查询商铺的Redis缓存实现
缓存架构图
缓存更新
- 缓存更新策略
内存淘汰 | 超时剔除 | 主动更新 | |
---|---|---|---|
说明 | Redis数据库自动维护,内存不足自动淘汰部分数据,下次查询时更新缓存。 | 给缓存数据添加TTL时间,到期后自动删除数据。 | 编写业务逻辑,在修改数据库的同时,更新缓存。 |
一致性 | 差(内存充足时,缓存长时间不更新) | 一般(与TTL相关,TTL太长则长期不更新) | 好(根据业务设定更新逻辑) |
维护成本 | 低(Redis自带) | 低(只需要存数据的时候设定TTL) | 高(需要成需要编写更新逻辑) |
- 缓存策略的选择:
- 低一致性需求:使用内存淘汰机制,例如店铺类型的查询缓存(店铺类型不会经常发生变化)
- 高一一致性需求:使用主动更新策略+超时剔除(兜底)。例如店铺详情查询的缓存(店铺介绍等信息经常发生变化。
主动更新策略
- Cache Aside Pattern(人工编码):由缓存的调用者,在更新数据库的同时更新缓存。(实现复杂)
- Read/Write Through Pattern(整合服务):缓存和数据库整合为一个服务,由服务来维护一致性。向调用者提供服务接口。(实现困难,市面上无现成的方案)
- Write Behind Caching Pattern(写回):调用者只操作缓存(与方式2的区别),由其他线程异步地将缓存数据持久化到数据库,保证最终的一致性。即开启一个守护线程,定时查询缓存和数据库中是否存在不一致,发生不一致就将缓存中的数据更新到数据库中。(一致性和可靠性存在一定问题,如果缓存更新了,但守护线程尚未查询到变化,此时数据是不一致的。当缓存宕机时,数据丢失。)
一般情况下,方式1使用较多。
Cache Aside Pattern(人工编码)
-
思考
- 删除缓存还是更新缓存?
更新缓存:更新数据库的时候,重写缓存,无效写操作较多(用户不查询时,也有大量的写缓存操作)。
删除缓存:等到下一次查询再更新缓存。 - 如何保证缓存与数据库的操作同时成功或失败(原子性)?
单体系统:将缓存与数据库操作放在一个事务。
分布式系统:利用TTC等分布式事务方案。 - 先操作缓存还是先操作数据库?(一般都可以)
- 删除缓存还是更新缓存?
-
先操作缓存和先操作数据库的区别
如果由两个线程A,B,此时Cache中存在值:10,数据库中存在值:10。- 先操作缓存的问题:A线程准备更新数据为20。A线程先删除缓存,删除结束后,还未更新数据库,此时B线程查询缓存,发现未命中,则直接查询数据库并写入缓存。B线程结束后,A线程更新数据库的值为20。此时,Cache中存在值:10,数据库中却为20。发生了数据不一致。(发生的可能性大,因为删缓存操作执行速度快,写数据库操作慢,可能数据库写操作速度慢。)
- 先操作数据库的问题:某个情况,缓存失效了。此时,线程A查询缓存未命中,查询数据库得到值10准备写入缓存。此时,线程B更新数据库的值为20,删除缓存(此时缓存不存在,删除未进行实际操作)。线程B结束后,A线程写入缓存值10。此时Cache值为10,数据库为20。发生数据不一致。(可能性小,因为写缓存的速度挺快的,A写入缓存后,线程B的删除操作会实际发生,下次查询还是一致的。)