缓存读写策略

Cache Aside Pattern(旁路缓存模式)

Cache Aside Pattern适合读多写少的场景。Cache Aside Pattern中服务端需要同时维系DB和cache，并且最终的结果以DB为准。

下面是该策略模式下缓存读写步骤。

写：

• 首先更新数据库
• 然后直接删除cache中的数据

下图展示了该模式下的写步骤：

读：

• 从cache中读取数据，如果缓存命中就直接返回
• 如果cache未命中，就从数据库中读取数据并返回
• 将读取的数据放入缓存中

下图展示了该模式下的读步骤：

Cache Aside Pattern的缺陷：

1. 首次请求的数据一定不在cache中

   解决方案：将热点数据提前放入cache中

2. 写操作比较频繁的话会造成cache中的数据被频繁删除，这样会影响缓存命中率。

   解决方案：

   • 数据库和缓存强一致场景：更新数据库的时候同时更新cache（需要加锁/分布式锁来保证更新cache的时候不存在线程安全问题）。
   • 可以短暂地允许数据库和缓存数据不一致的场景：更新数据库的时候同时更新cache，但是给缓存加一个比较短的过期时间，这样就可以保证即使数据不一致但影响比较小。

Read/Write Through Pattern（读写穿透）

Read/Write Through Pattern中服务端把cache视为主要的数据存储，从中独缺数据并且将数据写入其中。cache服务则负责将数据读取和写入数据库，从而减少了应用程序的职责。

下面是该策略模式下缓存读写步骤。

写：

• 先查询cache，cache中不存在，直接更新数据库
• cache中存在，则先更新cache，然后cache服务自己更新数据库（同步更新cache和数据库）

下图展示了该模式下的写步骤：

读：

• 从cache中读取数据，如果缓存命中就直接返回
• 如果缓存不命中，先从数据库中加载，写入到cache后返回响应

下图展示了该模式下的读步骤：

Read-Through Pattern实际只是再Cache-Aside Pattern之上进行了封装。在Cache-Aside Pattern下，发生读请求时，如果cache中不存在对应的数据，是由客户端负责把数据写入到cache，而Read-Through Pattern则是cache服务自己来完成缓存的写入，这个步骤对客户端是透明的。

和Cache Aside Pattern一样，Read-Through Pattern也存在首次请求数据一定不在cache中的问题，因此对于热点数据可以提前放入缓存中。

Wirte Behind Pattern(异步缓存写入)

Write Behind Pattern和Read/Write Through Pattern类似，两者都是由cache服务来负责cache和数据库的读写。但是Read/Write Through是同步更新cache和数据库，而Write Behind Pattern则是只更新缓存，数据库的更新方式改为异步批量更新。

这种方式对数据一致性有很大的挑战，比如cache数据可能还没有更新到数据库，cache服务可能就已经死掉了。这种策略在我们平时开发过程中也非常非常少见，但是不代表它的应用场景少，比如消息队列中消息的异步写入磁盘、MySQL 的 InnoDB Buffer Pool 机制都用到了这种策略。Write Behind Pattern 下数据库的写性能非常高，非常适合一些数据经常变化又对数据一致性要求没那么高的场景，比如浏览量、点赞量。