高性能網站規劃之緩存更新高性能網站規劃之緩存更新

看到好些人在寫更新緩存數據代碼時，先刪去緩存，然后再更新數據庫，而后續的操作會把數據再裝載的緩存中。可是，這個是邏輯是差錯的。試想，兩個并發操作，一個是更新操作，另一個是查詢操作，更新操作刪去緩存后，查詢操作沒有射中緩存，先把老數據讀出來后放到緩存中，然后更新操作更新了數據庫。所以，在緩存中的數據仍是老的數據，導致緩存中的數據是臟的，并且還一貫這樣臟下去了。

我不知道為什么這么多人用的都是這個邏輯，當我在微博上發了這個貼往后，我發現好些人給了許多十分凌亂和古怪的方案，所以，我想寫這篇文章說一下幾個緩存更新的Design Pattern（讓我們多一些套路吧）。

這兒，我們先不談論更新緩存和更新數據這兩個事是一個業務的事，或是會有失利的可能，我們先假定更新數據庫和更新緩存都能夠成功的情況（我們先把成功的代碼邏輯先寫對）。

更新緩存的的Design Pattern有四種：Cache aside, Read through, Write through, Write behind caching，我們下面逐一來看一下這四種Pattern。

Cache Aside Pattern

這是最常用最常用的pattern了。其具體邏輯如下：

失效：運用程序先從cache取數據，沒有得到，則從數據庫中取數據，成功后，放到緩存中。

射中：運用程序從cache中取數據，取到后回來。

更新：先把數據存到數據庫中，成功后，再讓緩存失效。

留心，我們的更新是先更新數據庫，成功后，讓緩存失效。那么，這種辦法是否能夠沒有文章前面提到過的那個問題呢？我們能夠腦補一下。

一個是查詢操作，一個是更新操作的并發，首要，沒有了刪去cache數據的操作了，而是先更新了數據庫中的數據，此時，緩存仍然有用，所以，并發的查詢操作拿的是沒有更新的數據，可是，更新操作馬上讓緩存的失效了，后續的查詢操作再把數據從數據庫中拉出來。而不會像文章開始的那個邏輯發作的問題，后續的查詢操作一貫都在取老的數據。

這是標準的design pattern，包含Facebook的論文《Scaling Memcache at Facebook》也運用了這個戰略。為什么不是寫完數據庫后更新緩存？你能夠看一下Quora上的這個問答《Why does Facebook use delete to remove the key-value pair in Memcached instead of updating the Memcached during write request to the backend?》，主要是怕兩個并發的寫操作導致臟數據。

那么，是不是Cache Aside這個就不會有并發問題了？不是的，比方，一個是讀操作，可是沒有射中緩存，然后就到數據庫中取數據，此時來了一個寫操作，寫完數據庫后，讓緩存失效，然后，之前的那個讀操作再把老的數據放進去，所以，會構成臟數據。

但，這個case理論上會出現，不過，實際上出現的概率可能十分低，由于這個條件需求發作在讀緩存時緩存失效，并且并發著有一個寫操作。而實際上數據庫的寫操作會比讀操作慢得多，并且還要鎖表，而讀操作必需在寫操作跋涉入數據庫操作，而又要晚于寫操作更新緩存，一切的這些條件都具有的概率根柢并不大。

所以，這也就是Quora上的那個答案里說的，要么通過2PC或是Paxos協議保證一致性，要么就是拼命的下降并發時臟數據的概率，而Facebook運用了這個下降概率的玩法，由于2PC太慢，而Paxos太凌亂。當然，最好仍是為緩存設置上過期時間。

Read/Write Through Pattern

我們能夠看到，在上面的Cache Aside套路中，我們的運用代碼需求維護兩個數據存儲，一個是緩存（Cache），一個是數據庫（Repository）。所以，運用程序比較煩瑣。而Read/Write Through套路是把更新數據庫（Repository）的操作由緩存自己代理了，所以，關于運用層來說，就簡略許多了。能夠理解為，運用認為后端就是一個單一的存儲，而存儲自己維護自己的Cache。

Read Through

Read Through 套路就是在查詢操作中更新緩存，也就是說，當緩存失效的時分（過期或LRU換出），Cache Aside是由調用方擔任把數據加載入緩存，而Read Through則用緩存效能自己來加載，然后對運用方是透明的。

