缓存读写策略

我们都知道缓存大多数情况下是用来减轻数据库压力的。缓存读写策略就是在进行数据读/写时以何种策略读写缓存和数据库，即：读请求时先读缓存还是数据库，缓存中数据不存在怎么办，写请求时先更新数据库还是缓存，同步更新还是异步更新等一系列问题的方案。

Cache Aside Pattern

Cache Aside Pattern 译为旁路缓存模式。该模式以数据库为主，缓存为辅。主要策略如下：

读请求

在读请求时，先查询缓存：1. 缓存中存在，直接返回；2. 缓存中不存在，查询数据库，然后将结果写入缓存。

写请求

在写请求时，先更新数据库，然后直接删除对应缓存。

问题：写请求时，可以先删除缓存，后更新数据库吗？

答案：不能。可能会造成数据不一致问题。如：请求 1 对数据 A 发起写请求，先删除数据 A 的缓存，这时请求 2 对数据 A 发起读请求，由于缓存不存在，会先读取数据库中的 A 的值，然后写入缓存；之后请求1 更新数据库（此时数据 A 在缓存中的值和数据库中的值已经不一致了）。那么当下次对数据 A 的读请求来临时，由于缓存中存在数据 A ，直接返回，但是此时缓存中 A 的数据和数据库中 A 的数据不一致。

问题：写请求时，先更新数据库，后删除缓存就一定没有问题吗？

答案：不一定，但大概率没有问题。如：请求 1 对数据 A 发起读请求，缓存中不存在，这时请求 2 对数据 A 发起写请求，先更新数据库中的 A 的值，然后删除缓存；之后请求1 将自己读取到的数据写入缓存。这个时候数据 A 在缓存和数据库中的值也不一致了。但是由于缓存写入速度远高于数据库写入速度，请求 1 写入缓存一般比请求 2 写入数据库然后删除缓存先完成。

该模式适合读多的场景。

旁路缓存模式的缺点

• 第一次读取时肯定会先读取数据库。

  解决方案：事先将热点数据载入缓存（缓存预热）。

• 写操作频繁时会频繁删除缓存中的数据，导致缓存命中率较低。

  解决方案：1. 更新数据库的同时更新缓存，注意不是删除缓存，这通常需要加锁来保证这两个操作的原子性。适用于数据强一致性的场景。2. 更新数据库的同时更新缓存，并给缓存设置一个较短的存活时间，并且不需要加锁，但会出现数据不一致的问题。适用于可以接受短暂的数据不一致的场景。

Read/Write Through Pattern

Read/Write Through Pattern 译为读写穿透模式。该模式以缓存为主，数据库为辅。主要策略如下：

读请求

和旁路缓存模式类似，先查询缓存：1. 缓存中存在，直接返回；2. 缓存中不存在，缓存服务自动从数据库中读取数据写入缓存，然后返回。

和旁路缓存模式的区别就是，旁路缓存模式是我们手动写入缓存，而读写穿透模式是自动从数据库中读取数据并写入缓存。

写请求

在写请求时，先查询缓存中存不存在：1. 不存在，直接写入数据库。2. 存在，先更新缓存，然后同步更新数据库。

Write Behind Pattern

Write Behind Pattern 又称 Write Back 。类似于前面的 Read/Write Through Pattern，都是以缓存为主，数据库为辅。主要策略如下：

读请求

和 Read/Write Through Pattern 一样。

写请求

在写请求时，先查询缓存中存不存在：1. 不存在，直接写入数据库。2. 存在，先更新缓存，然后异步批量更新数据库。

这种模式写性能非常好，因为都是直接写缓存，但问题是数据不是强一致性的，还可能会导致数据丢失。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。