现阶段,随着云计算技术的越发成熟,分布式缓存技术也越来越受到重视和青睐。分布式缓存技术所具有的高度读写,快速扩展,支持并发,快速响应等优势能够在数据大规模集中访问时提供良好反馈,其中,Memcached是分布式缓存系统的代表,它能够在动态Web应用中提升访问速度,因此在访问量很高的大型网站上得到广泛应用。但是,伴随着大数据时代的到来,用户请求量大,访问请求相对集中,大量用户的访问会产生热度较高的缓存数据,并且热度高的缓存数据在“降温”后有一定概率会在一段时期内被用户再次请求访问,即某些热度高的缓存数据会被反复“加热”。分布式缓存Memcached对内部的缓存数据相同对待,没有针对某些热度高的缓存数据会被反复访问“加热”这一特点,提高这类数据的响应速度。本文首先剖析了分布式缓存系统Memcached的相关技术,并将分布式缓存Memcached与热点数据的概念结合起来。本文从分布式缓存系统Memcached出发,为了提高热点缓存数据的响应性能,并针对缓存数据热度容易反复这一特点提出一种HC(Hot and Cold)Model机制。HC Model机制由任意指定的两台Memcached服务器---热点缓存数据服务器和冷点缓存数据服务器组成,Memcached会按照优先级为“热点缓存数据服务器,冷点缓存数据服务器,普通Memcached服务器”的3Level算法来响应访问请求。其中热点缓存数据服务器存放热点缓存数据,冷点缓存数据服务器存放冷点缓存数据。当某些缓存数据的用户访问次数激增后,这类缓存数据会成为热点缓存数据,并根据热度计算公式计算得出缓存数据的热度值。Memcached收集各个节点中的热点缓存数据,并存放至热点数据服务器,以提高热点缓存数据响应的优先级。热点缓存数据服务器中的数据淘汰采用提出的HCClockPro算法,该算法将热点缓存数据淘汰至冷点数据服务器。冷点缓存数据服务器起到一个缓冲池的作用,以备后期冷点缓存数据的热度升高,可重新返回热点缓存数据服务器,冷点缓存数据服务器采用HCLRU算法进行数据淘汰。最后,通过仿真实验对HC(Hot and Cold)Model机制的Memcached进行验证,实验结果表明,在特定时间周期内用户反复访问相同缓存数据时,该机制能提高Memcached的性能。