不同業(yè)務(wù)場景該如何選擇緩存的讀寫策略？
來源：冰河技術(shù)
緩存的讀寫策略。你可能覺得緩存的讀寫很簡單，只需要優(yōu)先讀緩存，緩存不命中就從數(shù)據(jù)庫查詢，查詢到了就回種緩存。實際上，針對不同的業(yè)務(wù)場景，緩存的讀寫策略也是不同的。
接下來，我就以標準的“緩存 + 數(shù)據(jù)庫”的場景為例，帶你剖析經(jīng)典的緩存讀寫策略以及它們適用的場景。這樣一來，你就可以在日常的工作中根據(jù)不同的場景選擇不同的讀寫策略。
Cache Aside（旁路緩存）策略
我們來考慮一種最簡單的業(yè)務(wù)場景，比方說在你的電商系統(tǒng)中有一個用戶表，表中只有 ID 和年齡兩個字段，緩存中我們以 ID 為 Key 存儲用戶的年齡信息。那么當我們要把 ID 為 1 的用戶的年齡從 19 變更為 20，要如何做呢？
你可能會產(chǎn)生這樣的思路：先更新數(shù)據(jù)庫中 ID 為 1 的記錄，再更新緩存中 Key 為 1 的數(shù)據(jù)。
這個思路會造成緩存和數(shù)據(jù)庫中的數(shù)據(jù)不一致。比如，A 請求將數(shù)據(jù)庫中 ID 為 1 的用戶年齡從 19 變更為 20，與此同時，請求 B 也開始更新 ID 為 1 的用戶數(shù)據(jù)，它把數(shù)據(jù)庫中記錄的年齡變更為 21，然后變更緩存中的用戶年齡為 21。緊接著，A 請求開始更新緩存數(shù)據(jù)，它會把緩存中的年齡變更為 20。此時，數(shù)據(jù)庫中用戶年齡是 21，而緩存中的用戶年齡卻是 20。
為什么產(chǎn)生這個問題呢？因為變更數(shù)據(jù)庫和變更緩存是兩個獨立的操作，而我們并沒有對操作做任何的并發(fā)控制。那么當兩個線程并發(fā)更新它們的時候，就會因為寫入順序的不同造成數(shù)據(jù)的不一致。
另外，直接更新緩存還存在另外一個問題就是丟失更新。還是以我們的電商系統(tǒng)為例，假如電商系統(tǒng)中的賬戶表有三個字段：ID、戶名和金額，這個時候緩存中存儲的就不只是金額信息，而是完整的賬戶信息了。當更新緩存中賬戶金額時，你需要從緩存中查詢完整的賬戶數(shù)據(jù)，把金額變更后再寫入到緩存中。
這個過程中也會有并發(fā)的問題，比如說原有金額是 20，A 請求從緩存中讀到數(shù)據(jù)，并且把金額加 1，變更成 21，在未寫入緩存之前又有請求 B 也讀到緩存的數(shù)據(jù)后把金額也加 1，也變更成 21，兩個請求同時把金額寫回緩存，這時緩存里面的金額是 21，但是我們實際上預(yù)期是金額數(shù)加 2，這也是一個比較大的問題。
那我們要如何解決這個問題呢？其實，我們可以在更新數(shù)據(jù)時不更新緩存，而是刪除緩存中的數(shù)據(jù)，在讀取數(shù)據(jù)時，發(fā)現(xiàn)緩存中沒了數(shù)據(jù)之后，再從數(shù)據(jù)庫中讀取數(shù)據(jù)，更新到緩存中。
這個策略就是我們使用緩存最常見的策略，Cache Aside 策略（也叫旁路緩存策略），這個策略數(shù)據(jù)以數(shù)據(jù)庫中的數(shù)據(jù)為準，緩存中的數(shù)據(jù)是按需加載的。它可以分為讀策略和寫策略，其中讀策略的步驟是：
從緩存中讀取數(shù)據(jù)； 如果緩存命中，則直接返回數(shù)據(jù)； 如果緩存不命中，則從數(shù)據(jù)庫中查詢數(shù)據(jù)； 查詢到數(shù)據(jù)后，將數(shù)據(jù)寫入到緩存中，并且返回給用戶。
寫策略的步驟是：
更新數(shù)據(jù)庫中的記錄； 刪除緩存記錄。
你也許會問了，在寫策略中，能否先刪除緩存，后更新數(shù)據(jù)庫呢？答案是不行的，因為這樣也有可能出現(xiàn)緩存數(shù)據(jù)不一致的問題，我以用戶表的場景為例解釋一下。
假設(shè)某個用戶的年齡是 20，請求 A 要更新用戶年齡為 21，所以它會刪除緩存中的內(nèi)容。這時，另一個請求 B 要讀取這個用戶的年齡，它查詢緩存發(fā)現(xiàn)未命中后，會從數(shù)據(jù)庫中讀取到年齡為 20，并且寫入到緩存中，然后請求 A 繼續(xù)更改數(shù)據(jù)庫，將用戶的年齡更新為 21，這就造成了緩存和數(shù)據(jù)庫的不一致。
