请阐述在 Apache Storm 拓扑中通过内存缓存提升处理性能的做法，并说明此类缓存通常适用于哪些具体场景。

回答思路

1. 【回答框架 1】内存缓存的本质是以空间换时间，在 Storm 中通常以本地 Map 或第三方缓存库（如 Caffeine、Guava Cache）实现，将高频访问或计算代价高的数据驻留在 worker 进程内，减少对远程存储或重复计算的依赖。
2. 【回答框架 2】使用场景包括：状态数据（如配置信息、维度表）的本地副本，通过定时刷新或订阅更新保证最终一致；去重场景中维护最近处理过的消息 ID，以过滤重复事件；中间结果复用，如窗口计算中的部分聚合值，避免重复计算。
3. 【回答框架 3】实现时需关注缓存与拓扑并发模型的配合，每 个 executor 或 bolt task 拥有独立缓存副本，需评估内存占用与 GC 压力，并设置合理的过期策略（TTL、LRU）与容量上限。
4. 【回答框架 4】数据一致性是主要风险，缓存数据可能滞后于源端更新，需根据业务容忍度选择失效策略，如时间戳校验、版本号或主动拉取更新。
5. 【关键点 1】内存缓存通过本地存储高频数据减少远程访问和重复计算，提升吞吐与降低延迟。
6. 【关键点 2】典型场景包括维度数据本地化、消息去重、中间结果复用。
7. 【关键点 3】需控制缓存大小与TTL，避免内存溢出和脏读，常用LRU或定时过期策略。
8. 【易错点 1】缓存数据一致性问题，特别是在多实例部署时，各 worker 缓存副本滞后可能导致决策错误，需结合业务容忍度设计失效机制。
9. 【易错点 2】内存占用过高影响 JVM 稳定性，需设置容量上限并监控。
10. 【易错点 3】若更新频繁，缓存带来的收益可能被一致性维护开销抵消，需权衡命中率与更新成本。