概述

快取更新是指在資料發生變化時，保持快取和資料庫的資料一致性的問題，如果快取和資料庫的資料不一致，會導致用戶看到過期或者錯誤的資料，影響業務邏輯和用戶體驗，

為了實作快取更新，我們可以采用以下四種方式其中的一種：

• Cache Aside策略：應用程式直接與資料庫和快取互動，并負責維護快取的一致性

  • 查詢：先查詢快取，如果快取中沒有，則查詢資料庫，并將結果寫入快取
  • 更新：先更新資料庫，然后洗掉快取或者更新快取

• Read/Write Through策略：應用程式只和快取互動，而是使用快取與資料庫互動

  • 查詢：先查詢快取，如果快取中沒有，則快取從資料庫中加載資料，并寫入快取
  • 更新：先更新快取，再由快取同步更新資料庫

• Write Behind 策略：應用程式只和快取互動，當有資料更新時，只更新快取，不直接更新資料庫，改為異步的方式更新資料庫

• Refresh-Ahead策略：應用程式只和快取互動，由后臺服務與資料庫互動

  • 查詢：只查詢快取
  • 更新：由后臺服務自動從資料庫中查詢最新的資料，并將資料寫入快取中，

  不同于以上三種，應用程式無需等待資料的重繪，也無需自己去觸發資料的重繪，而是后臺服務來完成這些操作

Cache Aside

Cache Aside策略上文已經介紹過了，它是通過應用層面來實作的，分為兩種場景：

• Cache Aside查詢策略
• Cache Aside更新策略

Cache Aside查詢策略

如下圖所示：通過代碼查詢快取，快取命中則回傳，如果沒有命中則查詢資料庫并設定值

Cache Aside更新策略

如下圖所示：通過代碼更新快取，先更新資料庫，后更新快取

這種策略簡單易用，但是需要維護快取和資料庫的一致性，可能出現快取穿透或快取雪崩的問題，一般采用延遲雙刪來保證最終一致性

延遲雙刪

延遲雙刪是一種保證資料一致性的常用策略，它的基本思想是在更新資料庫后，先洗掉快取，然后等待一段時間，再次洗掉快取，這樣做的目的是為了防止在資料庫和快取主從同步的程序中，有其他請求查詢到舊的快取資料，并寫回到快取中，具體的流程如下：

1. 更新資料庫資料
2. 洗掉快取資料
3. 休眠一段時間，時間依據資料的讀取耗費的時間而定，
4. 再次洗掉快取資料

延遲雙刪的休眠時間是根據業務讀取資料平均耗時來設定的，目的是確保讀請求可以結束，寫請求可以洗掉讀請求造成的臟資料的問題，一般來說，休眠時間可以設定為500毫秒左右，但具體還要根據實際情況調整，休眠時間設定過長會影響性能和實時性，設定過短會導致資料不一致的風險，

延遲雙刪的優點是簡單易實作，能夠提高資料的最終一致性，但是延遲雙刪的缺點也非常明顯：

• 延遲雙刪不是強一致性，有等待環節，如果系統要求低延時，這種場景就不合適了
• 延遲雙刪不適合“秒殺”這種頻繁修改資料和要求資料強一致的場景
• 延遲雙刪的延時時間是一個預估值，不能確保資料庫和redis在這個時間段內都實時同步或持久化成功了
• 延遲雙刪不能完全避免redis存在臟資料的問題，只能減輕這個問題，要想徹底解決，還需要用到同步鎖解決

Read/Write Through

Read/Write Through只與快取做互動，分為兩種場景：

• Read/Write Through查詢策略
• Read/Write Through更新策略

Read/Write Through查詢策略

如下圖所示：先查詢快取，如果快取沒有，由快取去資料庫查詢，而不是應用層，查詢后更新快取

Read/Write Through更新策略

如下圖所示：先更新快取，再由快取同步更新資料庫

Write Behind

Write Behind 策略是指在寫入資料時，只更新快取中的資料，然后建立一個異步任務或者定時任務來批量更新資料庫中的資料，這樣，應用程式無需等待資料庫的回應，也無需自己去同步更新資料庫和快取，而是交由快取服務來完成這些操作，如下圖所示：

Refresh-Ahead

是指在讀取資料時，如果快取中的資料即將過期，則由CDC服務自動從資料庫中查詢最新的資料，并將資料寫入快取中，然后回傳給應用程式，不同于以上三種，應用程式無需等待資料的重繪，也無需自己去觸發資料的重繪，而是交由CDC服務來完成這些操作，

Refresh-Ahead 模式的作業原理如下：

• 當客戶端訪問快取中的某個資料項時，首先檢查該資料項是否即將過期，如果是，則啟動一個后臺執行緒或服務去從資料源中獲取最新的資料，并替換掉快取中的舊資料；同時回傳給客戶端
• 如果該資料還沒有即將過期，則直接回傳給客戶端
• 如果該資料項已經過期，則從資料源中獲取最新的資料，并替換掉快取中的舊資料，并回傳給客戶端新資料，

CDC

CDC，全稱為Change Data Capture，它是一種軟體設計模式，可以讓用戶檢測和管理資料源的增量變化，并將這些變化應用到企業的下游環節，CDC 技術可以實時捕獲資料的變化，只需要很少的資源，而不是全量資料批處理，CDC 可以幫助實作資料同步、資料倉庫加載、資料分析等場景，