那么像 Cache Aside 策略這樣先更新數(shù)據(jù)庫，后刪除緩存就沒有問題了嗎？其實在理論上還是有缺陷的。
假如某個用戶數(shù)據(jù)在緩存中不存在，請求 A 讀取數(shù)據(jù)時從數(shù)據(jù)庫中查詢到年齡為 20，在未寫入緩存中時另一個請求 B 更新數(shù)據(jù)。它更新數(shù)據(jù)庫中的年齡為 21，并且清空緩存。這時請求 A 把從數(shù)據(jù)庫中讀到的年齡為 20 的數(shù)據(jù)寫入到緩存中，造成緩存和數(shù)據(jù)庫數(shù)據(jù)不一致。
不過這種問題出現(xiàn)的幾率并不高，原因是緩存的寫入通常遠遠快于數(shù)據(jù)庫的寫入，所以在實際中很難出現(xiàn)請求 B 已經(jīng)更新了數(shù)據(jù)庫并且清空了緩存，請求 A 才更新完緩存的情況。而一旦請求 A 早于請求 B 清空緩存之前更新了緩存，那么接下來的請求就會因為緩存為空而從數(shù)據(jù)庫中重新加載數(shù)據(jù)，所以不會出現(xiàn)這種不一致的情況。
Cache Aside 策略是我們?nèi)粘ｉ_發(fā)中最經(jīng)常使用的緩存策略，不過我們在使用時也要學會依情況而變。比如說當新注冊一個用戶，按照這個更新策略，你要寫數(shù)據(jù)庫，然后清理緩存（當然緩存中沒有數(shù)據(jù)給你清理）?？僧斘易杂脩艉罅⒓醋x取用戶信息，并且數(shù)據(jù)庫主從分離時，會出現(xiàn)因為主從延遲所以讀不到用戶信息的情況。
而解決這個問題的辦法恰恰是在插入新數(shù)據(jù)到數(shù)據(jù)庫之后寫入緩存，這樣后續(xù)的讀請求就會從緩存中讀到數(shù)據(jù)了。并且因為是新注冊的用戶，所以不會出現(xiàn)并發(fā)更新用戶信息的情況。
Cache Aside 存在的最大的問題是當寫入比較頻繁時，緩存中的數(shù)據(jù)會被頻繁地清理，這樣會對緩存的命中率有一些影響。如果你的業(yè)務(wù)對緩存命中率有嚴格的要求，那么可以考慮兩種解決方案：
一種做法是在更新數(shù)據(jù)時也更新緩存，只是在更新緩存前先加一個分布式鎖，因為這樣在同一時間只允許一個線程更新緩存，就不會產(chǎn)生并發(fā)問題了。當然這么做對于寫入的性能會有一些影響； 另一種做法同樣也是在更新數(shù)據(jù)時更新緩存，只是給緩存加一個較短的過期時間，這樣即使出現(xiàn)緩存不一致的情況，緩存的數(shù)據(jù)也會很快過期，對業(yè)務(wù)的影響也是可以接受。
當然了，除了這個策略，在計算機領(lǐng)域還有其他幾種經(jīng)典的緩存策略，它們也有各自適用的使用場景。
Read/Write Through（讀穿 / 寫穿）策略
這個策略的核心原則是用戶只與緩存打交道，由緩存和數(shù)據(jù)庫通信，寫入或者讀取數(shù)據(jù)。這就好比你在匯報工作的時候只對你的直接上級匯報，再由你的直接上級匯報給他的上級，你是不能越級匯報的。
Write Through 的策略是這樣的：先查詢要寫入的數(shù)據(jù)在緩存中是否已經(jīng)存在，如果已經(jīng)存在，則更新緩存中的數(shù)據(jù)，并且由緩存組件同步更新到數(shù)據(jù)庫中，如果緩存中數(shù)據(jù)不存在，我們把這種情況叫做“Write Miss（寫失效）”。
一般來說，我們可以選擇兩種“Write Miss”方式：
一個是“Write Allocate（按寫分配）”，做法是寫入緩存相應(yīng)位置，再由緩存組件同步更新到數(shù)據(jù)庫中； 另一個是“No-write allocate（不按寫分配）”，做法是不寫入緩存中，而是直接更新到數(shù)據(jù)庫中。
在 Write Through 策略中，我們一般選擇“No-write allocate”方式，原因是無論采用哪種“Write Miss”方式，我們都需要同步將數(shù)據(jù)更新到數(shù)據(jù)庫中，而“No-write allocate”方式相比“Write Allocate”還減少了一次緩存的寫入，能夠提升寫入的性能。
Read Through 策略就簡單一些，它的步驟是這樣的：先查詢緩存中數(shù)據(jù)是否存在，如果存在則直接返回，如果不存在，則由緩存組件負責從數(shù)據(jù)庫中同步加載數(shù)據(jù)。
下面是 Read Through/Write Through 策略的示意圖：
