一致性就是数据保持一致,在分布式系统中,可以理解为多个节点中数据的值是一致的。

  • 强一致性 :这种一致性级别是最符合用户直觉的,它要求系统写入什么,读出来的也会是什么,用户体验好,但实现起来往往对系统的性能影响大;
  • 弱一致性 :这种一致性级别约束了系统在写入成功后,不承诺立即可以读到写入的值,也不承诺多久之后数据能够达到一致,但会尽可能地保证到某个时间级别(比如秒级别)后,数据能够达到一致状态;
  • 最终一致性 :最终一致性是弱一致性的一个特例,系统会保证在一定时间内,能够达到一个数据一致的状态。这里之所以将最终一致性单独提出来,是因为它是弱一致性中非常推崇的一种一致性模型,也是业界在大型分布式系统的数据一致性上比较推崇的模型;

缓存可以提升性能、缓解数据库压力,但是使用缓存也会导致数据不一致性 的问题。一般我们是如何使用缓存呢?有三种经典的缓存使用模式:

  • Cache-Aside Pattern
  • Read-Through/Write-through
  • Write-behind

一、Cache-Aside读流程

Cache-Aside Pattern 的读请求流程如下:

  1. 读的时候,先读缓存,缓存命中的话,直接返回数据
  2. 缓存没有命中的话,就去读数据库,从数据库取出数据,放入缓存后,同时返回响应。
三种经典的缓存使用模式插图

Cache-Aside Pattern 的写请求流程如下:

更新的时候,先更新数据库,然后再删除缓存 。

三种经典的缓存使用模式插图1

二、Read-Through/Write-Through(读写穿透)

Read/Write-Through 模式中,服务端把缓存作为主要数据存储。应用程序跟数据库缓存交互,都是通过抽象缓存层 完成的。

Read-Through

  1. 从缓存读取数据,读到直接返回
  2. 如果读取不到的话,从数据库加载,写入缓存后,再返回响应。
三种经典的缓存使用模式插图2

这个简要流程是不是跟Cache-Aside 很像呢?其实Read-Through 就是多了一层Cache-Provider 而已,流程如下:

三种经典的缓存使用模式插图3

Write-Through

Write-Through 模式下,当发生写请求时,也是由缓存抽象层 完成数据源和缓存数据的更新,流程如下:

三种经典的缓存使用模式插图4

 三、Write-behind (异步缓存写入)

 Write-behind 跟Read-Through/Write-Through有相似的地方,都是由Cache Provider 来负责缓存和数据库的读写。它们又有个很大的不同:Read/Write-Through 是同步更新缓存和数据的,Write-Behind 则是只更新缓存,不直接更新数据库,通过批量异步 的方式来更新数据库。

三种经典的缓存使用模式插图5

缓存和数据库的一致性不强,对一致性要求高的系统要谨慎使用 。但是它适合频繁写的场景,MySQL的InnoDB Buffer Pool机制 就使用到这种模式。



三种经典的缓存使用模式插图6

关注公众号:程序新视界,一个让你软实力、硬技术同步提升的平台

除非注明,否则均为程序新视界原创文章,转载必须以链接形式标明本文链接

本文链接:http://www.choupangxia.com/2022/07/01/cache-aside-2/