随着服务器数据的不断增长和用户需求的急剧增加,大量数据访问导致磁盘I/O操作压力增大,进而导致网络服务响应时间越来越长。为解决这一问题,许多国内外学者致力于数据缓存管理研究,以减轻数据库的I/O操作压力。Redis作为内存数据库的典型应用,将所有数据存储于内存中以进行管理,从而提高数据访问性能,成为诸多学者关注的研究热点。常见的数据分为非结构化数据和结构化数据,但非结构化数据所占空间更大并且带有系统自身的大量属性特征,Redis存储结构化数据的案例或理论无法直接应用于非结构化数据。针对这些问题,主要进行了以下工作:应用系统中,很多场景下都需要展示大量图片。当所展示的图片大多数比较相似时,如何将这些相似图片进行高效缓存存储,需要设计合适的图片组缓存策略。针对这一特点结合系统特性设计了一种图片组缓存策略。策略使用感知哈希算法对图片进行相似度分组,并为图片组设计代码本和索引表。之后,以JPEG2000压缩标准来压缩代码本并执行Redis存储。通过改进策略,可以实现对图片缓存存储空间、访问时间的优化。图片数据相较于结构化数据所占空间更大,更容易出现内存空间满溢并执行缓存替换操作的情况。Redis传统的缓存替换算法并不适用于此种场景,很容易出现对非必需图片进行缓存,而必需图片未缓存的情况。针对这一现象,对图片数据缓存替换算法进行研究,提出基于CB推荐算法的缓存替换算法。算法结合系统图片的数据特性进行图片特征向量提取,利用CB推荐算法对图片潜在流行度进行计算,结合图片实时访问情况,完成图片流行度预测。结合图片缓存代价中的图片大小、传输时间等因素,对图片的缓存价值进一步计算,使算法更符合系统中的实际应用场景。通过不同对比实验,结果验证了图片组相似度阈值、图片组图片数阈值与图片相似度之间的相关性,同时证明了基于CB推荐算法的缓存替换算法较传统的缓存替换算法以及基于内容价值的缓存替换算法具有更高的命中率。