数据缓存的几种方式

引入缓存可以提高性能，但是数据会存在两份，一份在数据库中，一份在缓存中，如果更新其中任何一份会引起数据的不一致，数据的完整性被破坏了，因此，同步数据库和缓存的这两份数据就非常重要。本文介绍常见的缓存更新的同步策略。

预留缓存Cache-aside

　　应用代码能够手工管理数据库和缓存中数据，应用逻辑会在访问数据库之前检查缓存，在数据库更新以后再更新缓存：

上图中Cache update缓存更新时，通过手工编码分别对数据库save(entity)和缓存(put(key,entity))做更新，将这种琐碎的缓存管理和更新夹杂在应用逻辑中并不是一种好方式，可以采取AOP面向方面拦截器等方式实现缓存操作，减轻缓存操作泄漏到应用代码中，同时确保数据库和缓存都能正确同步。

 

Read-through

　　相比上面同时管理数据库和缓存，我们可以简单委托数据库同步给一个缓存提供者，所有数据交互通过这个缓存抽象层完成。

图中CacheStore是我们的缓存抽象层，当我们应用通过其抓取一个缓存数据时，这个缓存提供者确认缓存中是否有该数据，如果没有，从数据库加载，然后放入缓存，下次以后再访问就可以直接从缓存中获得。

 

Write-through

　　类似于Read-through的数据抓取策略，缓存能够在其中数据变化时自动更新底层数据库。

　　尽管数据库和缓存同步更新了，但是我们也可以按照我们自己的业务要求选择事务的边界：

• 如果需要强一致性，，并且缓存提供者提供了XAResource ，这样我们可以在一个全局事务中完成缓存和数据库的更新，这样数据库和缓存更新是在一个原子单元：single atomic unit-of-work
• 如果只需要弱一致性，我们可以先后更新缓存和数据库，不必使用全局事务，这会让我们提升快速响应性与性能，通常缓存首先被更新，如果数据库更新失败，缓存可以通过补偿动作实现回滚当前事务所做的改变。

 

Write-behind

　　如果强一致性不是必须的，我们可以简单将缓存的更新放在队列中，然后定期批量地去更新数据库。

　　这种策略虽然打破了事务保证，但是性能要远远超过write-through，因为数据库能够快速批量更新，事务机制不再需要。