redis缓存驱逐算法 redis缓存策略

缓存读写策略

• Cache Aside Pattern（旁路缓存模式）

• 概述
• 流程
• 缺点

• Read/Write Through Pattern（读写穿透）

• 概述
• 与缓存旁路策略的不同
• 流程
• 缺点

• Write Behind Pattern（异步缓存写入）

• 概述

Cache Aside Pattern（旁路缓存模式）

概述

这是我们平时使用比较多的一个缓存读写模式，适合读请求比较多的场景。

流程

写：先更新数据库，然后删除缓存的数据

读：先从cache中读取数据，存在的话直接返回。 不存在的话，从数据库读取数据，再将数据更新到缓存中

缺点

• 首次请求数据一定不在 cache 的问题
• 解决办法：可以将热点数据可以提前放入cache 中
• 写操作比较频繁的话导致cache中的数据会被频繁被删除，这样会影响缓存命中率
• 解决办法：可以在更新DB的时候同样更新cache

Read/Write Through Pattern（读写穿透）

概述

该策略中，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。

与缓存旁路策略的不同

在 缓存旁路模式 下，发生读请求的时候，如果 cache 中不存在对应的数据，是由客户端自己负责把数据写入 cache，
而 读写穿透模式 则是 cache 服务自己来写入缓存的，这对客户端是透明的。

流程

写：先查 cache，cache 中不存在，直接更新 DB
读：cache 中存在，则先更新 cache，然后 cache 服务自己更新 DB（同步更新 cache 和 DB）

缺点

• 首次请求数据一定不在 cache 的问题
• 解决办法：可以将热点数据可以提前放入cache 中

Write Behind Pattern（异步缓存写入）

概述

该策略，是同步更新 cache 和 数据库，而 Write Behind Caching 则是只更新缓存，不直接更新 数据库，而是改为异步批量的方式来更新 数据库。这种方式对数据一致性带来了更大的挑战，比如cache数据可能还没异步更新DB的话，cache服务可能就就挂掉了。

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。