详解缓存更新策略及如何选择
概述
缓存更新是指在数据发生变化时，保持缓存和数据库的数据一致性的问题。如果缓存和数据库的数据不一致，会导致用户看到过期或者错误的数据，影响业务逻辑和用户体验。
为了实现缓存更新，我们可以采用以下四种方式其中的一种：
-
Cache Aside策略：应用程序直接与数据库和缓存交互，并负责维护缓存的一致性
- 查询：先查询缓存，如果缓存中没有，则查询数据库，并将结果写入缓存
- 更新：先更新数据库，然后删除缓存或者更新缓存
-
Read/Write Through策略：应用程序只和缓存交互，而是使用缓存与数据库交互
- 查询：先查询缓存，如果缓存中没有，则缓存从数据库中加载数据，并写入缓存
- 更新：先更新缓存，再由缓存同步更新数据库
-
Write Behind 策略：应用程序只和缓存交互。当有数据更新时，只更新缓存，不直接更新数据库，改为异步的方式更新数据库
-
Refresh-Ahead策略：应用程序只和缓存交互，由后台服务与数据库交互
- 查询：只查询缓存
- 更新：由后台服务自动从数据库中查询最新的数据，并将数据写入缓存中，
不同于以上三种，应用程序无需等待数据的刷新，也无需自己去触发数据的刷新，而是后台服务来完成这些操作
Cache Aside
Cache Aside策略上文已经介绍过了，它是通过应用层面来实现的，分为两种场景：
- Cache Aside查询策略
- Cache Aside更新策略
Cache Aside查询策略
如下图所示：通过代码查询缓存，缓存命中则返回，如果没有命中则查询数据库并设置值
Cache Aside更新策略
如下图所示：通过代码更新缓存，先更新数据库，后更新缓存
这种策略简单易用，但是需要维护缓存和数据库的一致性，可能出现缓存穿透或缓存雪崩的问题，一般采用延迟双删来保证最终一致性
延迟双删
延迟双删是一种保证数据一致性的常用策略，它的基本思想是在更新数据库后，先删除缓存，然后等待一段时间，再次删除缓存。这样做的目的是为了防止在数据库和缓存主从同步的过程中，有其他请求查询到旧的缓存数据，并写回到缓存中，具体的流程如下：
- 更新数据库数据
- 删除缓存数据
- 休眠一段时间，时间依据数据的读取耗费的时间而定。
- 再次删除缓存数据
延迟双删的休眠时间是根据业务读取数据平均耗时来设置的，目的是确保读请求可以结束，写请求可以删除读请求造成的脏数据的问题。一般来说，休眠时间可以设置为500毫秒左右，但具体还要根据实际情况调整。休眠时间设置过长会影响性能和实时性，设置过短会导致数据不一致的风险。
延迟双删的优点是简单易实现，能够提高数据的最终一致性。但是延迟双删的缺点也非常明显：
- 延迟双删不是强一致性，有等待环节，如果系统要求低延时，这种场景就不合适了
- 延迟双删不适合“秒杀”这种频繁修改数据和要求数据强一致的场景
- 延迟双删的延时时间是一个预估值，不能确保数据库和redis在这个时间段内都实时同步或持久化成功了
- 延迟双删不能完全避免redis存在脏数据的问题，只能减轻这个问题，要想彻底解决，还需要用到同步锁解决
Read/Write Through
Read/Write Through只与缓存做交互，分为两种场景：
- Read/Write Through查询策略
- Read/Write Through更新策略
Read/Write Through查询策略
如下图所示：先查询缓存，如果缓存没有，由缓存去数据库查询，而不是应用层，查询后更新缓存
Read/Write Through更新策略
如下图所示：先更新缓存，再由缓存同步更新数据库
Write Behind
Write Behind 策略是指在写入数据时，只更新缓存中的数据，然后建立一个异步任务或者定时任务来批量更新数据库中的数据。这样，应用程序无需等待数据库的响应，也无需自己去同步更新数据库和缓存，而是交由缓存服务来完成这些操作，如下图所示：
Refresh-Ahead
是指在读取数据时，如果缓存中的数据即将过期，则由CDC服务自动从数据库中查询最新的数据，并将数据写入缓存中，然后返回给应用程序。不同于以上三种，应用程序无需等待数据的刷新，也无需自己去触发数据的刷新，而是交由CDC服务来完成这些操作。
Refresh-Ahead 模式的工作原理如下：
- 当客户端访问缓存中的某个数据项时，首先检查该数据项是否即将过期，如果是，则启动一个后台线程或服务去从数据源中获取最新的数据，并替换掉缓存中的旧数据；同时返回给客户端
- 如果该数据还没有即将过期，则直接返回给客户端
- 如果该数据项已经过期，则从数据源中获取最新的数据，并替换掉缓存中的旧数据，并返回给客户端新数据。
CDC
CDC，全称为Change Data Capture。它是一种软件设计模式，可以让用户检测和管理数据源的增量变化，并将这些变化应用到企业的下游环节。CDC 技术可以实时捕获数据的变化，只需要很少的资源，而不是全量数据批处理。CDC 可以帮助实现数据同步、数据仓库加载、数据分析等场景。
CDC 的优点：
- 提高数据访问的性能和效率，因为它避免了重复地查询整个数据集，而只需要获取增量数据
- 提高数据一致性和可靠性，因为它可以及时地将数据源的变化同步到下游系统，避免了数据过期或丢失的风险
- 提高数据分析和洞察的能力，因为它可以实时地反映数据的状态
