先简单解释下什么是分布式多级缓存，所谓分布式简单理解就是异地跨机房服务应用部署；所谓多级缓存，这里狭义语义指定的是应用服务级别的缓存，通常泛指Redis、Memcached等；所谓多级缓存，这里是将JVM级的驻留缓存和外部依赖的缓存服务相比而言的。Redis、Memcached等都提供了性能优越的缓存服务，在高并发场景下作为提高吞吐量、优化服务性能的利器立下了汗马功劳。
进行分布式多级缓存设计的初衷是：利用多数据副本保证数据的可用性，同时通过不同数据源特点提供更高性能、更多场景数据差异化的支持。
一般情况下，缓存我们只使用Redis作为唯一缓存就可以满足大多数业务场景。这里我们不考虑一般的业务场景，现在试图将服务场景复杂化去进行设计，进一步提高对服务性能的追求。
举例一个业务场景，假设应用服务每天需要提供亿级别调用量的查询业务，在最原始阶段，外部业务提供有效入参请求服务接口返回业务数据即可，然而在之后需求迭代中，增加了对调用方权限校验（渠道校验、授权码校验、入参许可校验）和对返回业务数据的保护（涉及脱敏和非授权字段的过滤排除），业务逻辑瞬间丰富和复杂起来。
以上复杂场景下，需要解决如下几个问题：
O(1)时间复杂度Redis作为二级缓存即可满足，由于Redis数据读取也是一层网络传递消耗，为了追求性能极致和服务SLA的更高要求，增加了应用缓存作为一级缓存直接做数据返回这里是基于Java语言实现的，其他语言也可以参考匹配对应技术栈来完成技术调研和设计。
对于二级缓存，选择了功能强大的Redis。
对于一级缓存，也就是本地缓存有很多选择性。通常，在Java语言中我们会选择HashMap或线程安全的ConcurrentHashMap作为JVM缓存容器来存储数据。这里推荐可以尝试Caffeine，它是一套封装良好天生为本地缓存服务的框架，提供了诸多缓存特性，号称 ”本地缓存天花板“。