首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >漫谈缓存更新之道

漫谈缓存更新之道

作者头像
JavaEdge
修改2019-06-23 12:50:23
3.1K1
修改2019-06-23 12:50:23
举报
文章被收录于专栏:JavaEdgeJavaEdge

许多人在更新缓存时,先删除缓存,然后再更新数据库,而后续的操作会把数据再装载入缓存中。

然而,这个逻辑是错误的!!!

试想,两个并发操作,一个更新,一个查询,更新删除缓存后,查询没有命中缓存,先把旧数据读出来后放到缓存中,然后更新操作更新了数据库。于是,在缓存中的数据还是旧数据,导致缓存中持续地产生脏数据.

因此,让我们来总结一下缓存更新的几个Design Pattern.

这里,我们先不讨论更新缓存和更新数据这两个事是一个事务的事,或是会有失败的可能,我们先假设更新数据库和更新缓存都可以成功的情况

更新缓存的的Design Pattern有四种

1 Cache Aside Pattern

最常用的pattern。具体逻辑如下:

  • 失效:应用程序先从cache取数据,没有得到,则从数据库中取数据,成功后,放到缓存中
  • 命中:应用程序从cache中取数据,取到后返回
  • 更新:先把数据存到数据库中,成功后,再让缓存失效

Cache-Aside-Design-Pattern-Flow-Diagram

Updating Data using the Cache-Aside Pattern - Flow Diagram

注意,我们的更新是先更新数据库,成功后,让缓存失效

一个查询操作,一个更新操作的并发

首先,没有了删除cache数据的操作,而是先更新数据库中的数据,此时,缓存依然有效,所以,并发的查询操作拿的是没有更新的数据,但是,更新操作马上让缓存的失效了,后续的查询操作再把数据从数据库中拉出来。而不会像文章开头的那个逻辑产生的问题,后续的查询操作一直都在取老的数据。

这是标准的design pattern,包括Facebook的论文《Scaling Memcache at Facebook》也使用了这个策略

为什么不是写完数据库后更新缓存?可以看一下Quora上的这个问答《Why does Facebook use delete to remove the key-value pair in Memcached instead of updating the Memcached during write request to the backend?》,主要是怕两个并发的写操作导致脏数据。

那么,是不是Cache Aside这个就不会有并发问题了?

不是的,比如,一个是读操作,但是没有命中缓存,然后就到数据库中取数据,此时来了一个写操作,写完数据库后,让缓存失效,然后,之前的那个读操作再把老的数据放进去,所以,会造成脏数据。

这个情形理论上会出现,不过,实际上出现的概率可能非常低,因为需要发生在读缓存时缓存失效,而且并发着有一个写操作。

而实际上数据库的写操作会比读操作慢得多,而且还要锁表,而读操作必需在写操作前进入数据库操作,而又要晚于写操作更新缓存,所有的这些条件都具备的概率基本并不大

这也就是Quora上的那个答案里说的,要么通过2PC或是Paxos协议保证一致性,要么就是拼命的降低并发时脏数据的概率,而Facebook使用了这个降低概率的玩法,因为2PC太慢,而Paxos太复杂。当然,最好还是为缓存设置上过期时间。

2 Read/Write Through Pattern

上面的Cache Aside,应用代码需要维护两个数据存储,一个是缓存,一个是数据库,应用程序比较啰嗦。

Read/Write Through是把更新数据库的操作由缓存自己代理,所以,对于应用层来说,就简单很多。

可理解为,应用认为后端就是一个单一的存储,而存储自己维护自己的Cache。

2.1 Read Through

Read Through 就是在查询操作中更新缓存,也就是说,当缓存失效的时候(过期或LRU换出)

  • Cache Aside是由调用方负责把数据加载入缓存
  • Read Through则用缓存服务自己来加载,从而对应用方是透明的

2.2 Write Through

和Read Through相仿,不过是在更新数据时发生

当有数据更新时

  • 如果没有命中缓存,直接更新数据库,然后返回
  • 如果命中了缓存,则更新缓存,然后再由Cache自己更新数据库(这是一个同步操作)

下图中的Memory可以理解为就是我们例子里的数据库

A write-through cache with no-write allocation

3 Write Behind Caching Pattern

Write Behind 又叫 Write Back

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(我们知道Unix/Linux非正常关机会导致数据丢失,就是因为这个事)。

另外,Write Back实现逻辑比较复杂,因为他需要track哪些数据是被更新的,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,才会被真正持久化,比如,内存不够了,或是进程退出了等情况,这又叫lazy write

A write-back cache with write allocation

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018.09.05 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1 Cache Aside Pattern
  • 2 Read/Write Through Pattern
    • 2.1 Read Through
      • 2.2 Write Through
      • 3 Write Behind Caching Pattern
      相关产品与服务
      对象存储
      对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档