不知道这4种缓存模式，敢说懂缓存吗？

概述

在系统架构中，缓存可谓提供系统性能的最简单方法之一，稍微有点开发经验的同学必然会与缓存打过交道，最起码也实践过。

如果使用得当，缓存可以减少响应时间、减少数据库负载以及节省成本。但如果缓存使用不当，则可能出现一些莫名其妙的问题。

在不同的场景下，所使用的缓存策略也是有变化的。如果在你的印象和经验中，缓存还只是简单的查询、更新操作，那么这篇文章真的值得你学习一下。

在这里，为大家系统地讲解4种缓存模式以及它们的使用场景、流程以及优缺点。

缓存策略的选择

本质上来讲，缓存策略取决于数据和数据访问模式。换句话说，数据是如何写和读的。

例如:

• 系统是写多读少的吗？（例如，基于时间的日志）

• 数据是否是只写入一次并被读取多次？（例如，用户配置文件）

• 返回的数据总是唯一的吗？（例如，搜索查询）

选择正确的缓存策略才是提高性能的关键。

常用的缓存策略有以下五种：

• Cache-Aside Pattern：旁路缓存模式

• Read Through Cache Pattern：读穿透模式

• Write Through Cache Pattern：写穿透模式

• Write Behind Pattern：又叫Write Back，异步缓存写入模式

上述缓存策略的划分是基于对数据的读写流程来区分的，有的缓存策略下是应用程序仅和缓存交互，有的缓存策略下应用程序同时与缓存和数据库进行交互。因为这个是策略划分比较重要的一个维度，所以在后续流程学习时大家需要特别留意一下。

Cache Aside

Cache Aside是最常见的缓存模式，应用程序可直接与缓存和数据库对话。Cache Aside可用来读操作和写操作。

读操作的流程图：

Cache Aside Pattern

读操作的流程：

• 应用程序接收到数据查询（读）请求；

• 应用程序所需查询的数据是否在缓存上：

  • 如果存在（Cache hit），从缓存上查询出数据，直接返回；

  • 如果不存在（Cache miss），则从数据库中检索数据，并存入缓存中，返回结果数据；

这里我们需要留意一个操作的边界，也就是数据库和缓存的操作均由应用程序直接进行操作。

写操作的流程图：

Cache Aside Pattern

这里的写操作，包括创建、更新和删除。在写操作的时候，Cache Aside模式是先更新数据库（增、删、改），然后直接删除缓存。

Cache Aside模式可以说适用于大多数的场景，通常为了应对不同类型的数据，还可以有两种策略来加载缓存：

• 使用时加载缓存：当需要使用缓存数据时，从数据库中查询出来，第一次查询之后，后续请求从缓存中获得数据；

• 预加载缓存：在项目启动时或启动后通过程序预加载缓存信息，比如”国家信息、货币信息、用户信息，新闻信息“等不是经常变更的数据。

Cache Aside适用于读多写少的场景，比如用户信息、新闻报道等，一旦写入缓存，几乎不会进行修改。该模式的缺点是可能会出现缓存和数据库双写不一致的情况。

Cache Aside也是一个标准的模式，像Facebook便是采用的这种模式。

Read Through

Read-Through和Cache-Aside很相似，不同点在于程序不需要关注从哪里读取数据（缓存还是数据库），它只需要从缓存中读数据。而缓存中的数据从哪里来是由缓存决定的。

Cache Aside是由调用方负责把数据加载入缓存，而Read Through则用缓存服务自己来加载，从而对应用方是透明的。Read-Through的优势是让程序代码变得更简洁。

这里就涉及到我们上面所说的应用程序操作边界问题了，直接来看流程图：

Read Through

在上述流程图中，重点关注一下虚线框内的操作，这部分操作不再由应用程序来处理，而是由缓存自己来处理。也就是说，当应用从缓存中查询某条数据时，如果数据不存在则由缓存来完成数据的加载，最后再由缓存返回数据结果给应用程序。

Write Through

在Cache Aside中，应用程序需要维护两个数据存储：一个缓存，一个数据库。这对于应用程序来说，有一些繁琐。

Write-Through模式下，所有的写操作都经过缓存，每次向缓存中写数据时，缓存会把数据持久化到对应的数据库中去，且这两个操作在一个事务中完成。因此，只有两次都写成功了才是最终写成功了。坏处是有写延迟，好处是保证了数据的一致性。

可以理解为，应用程序认为后端就是一个单一的存储，而存储自身维护自己的Cache。

因为程序只和缓存交互，编码会变得更加简单和整洁，当需要在多处复用相同逻辑时这点就变得格外明显。

Write Through

当使用Write-Through时，一般都配合使用Read-Through来使用。Write-Through的潜在使用场景是银行系统。

Write-Through适用情况有：

• 需要频繁读取相同数据

• 不能忍受数据丢失（相对Write-Behind而言）和数据不一致

在使用Write-Through时要特别注意的是缓存的有效性管理，否则会导致大量的缓存占用内存资源。甚至有效的缓存数据被无效的缓存数据给清除掉。

Write-Behind

Write-Behind和Write-Through在”程序只和缓存交互且只能通过缓存写数据“这方面很相似。不同点在于Write-Through会把数据立即写入数据库中，而Write-Behind会在一段时间之后（或是被其他方式触发）把数据一起写入数据库，这个异步写操作是Write-Behind的最大特点。

数据库写操作可以用不同的方式完成，其中一个方式就是收集所有的写操作并在某一时间点（比如数据库负载低的时候）批量写入。另一种方式就是合并几个写操作成为一个小批次操作，接着缓存收集写操作一起批量写入。

异步写操作极大地降低了请求延迟并减轻了数据库的负担。同时也放大了数据不一致的。比如有人此时直接从数据库中查询数据，但是更新的数据还未被写入数据库，此时查询到的数据就不是最新的数据。

小结

不同的缓存模式有不同的考量点和特征，根据应用程序需求场景的不同，需要灵活的选择适配的缓存模式。在实践的过程中往往也是多种模式相结合来使用。

最近面试的小伙伴很多，对此我整理了一份Java面试题手册：基础知识、JavaOOP、Java集合/泛型面试题、
Java异常面试题、Java中的IO与NIO面试题、Java反射、Java序列化、Java注解、多线程&并发、JVM、Mysql、Redis、
Memcached、MongoDB、Spring、SpringBoot、SpringCloud、RabbitMQ、Dubbo、MyBatis、ZooKeeper、数据结构、算法、
Elasticsearch、Kafka、微服务、Linux等等。可以分享给大家学习。【持续更新中】领取方式【999】就可以领取资料了