目录
缓存设计模式是指将缓存作为系统架构的一部分，通过特定的设计模式来优化数据访问的效率和性能。
Cache Aside（旁路缓存）模式
概念
Cache Aside模式是最常见的缓存设计模式，又称为Lazy Loading（延迟加载）模式。应用程序直接控制缓存和数据库的交互，数据的加载和更新由应用程序显式的管理。
读操作流程如上图所示
- 应用程序先从缓存中读取数据。
- 如果缓存中存在（命中），则返回数据。
- 如果缓存中不存在（未命中），则从数据库中读取数据，将数据写入缓存中，并返回数据。
写操作流程如上图所示
- 应用程序先更新数据库中的数据。
- 然后删除缓存中的旧数据（或者直接更新缓存）。
代码示例
// 伪代码示例
public String getData(String key) {
String value = redis.get(key);
if (value == null) {
value = db.get(key);
redis.set(key, value);
}
return value;
}
public void updateData(String key, String value) {
db.update(key, value);
redis.del(key); // 或者 redis.set(key, value);
}
总结
在Cache Aside中，应用层需要和缓存和数据库两个数据源打交道，这增加了应用层的复杂度，而Read/Write Through Pattern就是来解决这个问题的，在这两种模式下，应用层只需要将缓存作为主要数据源，不需要感知数据库，更新和读取的任务都交给缓存来处理。
Read-Through 模式
概念
Read-Through模式将缓存的加载逻辑封装在缓存层，由缓存系统负责从数据库中记载数据。这种模式对于开发者透明，应用程序只需要与缓存交互。
操作流程：
- 应用程序从缓存中读取数据。
- 如果缓存命中，则返回数据。
- 如果缓存未命中，则由缓存系统自动从数据库中加载数据，并写入缓存，然后返回数据。
在上图中，红色框线内的流程都由缓存自己操作，不再由应用层处理。
// 伪代码示例
public String getData(String key) {
// 缓存系统内部封装了数据加载逻辑
return cache.get(key);
}
优点：
- 简化了应用程序的代码逻辑，开发者只需关心缓存的使用。
Write-Through 模式
概念
在Write Though模式下，是由缓存配置一个写模块，应用层更新数据时，由缓存去更新数据库。同时，当缓存命中时，写缓存和写数据库这两个操作在一个事务中完成，保证同时成功：
操作流程：
- 应用程序更新数据时，首先写入缓存。
- 缓存系统会同步将数据写入数据库，确保数据一致性。
// 伪代码示例
public void updateData(String key, String value) {
cache.set(key, value);
db.update(key, value); // 缓存系统自动同步数据库
}
优点：
- 数据一致性强，避免了缓存与数据库不一致的问题。
Write-Behind（Write-Back）模式
概念
Write-Behind 模式 也称为 Write-Back 模式。与 Write-Through 模式不同，Write-Behind 模式将数据写入缓存后，不立即同步写入数据库，而是在后台异步批量更新数据库，这个异步写操作是Write-Behind的最大特点。
操作流程：
- 应用程序更新数据时，首先写入缓存。
- 缓存系统会在后台异步批量将数据写入数据库。
// 伪代码示例
public void updateData(String key, String value) {
cache.set(key, value);
// 数据库更新在后台异步进行
asyncUpdateDb(key, value);
}
优点：
- 应用层操作只写缓存，速度非常快。
- 缓存在异步地写数据库时，会将多个I/O操作合并为一个，减少I/O次数。
缺点：
- 可能导致数据丢失，如果缓存崩溃或数据库写入失败。
- 复杂度高
总结
缓存设计模式在分布式系统中起着至关重要的作用，它们帮助开发者在不同的业务场景下有效管理缓存，提高系统的性能和响应速度。根据具体的需求和场景，开发者可以选择适合的缓存设计模式，以确保系统的高效和稳定。
标签：缓存,进阶,数据库,Redis,value,Write,key,设计模式,String From： https://blog.csdn.net/2401_83045332/article/details/141037113