缓存更新的Design Pattern -- 缓存专题(2)

黄粱一梦终须醒，

无根无极本归尘。

金龙飞天归何处，

不如凡间做真人！

上个周忙活了一周上线工作，因为银行的行业性质，与国家安全、国家政策强相关。所以对上线版本的质量要求都很高，因而每一次上线前担惊害怕，上线中紧张揪心，上线后才如释重负，感觉身体被掏空。

上线后经过周末一天半的休息（本次上线，我们安排在了周六白天，要不估计又得上线到后半夜了），脑子好好放松了下，这个周就补一下前段时间的一个坑，介绍一下缓存设计中的Design Pattern，好好说一下除了我们介绍过的Cache Aside模式之外，还有的其他模式。

原来打算自己写一下，但是看到了一篇资深专家陈皓（著有专栏“左耳听风”）关于这方面的文章，大体上引用了陈老师的内容结合我自己的思考，给大家带来这一篇缓存专题的第二弹。中间穿插的红色字体部分是我对陈老师文章内容的补充，因为有些内容陈老师认为大家已经掌握，原文中已经忽略。

对陈老师专栏内容感兴趣的同学，可以通过链接：

https://coolshell.cn/articles/17416.html#Cache_Aside_Pattern

查看原文。

好啦，文章开始：

-----------------------------------begin-------------------------------------

首先这里，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（我们先把成功的代码逻辑先写对）。

更新缓存的的Design Pattern有四种：Cache aside, Read through, Write through, Write behind caching，我们下面一一来看一下这四种Pattern。

1. Cache Aside Pattern

这是最常用最常用的pattern了。其具体逻辑如下：

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。

注意，我们的更新是先更新数据库，成功后，让缓存失效。那么，这种方式是否有问题呢？我们可以脑补一下。

此处，陈老师关于Cache Aside解决的问题以及还存在的问题没有太详细的介绍，关于Cache Aside模式能解决的问题，以及本身存在的问题，可以出门左拐，查看这篇文章《技术提升(1) -- 缓存专题》中第三大部分的第四小点 -- 先更新数据库再删除缓存，此处我简单贴一下这一部分异常情况的流程图，以及出现问题的原因。

异常场景

在读-写这种场景下，在读线程获取到缓存中数据为空，需要更新缓存之前，写线程已经删除了缓存，会导致最终结果读线程将缓存覆盖成旧数据。导致缓存不一致，但是这种情况首先是缓存存在过期时间，过期后就会从数据库中重新获取，另外这种场景要求读线程的处理过程要慢于写线程的时间，这种情况几率很小。

Cache Aside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？你可以看一下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。

关于更新策略使用先更新数据库，然后更新缓存的策略，在写 - 写这种场景下，也是会出现缓存不一致的问题，具体问题，大家也可以参考《技术提升(1) -- 缓存专题》中第三大部分的第二小点 -- 先更新数据库再更新缓存，我这里也是简单贴一下问题的流程图以及原因解释。

异常场景

来了两个写线程，线程A首先完成了写数据库的操作（操作1，2），在该线程没有完成更新缓存操作之前（操作7，8）；线程B已经完成了更新数据库以及缓存的操作（操作3，4，5，6）。可以看到最终的处理结果数据库中为线程B的更新值，缓存为线程A的更新值，导致缓存不一致（这个不一致的缓存最起码得保存到这个缓存过期的时候）。

在这里，陈老师的结论跟我上一篇总结的一致，同样是认为：Cache Aside也会出现并发问题，但这个case理论上会出现，不过，实际上出现的概率可能非常低，因为这个条件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。

所以，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

我们可以看到，在上面的Cache Aside套路中，我们的应用代码需要维护两个数据存储，一个是缓存（Cache），一个是数据库（Repository）。所以，应用程序比较啰嗦。而Read/Write Through套路是把更新数据库（Repository）的操作由缓存自己代理了，所以，对于应用层来说，就简单很多了。可以理解为，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。

Read Through

Read Through 套路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，而Read Through则用缓存服务自己来加载，从而对应用方是透明的。