Write Through

Write Through 套路和Read Through相仿，不過是在更新數據時發作。當有數據更新的時分，假定沒有射中緩存，直接更新數據庫，然后回來。假定射中了緩存，則更新緩存，然后再由Cache自己更新數據庫（這是一個同步操作）

下圖自來Wikipedia的Cache詞條。其間的Memory你能夠理解為就是我們比方里的數據庫。

Write Behind Caching Pattern

Write Behind 又名 Write Back。一些了解Linux操作體系內核的同學對write back應該十分了解，這不就是Linux文件體系的Page Cache的算法嗎？是的，你看根底這玩意全都是相通的。所以，根底很重要，我現已不是一次說過根底很重要這事了。

Write Back套路，一句說就是，在更新數據的時分，只更新緩存，不更新數據庫，而我們的緩存會異步地批量更新數據庫。這個規劃的利益就是讓數據的I/O操作飛快無比（由于直接操作內存嘛 ），由于異步，write backg還能夠吞并對同一個數據的多次操作，所以功用的跋涉是相當可觀的。

可是，其帶來的問題是，數據不是強一致性的，并且可能會丟掉（我們知道Unix/Linux非正常關機遇導致數據丟掉，就是由于這個事）。在軟件規劃上，我們根柢上不可能做出一個沒有缺陷的規劃，就像算法規劃中的時間換空間，空間換時間一個道理，有時分，強一致性和高功用，高可用和高性性是有沖突的。軟件規劃向來都是取舍Trade-Off。

其他，Write Back完畢邏輯比較凌亂，由于他需求track有哪數據是被更新了的，需求刷到耐久層上。操作體系的write back會在僅當這個cache需求失效的時分，才會被實在耐久起來，比方，內存不夠了，或是進程退出了等情況，這又名lazy write。

在wikipedia上有一張write back的流程圖，根柢邏輯如下：

再多煩瑣一些

1）上面講的這些Design Pattern，其實并不是軟件架構里的mysql數據庫和memcache/redis的更新戰略，這些東西都是核算機體系結構里的規劃，比方CPU的緩存，硬盤文件體系中的緩存，硬盤上的緩存，數據庫中的緩存。根柢上來說，這些緩存更新的規劃辦法都是十分老古董的，并且歷經長時間檢測的戰略，所以這也就是，工程學上所謂的Best Practice，遵從就好了。

2）有時分，我們覺得能做微觀的體系架構的人一定是很有經歷的，其實，微觀體系架構中的許多規劃都來源于這些微觀的東西。比方，云核算中的許多虛擬化技術的原理，和傳統的虛擬內存不是很像么？Unix下的那些I/O模型，也擴展到了架構里的同步異步的模型，還有Unix創造的管道不就是數據流式核算架構嗎？TCP的好些規劃也用在不同體系間的通訊中，細心看看這些微觀層面，你會發現有許多規劃都十分精妙……所以，請容許我在這兒放句觀點鮮明的話——假定你要做好架構，首要你得把核算機體系結構以及許多老古董的根底技術吃透了。

3）在軟件開發或規劃中，我十分主張在之前先去參看一下已有的規劃和思路，看看相應的guideline，best practice或design pattern，吃透了已有的這些東西，再挑選是否要從頭創造輪子。千萬不要貌同實異地，想當然的做軟件規劃。

4）上面，我們沒有考慮緩存（Cache）和耐久層（Repository）的整體業務的問題。比方，更新Cache成功，更新數據庫失利了怎樣嗎？或是反過來。關于這個事，假定你需求強一致性，你需求運用“兩階段提交協議”——prepare, commit/rollback，比方Java 7 的XAResource，還有MySQL 5.7的 XA Transaction，有些cache也支撐XA，比方EhCache。當然，XA這樣的強一致性的玩法會導致功用下降，關于分布式的業務的相關論題，你能夠看看《分布式體系的業務處理》一文。

文章標簽：網站建設|網站制作|網頁設計|網站建設源碼_創新互聯

文章名稱：高性能網站規劃之緩存更新高性能網站規劃之緩存更新
分享URL：http://m.newbst.com/news10/128810.html

成都網站建設公司_創新互聯，為您提供外貿網站建設、品牌網站建設、網站收錄、云服務器、App開發、網站制作

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