件型緩存，應使用內存型緩存。
4、緩存的策略。查詢緩存應只對只讀性數據進行緩存，如果是經常讀寫的數據，可能造成數據不一致，至於造成數據不一致的原因沒有花時間根究。
5、如果實體有繼承關系，必須在被繼承的類上也標記使用 緩存，否則，子類的緩存無效。
6、如果對查詢進行緩存，必須實體也要標記緩存，否則查詢緩存無效。