CDC 的優點：

• 提高資料訪問的性能和效率，因為它避免了重復地查詢整個資料集，而只需要獲取增量資料
• 提高資料一致性和可靠性，因為它可以及時地將資料源的變化同步到下游系統，避免了資料過期或丟失的風險
• 提高資料分析和洞察的能力，因為它可以實時地反映資料的狀態
• 提高資料集成和轉換的靈活性和可擴展性，因為它可以適應不同型別和結構的資料源和目標，支持多種場景和用例，

CDC 的應用場景：

• 資料同步：可將資料源中的變化同步到其他資料庫或資料存盤中，例如快取、搜索索引、備份等，
• 資料倉庫加載：可將資料源中的變化加載到資料倉庫或資料湖中，支持離線或實時的資料分析和報告，
• 資料分析：可將資料源中的變化發送到流式處理平臺或機器學習平臺中，支持實時或批量的資料處理和建模
• 資料觸發：可將資料源中的變化作為觸發器，激活其他系統或服務中的業務流程或邏輯，例如通知、審計、驗證等

CDC 的實作方式有多種，其中比較成熟的開源專案就是Debezium，它為CDC提供了一套低延遲的資料流平臺支持多種資料庫，例如：MongoDB、MySQL、PostgreSQL、SQL Server、Oracle等等，使用Debezium監控資料源，并使用Kafka作為訊息服務，將資料源的變化作為事件發送到快取，這樣，快取可以異步地接收和處理資料變化，而不需要定期地查詢資料源

四種策略的選擇

我們介紹了四種常見的快取更新策略：Cache Aside、Read/Write Through 、Write Behind Caching 、Refresh-Ahead，在實際應用時，應該結合具體業務和應用場景來選擇合適的快取策略，接下來我們通過對比性能、資料一致性、冗余資料、代碼復雜度、業務邏輯、可靠性這幾個點來說明：

注意：
Refresh-Ahead策略是假定無CDC的情況下進行對比的

性能

• Cache Aside 的性能較高，它只在快取未命中時才訪問資料庫
• Read/Write Through 的性能較低，它在每次讀寫時都需要訪問資料庫
• Write Behind Caching 的性能最高，它只在快取未命中時才訪問資料庫，而寫入操作是異步的
• Refresh-Ahead 的性能介于 Cache Aside 和 Write Behind Caching 之間，它只在即將過期時才訪問資料庫，并且寫入操作也是異步的

資料一致性

• Cache Aside 的資料一致性較低，它只在快取未命中時才更新快取，而寫入操作則是直接更新資料庫，并將快取中的資料洗掉或更新
• Read/Write Through 的資料一致性最高，它在每次讀寫時都更新資料庫和快取
• Write Behind Caching 的資料一致性最低，它只在快取未命中時才更新快取，而寫入操作則是先更新快取，并在異步更新資料庫，有較大的延遲，
• Refresh-Ahead 的資料一致性介于 Read/Write Through 和 Cache Aside 之間，它保證了快取中的資料總是最新的，但是有一定的延遲

冗余資料

• Cache Aside 的冗余資料較少，它只將經常訪問的資料保存到快取中
• Read/Write Through 的冗余資料較多，它需要將資料庫的所有資料都保存到快取中
• Write Behind Caching 的冗余資料與 Cache Aside 相同，因為它也只將經常訪問的資料保存到快取中
• Refresh-Ahead 的冗余資料與 Read/Write Through 相同，它也需要將資料庫的所有資料都保存到快取中

代碼復雜度

• Cache Aside 的代碼復雜度較高，它需要同時與快取和資料庫互動，并處理可能出現的例外情況
• Read/Write Through 的代碼復雜度最高，它需要實作資料庫的讀寫介面
• Write Behind Caching 的代碼復雜度較低，它只需要實作簡單的快取操作，并在異步執行資料庫寫入操作
• Refresh-Ahead 的代碼復雜度與 Read/Write Through 相同，他它需要實作資料庫的讀寫介面（關于這點可以使用Debezium）

業務邏輯

• Cache Aside 的業務邏輯較復雜，它需要同時與快取和資料庫互動，且回傳的資料是最新的
• Read/Write Through 的業務邏輯最簡單，它只與快取互動，且回傳的資料是最新的
• Write Behind Caching 的業務邏輯較簡單，它也只與快取互動，且回傳的資料是最新的，由于是異步更新，所以比Read/Write Through要復雜一些
• Refresh-Ahead 的業務邏輯較復雜，它會同時與快取和資料庫互動，需要處理可能出現的例外情況，且回傳的資料有可能是舊的，也有可能是新的（關于這點也可以使用Debezium）

可靠性

• Cache Aside 的可靠性較低，因為它將快取作為資料庫的輔助層
• Read/Write Through 的可靠性最高，因為它將快取作為資料庫的代理層
• Write Behind Caching 的可靠性較高，因為它將快取作為資料庫前置層
• Refresh-Ahead 的可靠性與 Read/Write Through 相同，因為它也將快取作為資料庫的代理層

標籤：架構設計

上一篇：結構型模式（Structural Pattern）

下一篇：返回列表