Redis-6-三种缓存读写策略
| 缓存策略 | 描述 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|---|
| 旁路缓存 (Cache Aside Pattern) | 服务端需要同时维护数据库和缓存，以数据库的结果为准。 读请求先查缓存，没有命中则查数据库并更新缓存。写请求先更新数据库，然后删除缓存。 |
适合读多写少的场景，缓存命中率高 | 写操作复杂，存在短暂的数据不一致风险 | 数据读写比例悬殊、读操作频繁的场景。 |
| 读写穿透 (Read/Write Through Pattern) | 服务端将缓存视为主要数据存储，所有数据的读写都通过缓存，缓存服务负责将数据同步到数据库 | 简化了应用程序的职责，数据一致性高。 | 实现复杂，增加了缓存服务的压力。 | 数据一致性要求高，且读写操作频繁的场景。 |
| 异步缓存写入 (Write Behind Pattern) | 与读写穿透类似，但写操作不立即同步到数据库，而是异步批量更新数据库 | 写操作效率高，减轻了数据库压力。 | 存在数据丢失风险，数据一致性较低。 | 写操作频繁且对实时一致性要求不高的场景 |
1 旁路缓存
Cache Aside Pattern（旁路缓存）适合读请求比较多的场景
Cache Aside Pattern 中服务端需要同时维系 db 和 cache，并且是以 db 的结果为准。
1.1.1 写
- 先更新db
- 直接删除缓存
1.1.2 读
- 先读缓存
- 有，则从缓存返回。
- 没有，从db中读取返回。
- 再将读取的数据写入缓存
1.1.3 常见问题
1.写，写DB后咋是删缓存不是更新缓存？
写N次，只有最后一次数据的有效，前面写的都会被覆盖。
读不到的时候自然会重建缓存，我们直接删除了，等读的时候重建即可。
2.写，可不可以先删除缓存，再更新DB？
不可以。
前面已经讲了，我们更新的时候，db更新没问题，但是缓存呢不做更新，直接删除。
现在的问题就是，更新db和删除缓存这两个操作的先后问题。
假设我们数据库中有个值name=yang，我们准备更新成yang37。
2.1 (×)先删除缓存，再更新db。
这个情况，主要是考虑并发场景，在删除缓存 -> 更新db期间，db中的始终是旧数据。
如果线程2发生了读取请求，会导致数据不一致。
- 线程1：尝试更新name从yang到yang37
- 线程2：尝试读取name的值
最终我们可以看到，缓存中的数据还是旧数据yang，而db中是正确的yang37，数据不一致。
问题的根源在哪里，在于你线程2读取缓存是很快的，缓存中没值，必然触发缓存的重建。
- 线程1的db更新完了，那就皆大欢喜，即左边线程1整个期间没有并发问题。
- 线程1的db没更新完，db中的必定是旧数据，重建的缓存值也必定成旧数据，导致出问题。
注意图最下面的两个框框。最重要的是，在缓存有效期内，你缓存的一直是脏数据，如果这个缓存没过期时间，那么缓存中的数据始终有问题。
这个问题出现的概率大吗？即左边删除缓存 -> 更新db的期间能不能包裹住右边边。
实际上，db查询数据比更新数据快，这个情况很容易出现。
2.2 (√) 先更新db，再删除缓存。
接着上面的，来看下先更新db的。
嗯，这里，如果更新db -> 删除缓存期间有读取请求，我们的线程2还是会读取到脏数据。
但是，咱们最终缓存中的数据不存在，下次查询会触发重建。
先删除缓存再更新db的方式，逻辑上就存在问题了，咱们这个影响程度小的多。
咱们只是在这期间有短暂的不一致问题，不会导致最终状态下的数据不一致。
但是，还是可能有缓存最终不一致的情况，就是刚好缓存失效了，例如下图。
这里的问题点是什么，线程2的更新缓存操作覆盖了线程1的更新db+删除缓存的操作。
它必须要完整的包裹住线程1的更新操作和删除操作。
- 如果线程1更新操作在线程2查询db的操作之前，那么此时查询到的数据已经被更新了，重建的缓存值刚好是正确的。
- 如果线程1的删除操作发生在线程2的更新缓存之后，那么此时缓存中的数据已经被删除了，下次重建会成为正确的值，也符合我们的预期。
我们注意下哈，先决条件是线程2从db查到旧数据之后，线程1开始更新db了。
然后，必须完完整整的包裹住这整个操作，必须得下面这样。
即，哪怕我像下面这样两种情况，它也不会有问题，必须满足上面包裹住的场景，才可能有问题。
实际上，db查询数据比更新数据快，所以这个更新db+删除缓存的时间很难比查询db+更新缓存的时间长。
别忘了我们还有并发+缓存失效的背景，这所有因素组合在一起才可能有这个数据不一致的情况，所以出现问题的概率是很低的。
你说，咱们方案1中过期时间的场景都还没讨论呢。哈哈，其实不用讨论了，你想啊，方案1还没说过期就有很大隐患了，还不要说咱们现在这里的讨论的方案2+过期的场景。
综上呢，咱们的正确方案是：先更新db，再删除缓存。
1.2 读写穿透
Read/Write Through Pattern 中服务端把 cache 视为主要数据存储，从中读取数据并将数据写入其中。
cache 服务负责将此数据读取和写入 db，从而减轻了应用程序的职责。
1.3 异步缓存写入
Write Behind Pattern 和 Read/Write Through Pattern 很相似，两者都是由 cache 服务来负责 cache 和 db 的读写。
读写穿透是同步更新 cache 和 db，而异步缓存写入则是只更新缓存，不直接更新 db，而是改为异步批量的方式来更新 db。
