高并发：缓存模式以及缓存的数据一致性

作者 | stephanie Tang

Cache-Aside

1. 程序需要判断缓存中是否已经存在数据。

   
   

2. 当缓存中已经存在数据(也就是缓存命中，cache hit)，则直接从缓存中返回数据

   
   

3. 当缓存中不存在数据(也就是缓存未命中，cache miss)，则先从数据库里读取数据，并且存入缓存，然后返回数据

1. 更新数据库

   
   

2. 更新缓存

1. A写数据库

   
   

2. B后于A写数据库

   
   

3. B写缓存

   
   

4. A写缓存

   
   

5. 缓存和数据库中的数据不一致，缓存中的是脏数据

1. 更新数据库

   
   

2. 删除缓存中对应的数据

那么这种写策略会有线程安全的问题吗？有，试想一下有两个线程，线程A读，线程B写

1. A读数据，由于未命中那么从数据库中取数据

   
   

2. B写数据库

   
   

3. B删除缓存

   
   

4. A由于网络延迟比较慢，将脏数据写入缓存

应用场景

优点

• 缓存仅仅保存被请求的数据，属于懒加载模式(Lazy Loading)，和下文的Write-Through模式相比，避免了任何数据都被写入缓存造成缓存频繁的更新。

缺点

• 当发生缓存未命中的情况时，则会比较慢，因为要经过三个步骤：查询缓存，从数据库读取，写入缓存。

  
  

• 复杂的逻辑都在应用程序中，如果实现微服务，多个微服务中会有重复的逻辑代码

Read-Through/Write-Through

Read-Through

优点

• 缓存不存在脏数据

  
  

• 相比较Cache-Aside懒加载模式，读取速度更高，因为较少因为缓存未命中而从数据库中查找

  
  

• 应用程序的逻辑相对简单

缺点

• 对于总是写入却很少被读取的应用，那么Write-Through会非常浪费性能，因为数据可能更改了很多次，却没有被读取，白白的每次都写入缓存造成写入延迟。

Write-Back

优点

• 写入和读取数据都非常的快，因为都是从缓存中直接读取和写入。

  
  

• 对于数据库不可用的情况有一定的容忍度，即使数据库暂时不可用，系统也整体可用，当数据库之后恢复的时候，再将数据写入数据库。

缺点

• 有数据丢失的风险，如果缓存挂掉而数据没有及时写到数据库中，那么缓存中的有些数据将永久的丢失了

Write-Around

优点

• 相比较Write-Through写入的时候的效率较高，如果数据写入后很少被读取，缓存也不会被没用到的数据占满。
  
  

缺点

• 如果数据会写入多次，那么可能存在缓存和数据库不一致

- 推荐阅读 -

《架构师离职后，成为自由开发者的第 100 天》

往期推荐

常用的 IDEA插件推荐，不用就out啦

秒杀系统设计原理

Java 泛型背后的原理

Spring Boot + Dataway 配配就能配出来？

传说中最经典的外包案例

下方二维码关注我

互联网草根，坚持分享技术、创业、产品等心得和总结~

点击“阅读原文”，领取 2020 年最新免费技术资料大全

↓↓↓