原创 常用缓存策略的优劣对比

众所周知，想要提高系统的性能，缓存是最直接也是最简单的方法之一。缓存一方面可以减少数据库负载，另一方面还可以减少相应时间并且节省成本。今天，小编将向大家介绍几种比较常见的缓存策略，即Cache-Aside、Read-Though Cache、Write-Through Cache、Write-Around和Write-Back。下面让我们一起对比分析一下常用缓存策略的优劣以及使用场景吧！

缓存策略一：Cache-Aside

Cache-Aside可以说时最常用的缓存策略。缓存位于一边，应用程序直接与缓存和数据库对话。应用程序首先检查缓存；如果在缓存中找到，表示已经命中缓存。数据被读取并返回给应用程序；如果在缓存中没有找到，则未命中缓存。应用程序必须做一些额外的工作，它需要查询数据库来读取数据，将数据返回给客户端，然后还要将数据存储在缓存中，这样对相同数据的后续读取可以命中缓存。该项策略适合读多的应用场景。使用Cache-aside的系统对缓存失效具有一定的弹性。如果缓存集群宕机，系统仍然可以通过直接访问数据库进行操作。另外，缓存中的数据模型可以与数据库中的数据模型不同。

缓存策略二：Read-Though Cache

Read-though策略下的缓存与数据库保持一致。当缓存丢失时，它从数据库加载相应的数据，填充缓存并将其返回给应用程序。cache-aside和read-through策略都是延迟加载数据的，也就是说，只在第一次读取数据时才加载数据。对比read-through和cache-aside，它们的最大区别在于，在cache-aside中应用程序负责从数据库中获取数据并填充缓存。在read-through中，此逻辑通常由库或独立缓存提供程序支持，而且read-through cache中的数据模型不能与数据库中的数据模型不同。总的来讲，read-through缓存最适合于读量较大的工作负载。劣势是，当第一次请求数据时，它总是导致缓存丢失，并导致额外的数据加载到缓存的代价。

缓存策略三：Write-Through Cache

在这种缓存策略中，首先将数据写入缓存，然后写入数据库。缓存与数据库保持一致，写操作总是通过缓存到达主数据库。就其本身而言，write-through缓存似乎没有多大作用，实际上，它们引入了额外的写延迟，因为数据先写到缓存，然后写到主数据库。但是，当与read-through结合使用时，我们获得了read-through的所有好处，还获得了数据一致性保证，使我们不必使用缓存失效技术。DynamoDB Accelerator (DAX)是write-through / read-through cache的一个很好的例子。它与DynamoDB和应用程序内联。对DynamoDB的读写可以通过DAX完成。

缓存策略四：Write-Around

这种缓存策略下，数据直接写入数据库，只有读取的数据才能进入缓存。Write-around可以与read-through结合使用，并在数据只写一次、读取次数较少或从不读的情况下提供良好的性能。例如，实时日志或聊天室消息。同样，这个模式也可以与cache-aside组合使用。

缓存策略五：Write-Back

这种缓存策略下，应用程序将数据写入缓存，缓存会立即确认，并在延迟一段时间后将数据写入数据库。有时这种策略也被称为write-behind。Write-back缓存提高了写性能，对于写工作量大的工作负载非常有用。当与read-through相结合的时候，它对于混合工作负载非常有效，最近更新和访问的数据总是在缓存中可用。它对数据库故障具有很大程度上的弹性，可以容忍一些数据库的宕机。如果支持批处理或合并，则可以减少对数据库的总体写操作，这将减少负载并降低成本。一些开发人员使用Redis时，同时采用了cache-aside和write-back两种策略，以便更好地吸收峰值负载期间的峰值。这种缓存策略的优劣十分明显，它主要劣势是，如果缓存失效，数据可能会永久丢失。大多数关系数据库存储引擎的内部都默认启用了回写缓存。查询首先写入内存，最后刷新到磁盘。

以上就是常用缓存策略的优劣对比，相信通过这篇文章大家可以根据具体的应用场景，选择最合适的缓存策略。