Write Through

Write Through 套路和Read Through相仿，不过是在更新数据时发生。当有数据更新的时候，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）

下图自来Wikipedia的Cache词条。其中的Memory你可以理解为就是我们例子里的数据库。

3. Write Behind Caching Pattern

Write Behind 又叫 Write Back。一些了解Linux操作系统内核的同学对write back应该非常熟悉，这不就是Linux文件系统的Page Cache的算法吗？是的，你看基础这玩意全都是相通的。所以，基础很重要，我已经不是一次说过基础很重要这事了。

Write Back套路，一句说就是，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 backg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）。在软件设计上，我们基本上不可能做出一个没有缺陷的设计，就像算法设计中的时间换空间，空间换时间一个道理，有时候，强一致性和高性能，高可用和高性性是有冲突的。软件设计从来都是取舍Trade-Off。

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

在wikipedia上有一张write back的流程图，基本逻辑如下：

4. 再多唠叨一些

1）上面讲的这些Design Pattern，其实并不是软件架构里的mysql数据库和memcache/redis的更新策略，这些东西都是计算机体系结构里的设计，比如CPU的缓存，硬盘文件系统中的缓存，硬盘上的缓存，数据库中的缓存。基本上来说，这些缓存更新的设计模式都是非常老古董的，而且历经长时间考验的策略，所以这也就是，工程学上所谓的Best Practice，遵从就好了。

2）有时候，我们觉得能做宏观的系统架构的人一定是很有经验的，其实，宏观系统架构中的很多设计都来源于这些微观的东西。比如，云计算中的很多虚拟化技术的原理，和传统的虚拟内存不是很像么？Unix下的那些I/O模型，也放大到了架构里的同步异步的模型，还有Unix发明的管道不就是数据流式计算架构吗？TCP的好些设计也用在不同系统间的通讯中，仔细看看这些微观层面，你会发现有很多设计都非常精妙……所以，请允许我在这里放句观点鲜明的话——如果你要做好架构，首先你得把计算机体系结构以及很多老古董的基础技术吃透了。

3）在软件开发或设计中，我非常建议在之前先去参考一下已有的设计和思路，看看相应的guideline，best practice或design pattern，吃透了已有的这些东西，再决定是否要重新发明轮子。千万不要似是而非地，想当然的做软件设计。

4）上面，我们没有考虑缓存（Cache）和持久层（Repository）的整体事务的问题。比如，更新Cache成功，更新数据库失败了怎么吗？或是反过来。关于这个事，如果你需要强一致性，你需要使用“两阶段提交协议”——prepare, commit/rollback，比如Java 7 的XAResource，还有MySQL 5.7的 XA Transaction，有些cache也支持XA，比如EhCache。当然，XA这样的强一致性的玩法会导致性能下降，关于分布式的事务的相关话题，你可以看看《分布式系统的事务处理》一文。

【全文完】

----------------------------end------------------------------

5. 缓存专题总结

陈老师的文章内容基本就是这样了，中间我补充了一些陈老师认为大家都已经掌握的内容，原文中略去不写了，我进行了适当的补充。在文章最后，适当给大家简单总结一下缓存专题这两部分的内容。看下面的思维导图：

从图中可以看到，缓存更新模式，按照不同的角度有不同的划分方式：

从应用角度来看，一部分认为缓存与数据库是两个实体，需要应用都要进行相应的操作，这其中缓存一致性出现概率最低的就是延迟双删策略，但是比较复杂，一般常用的模式就是Cache Aside模式；另一部分认为缓存与数据库对于应用来说，它们是一个东西，内部缓存与数据库的更新对外部应用透明，应用不关心。这其中对于缓存与数据库两部分的更新，同样又存在两种策略，分别是同步更新，还是异步更新。异步更新就是Write Back模式，这也是linux系统中常用的Page Cache常用的策略。而同步更新策略从更新的时机又可以分成Read Through，Write Through两种。

好啦，今天缓存专题的第二弹：缓存更新模式的介绍就到这里啦，各位老板们学会了么？

----------------------这回真的end啦-------------------