随着大数据时代的到来,互联网、物联网和金融银行等领域产生海量流式数据,由于该数据呈现高速、随机、无序、无限等特点,使得进行可靠地流式处理变得十分具有挑战性。同时,越来越多的应用需要结合海量历史数据进行流式数据实时处理并缓存结果以供用户查询,除了保证流式处理系统的时效性外,系统的稳定性和正确性也尤为重要,因此,提出面向流式数据处理的缓存处理结构以保证系统的时效性、稳定性和正确性迫在眉睫。考虑处理系统的时效性、稳定性和正确性。提出了一种面向流式数据实时处理的多级缓存结构HCache,HCache由基于哈希结构的在线缓存和批量缓存组成。在线缓存将不同批次的相同在线处理结果存储在同一桶中的连续存储空间中,并利用自身环形逻辑和批量缓存结果动态高效淘汰过期数据,基于哈希的缓存结构的设计有利于提高数据存储和访问效率。批量缓存缓存最近访问的持久化数据库结果,其使用改进的LRU(Least Recently Used)替换策略高效替换过期数据以减少内存使用和提高命中率。HCache使用在线缓存处理结果更新批量缓存,该更新策略保证批量缓存数据的一致性。针对用户查询请求,请求到达HCache后同时访问在线缓存和批量缓存,将结果合并后返回给用户。为验证缓存结构的性能,在Twitter真实数据集上与目前流行的缓存结构进行性能测试比较。实验结果表明HCache与Summingbird的缓存结构相比,读写效率有明显提升;同时HCache受到查询请求到达速率的变化影响更小;并且HCache内存使用较少。