- 提高数据集成和转换的灵活性和可扩展性，因为它可以适应不同类型和结构的数据源和目标，支持多种场景和用例。
CDC 的应用场景：
- 数据同步：可将数据源中的变化同步到其他数据库或数据存储中，例如缓存、搜索索引、备份等。
- 数据仓库加载：可将数据源中的变化加载到数据仓库或数据湖中，支持离线或实时的数据分析和报告。
- 数据分析：可将数据源中的变化发送到流式处理平台或机器学习平台中，支持实时或批量的数据处理和建模
- 数据触发：可将数据源中的变化作为触发器，激活其他系统或服务中的业务流程或逻辑，例如通知、审计、验证等
CDC 的实现方式有多种，其中比较成熟的开源项目就是Debezium。它为CDC提供了一套低延迟的数据流平台支持多种数据库。例如：MongoDB、MySQL、PostgreSQL、SQL Server、Oracle等等。使用Debezium监控数据源，并使用Kafka作为消息服务，将数据源的变化作为事件发送到缓存。这样，缓存可以异步地接收和处理数据变化，而不需要定期地查询数据源
四种策略的选择
我们介绍了四种常见的缓存更新策略：Cache Aside、Read/Write Through 、Write Behind Caching 、Refresh-Ahead。在实际应用时，应该结合具体业务和应用场景来选择合适的缓存策略，接下来我们通过对比性能、数据一致性、冗余数据、代码复杂度、业务逻辑、可靠性这几个点来说明：
| 策略 | 性能 | 一致性 | 冗余数据 | 代码复杂度 | 业务逻辑 | 可靠性 |
|---|---|---|---|---|---|---|
| Cache Aside | 较高 | 较低 | 较少 | 较高 | 较复杂 | 较低 |
| Read/Write Through | 较低 | 最高 | 较多 | 最高 | 最简单 | 最高 |
| Write Behind Caching | 最高 | 最低 | 较少 | 较低 | 较简单 | 较高 |
| Refresh-Ahead | 次高 | 次高 | 较多 | 最高 | 较复杂 | 最高 |
注意：
Refresh-Ahead策略是假定无CDC的情况下进行对比的
性能
Cache Aside的性能较高，它只在缓存未命中时才访问数据库Read/Write Through的性能较低，它在每次读写时都需要访问数据库Write Behind Caching的性能最高，它只在缓存未命中时才访问数据库，而写入操作是异步的Refresh-Ahead的性能介于Cache Aside和Write Behind Caching之间，它只在即将过期时才访问数据库，并且写入操作也是异步的
数据一致性
Cache Aside的数据一致性较低，它只在缓存未命中时才更新缓存，而写入操作则是直接更新数据库，并将缓存中的数据删除或更新Read/Write Through的数据一致性最高，它在每次读写时都更新数据库和缓存Write Behind Caching的数据一致性最低，它只在缓存未命中时才更新缓存，而写入操作则是先更新缓存，并在异步更新数据库，有较大的延迟。Refresh-Ahead的数据一致性介于Read/Write Through和Cache Aside之间，它保证了缓存中的数据总是最新的，但是有一定的延迟
冗余数据
Cache Aside的冗余数据较少，它只将经常访问的数据保存到缓存中Read/Write Through的冗余数据较多，它需要将数据库的所有数据都保存到缓存中Write Behind Caching的冗余数据与Cache Aside相同，因为它也只将经常访问的数据保存到缓存中Refresh-Ahead的冗余数据与Read/Write Through相同，它也需要将数据库的所有数据都保存到缓存中
代码复杂度
Cache Aside的代码复杂度较高，它需要同时与缓存和数据库交互，并处理可能出现的异常情况Read/Write Through的代码复杂度最高，它需要实现数据库的读写接口Write Behind Caching的代码复杂度较低，它只需要实现简单的缓存操作，并在异步执行数据库写入操作Refresh-Ahead的代码复杂度与Read/Write Through相同，他它需要实现数据库的读写接口（关于这点可以使用Debezium）
业务逻辑
Cache Aside的业务逻辑较复杂，它需要同时与缓存和数据库交互，且返回的数据是最新的Read/Write Through的业务逻辑最简单，它只与缓存交互，且返回的数据是最新的Write Behind Caching的业务逻辑较简单，它也只与缓存交互，且返回的数据是最新的，由于是异步更新，所以比Read/Write Through要复杂一些Refresh-Ahead的业务逻辑较复杂，它会同时与缓存和数据库交互，需要处理可能出现的异常情况，且返回的数据有可能是旧的，也有可能是新的（关于这点也可以使用Debezium）
可靠性
Cache Aside的可靠性较低，因为它将缓存作为数据库的辅助层Read/Write Through的可靠性最高，因为它将缓存作为数据库的代理层Write Behind Caching的可靠性较高，因为它将缓存作为数据库前置层Refresh-Ahead的可靠性与Read/Write Through相同，因为它也将缓存作为数据库的代理层