缓存一定要用redis吗

「缓存」，写程序的肯定都用过。

使用缓存的目的只有2个：提升速度、减轻数据库压力。

使用缓存虽然也很简单的，但还是有很多细节可以推敲。

经典的缓存更新策略

我就先摆一些经典的缓存模式，其实我们有时候都不知道它是一个模式的时候，都已经在用了。

一般有以下几种：

• Cache Aside
• Read/Write Through
• Write Behind

名字看上去很专业，但其实原理都比较简单，大家有时间可以去网上搜一下，我很多也是搜回来的，下面我只挑里面重点讲扼要。

Cache Aside

Cache-Aside-Design-Pattern-Flow-Diagram-e1470471723210.png

Updating-Data-using-the-Cache-Aside-Pattern-Flow-Diagram-1-e1470471761402.png

上面就是整个更新缓存的流程图，重点我们可以看下面的图更新缓存的方式：

• 先更新数据库
• 再把缓存的数据失效

缓存失效了后，等下次Application再请求数据的时候，就会回到第一张图，如此循环。

其实这个就是我们经常使用的更新缓存逻辑，但这里存在一个高并发情况下的问题。

• 缓存初始化为空，A请求数据，就去数据库查询到了数据，并准备放到缓存。即执行了上图的1、2，3还没执行。
• 此时B请求并发，更新数据库，并使缓存为空。也就是下图的1、2。
• 最后A请求执行步骤3，设置缓存并返回结果。这时候其实缓存里面的数据是「脏数据」，因为B的更新并没有读到缓存里。

然而高并发情况触发条件比较苛刻，所以如果对缓存再加上一个适当的TTL（Time To Live，过期时间），缓存数据的准确性要求不高，那问题就不大。

Read/Write Through

Read/Write Through 更新逻辑如下所示

dcc0b5c52ce691ac9fbd591f0d5a4a82_1440w.jpg

咋看其实跟上面Cache Aside没什么区别，但架构上多了一个Cache的服务，Cache服务层充当写入、更新、读取缓存的服务。

整体数据流就是：应用 > Cache 服务 > 数据库。所以跟Cache Aside最大的区别在于：

• Cache Aside是直接应用跟数据库打交道，缓存的更新逻辑有应用自己完成。
• Read/Write Through 在应用和数据库之间多了一个“Cache 服务”，从而应用和数据库解耦。
• 解耦的好处在于，应用再也不需要关注缓存的更新逻辑，每次读取、更新数据都是跟Cache 服务交互；Cache 服务专注于缓存的更新以及数据库的同步即可。

Write Behind

Write Behind 更新逻辑如下所示

293f4fd60aa7cc24c7b233d2f543ba21_1440w.jpg

截取《缓存更新的套路》的一段话解释

Write Back套路，一句说就是，在更新数据的时候，只更新缓存，不更新数据库，而我们的缓存会异步地批量更新数据库。这个设计的好处就是让数据的I/O操作飞快无比（因为直接操作内存嘛 ），因为异步，write back还可以合并对同一个数据的多次操作，所以性能的提高是相当可观的。

但是，其带来的问题是，数据不是强一致性的，而且可能会丢失，但软件设计没有完美，都是权衡取舍。

另外，Write Back实现逻辑比较复杂，因为他需要track有哪数据是被更新了的，需要刷到持久层上。操作系统的write back会在仅当这个cache需要失效的时候，才会被真正持久起来，比如，内存不够了，或是进程退出了等情况，这又叫lazy write。

如果中间件服务挂掉呢

其实可以看出，上面几个缓存使用策略，逻辑都是 Cache Aside 基础上强化改造。那我们回到 Cache Aside 的逻辑看，除了上面说的 “高并发” 问题，其实还有其他问题。

回忆一下，在Cache Aside的模式中，我们在更新缓存：

• 是先更新完数据库。
• 再直接把缓存失效；
• 待下次读取缓存数据的时候，再从数据库加载新数据；
• 加载到缓存中，再返回数据。

image-20210125194734959.png

一般来说，程序部署标准都是用各种中间件，比如一个程序用了缓存，就用redis；数据库，就用mysql。那么一个完整的程序，就有程序应用实例、redis、数据库，当三个服务都正常时，就会提供正常响应，但如果redis或者数据库访问异常呢。

redis 异常

如果redis异常的话，一般程序会有2种表现：

• 程序没cache到redis异常，或者没有做处理，程序不返回数据直接报错。redis 属于数据缓存，缓存崩溃导致整体程序不可用，对于某些高可用场景来说未必是可以接受的；没了缓存性能、效率、吞吐量会降低，可以限流提供有限服务，但不能完全不提供。
• 程序cache到redis异常，并且跳过了redis，每一次的抓取数据都要访问DB，这个比上面的表现要好，因为起码对外仍然提供了服务；但如果没有有效的限流，高并发下就会造成「缓存击穿」，大量查询可能直接把数据库搞挂。

数据库异常

数据库异常本身就是比较大的故障，整体程序应该大部分都不能用。

但有时偶尔的网络抖动导致访问失败也是有可能的，那如果刚好缓存被设置为失效，又请求数据库失败的这种情况下，就会返回失败。

这种情况下，如果redis缓存还有旧数据，就可以暂时返回给用户。

真的要用中间件吗

理论上来说，redis和数据库作为中间件而言，一般都是具有较高可用性，比如腾讯云上的redis就达到99.5%。

image-20210210091338201.png

但中间件终归是一种共享服务，除了本身的稳定性，还需要依赖网络的稳定性，相互请求也需要带宽。

回到「缓存」这个主题上来，要增加使用缓存的稳定性，还有一个可以考虑的点，就是是否真的需要使用redis。因为少一个外部依赖点，程序性能相对稳定性可控。

假如程序里面的缓存符合以下特性：

• 缓存数据不需要锁，多个实例不需要共享、统计。
• 缓存数据的量是可以统计到并预计到内存的使用量，要避免本地内存使用影响程序本身的服务。
• 缓存不需要考虑持久化，进程重启后可以随时重新获取。

符合以上特性，其实建议还是使用本地缓存，缺点就是增加了代码复杂度，要考虑过期、线程安全等；但对应也是有措施，可以用一些框架来缓解代码复杂度的问题。

本地缓存另外一个问题就是缓存更新，因为在分布式系统下，同一个应用的缓存就散落到各个实例上，如何主动统一刷新多态进程实例的缓存也是一个问题。