Read Through/Write Through 策略的特點是由緩存節(jié)點而非用戶來和數(shù)據(jù)庫打交道，在我們開發(fā)過程中相比 Cache Aside 策略要少見一些，原因是我們經(jīng)常使用的分布式緩存組件，無論是 Memcached 還是 Redis 都不提供寫入數(shù)據(jù)庫，或者自動加載數(shù)據(jù)庫中的數(shù)據(jù)的功能。而我們在使用本地緩存的時候可以考慮使用這種策略，比如說在上一節(jié)中提到的本地緩存 Guava Cache 中的 Loading Cache 就有 Read Through 策略的影子。
我們看到 Write Through 策略中寫數(shù)據(jù)庫是同步的，這對于性能來說會有比較大的影響，因為相比于寫緩存，同步寫數(shù)據(jù)庫的延遲就要高很多了。那么我們可否異步地更新數(shù)據(jù)庫？這就是我們接下來要提到的“Write Back”策略。
Write Back（寫回）策略
這個策略的核心思想是在寫入數(shù)據(jù)時只寫入緩存，并且把緩存塊兒標記為“臟”的。而臟塊兒只有被再次使用時才會將其中的數(shù)據(jù)寫入到后端存儲中。
需要注意的是，在“Write Miss”的情況下，我們采用的是“Write Allocate”的方式，也就是在寫入后端存儲的同時要寫入緩存，這樣我們在之后的寫請求中都只需要更新緩存即可，而無需更新后端存儲了，我將 Write back 策略的示意圖放在了下面：
如果使用 Write Back 策略的話，讀的策略也有一些變化了。我們在讀取緩存時如果發(fā)現(xiàn)緩存命中則直接返回緩存數(shù)據(jù)。如果緩存不命中則尋找一個可用的緩存塊兒，如果這個緩存塊兒是“臟”的，就把緩存塊兒中之前的數(shù)據(jù)寫入到后端存儲中，并且從后端存儲加載數(shù)據(jù)到緩存塊兒，如果不是臟的，則由緩存組件將后端存儲中的數(shù)據(jù)加載到緩存中，最后我們將緩存設(shè)置為不是臟的，返回數(shù)據(jù)就好了。
發(fā)現(xiàn)了嗎？其實這種策略不能被應(yīng)用到我們常用的數(shù)據(jù)庫和緩存的場景中，它是計算機體系結(jié)構(gòu)中的設(shè)計，比如我們在向磁盤中寫數(shù)據(jù)時采用的就是這種策略。無論是操作系統(tǒng)層面的 Page Cache，還是日志的異步刷盤，亦或是消息隊列中消息的異步寫入磁盤，大多采用了這種策略。因為這個策略在性能上的優(yōu)勢毋庸置疑，它避免了直接寫磁盤造成的隨機寫問題，畢竟寫內(nèi)存和寫磁盤的隨機 I/O 的延遲相差了幾個數(shù)量級呢。
但因為緩存一般使用內(nèi)存，而內(nèi)存是非持久化的，所以一旦緩存機器掉電，就會造成原本緩存中的臟塊兒數(shù)據(jù)丟失。所以你會發(fā)現(xiàn)系統(tǒng)在掉電之后，之前寫入的文件會有部分丟失，就是因為 Page Cache 還沒有來得及刷盤造成的。
當然，你依然可以在一些場景下使用這個策略，在使用時，我想給你的落地建議是：你在向低速設(shè)備寫入數(shù)據(jù)的時候，可以在內(nèi)存里先暫存一段時間的數(shù)據(jù)，甚至做一些統(tǒng)計匯總，然后定時地刷新到低速設(shè)備上。比如說，你在統(tǒng)計你的接口響應(yīng)時間的時候，需要將每次請求的響應(yīng)時間打印到日志中，然后監(jiān)控系統(tǒng)收集日志后再做統(tǒng)計。但是如果每次請求都打印日志無疑會增加磁盤 I/O，那么不如把一段時間的響應(yīng)時間暫存起來，經(jīng)過簡單的統(tǒng)計平均耗時，每個耗時區(qū)間的請求數(shù)量等等，然后定時地，批量地打印到日志中。
總結(jié)
本篇文章主要帶你了解了緩存使用的幾種策略，以及每種策略適用的使用場景是怎樣的。我想讓你掌握的重點是：
Cache Aside 是我們在使用分布式緩存時最常用的策略，你可以在實際工作中直接拿來使用。 Read/Write Through 和 Write Back 策略需要緩存組件的支持，所以比較適合你在實現(xiàn)本地緩存組件的時候使用； Write Back 策略是計算機體系結(jié)構(gòu)中的策略，不過寫入策略中的只寫緩存，異步寫入后端存儲的策略倒是有很多的應(yīng)用場景。