缓存架构设计

缓存架构设计

需求分析

    缓存是一种提高系统读性能的常见技术，对于读多写少的应用场景，我们经常使用缓存来进行优化。

    例如对于用户的余额信息表account(uid, money)，业务上的需求是：

1. 查询用户的余额，SELECT money FROM account WHERE uid=XXX，占99%的请求
2. 更改用户余额，UPDATE account SET money=XXX WHERE uid=XXX，占1%的请求

    由于大部分的请求是查询，我们在缓存中建立uid到money的键值对，能够极大降低数据库的压力。

    读操作流程

    有了数据库和缓存两个地方存放数据之后（uid->money），每当需要读取相关数据时（money），操作流程一般是这样的：

1. 读取缓存中是否有相关数据，uid->money
2. 如果缓存中有相关数据money，则返回【这就是所谓的数据命中“hit”】
3. 如果缓存中没有相关数据money，则从数据库读取相关数据money【这就是所谓的数据未命中“miss”】，放入缓存中uid->money，再返回

    缓存的命中率 = 命中缓存请求个数/总缓存访问请求个数 = hit/(hit+miss)

    上面举例的余额场景，99%的读，1%的写，这个缓存的命中率是非常高的，会在95%以上。

    问题

    当数据money发生变化的时候：

1. 是更新缓存中的数据，还是淘汰缓存中的数据呢？
2. 是先操纵数据库中的数据再操纵缓存中的数据，还是先操纵缓存中的数据再操纵数据库中的数据呢？
3. 缓存与数据库的操作，在架构上是否有优化的空间呢？

更新缓存 VS 淘汰缓存

• 什么是更新缓存：数据不但写入数据库，还会写入缓存
• 什么是淘汰缓存：数据只会写入数据库，不会写入缓存，只会把数据淘汰掉

• 更新缓存的优点：缓存不会增加一次miss，命中率高
• 淘汰缓存的优点：简单

选择的关键：更新缓存的复杂度

    情况一：只是简单的把余额money设置成一个值

• 淘汰缓存的操作为deleteCache(uid)
• 更新缓存的操作为setCache(uid, money)

    更新缓存的代价很小，此时我们应该更倾向于更新缓存，以保证更高的缓存命中率。

    情况二：如果余额是通过很复杂的数据计算得出来的，例如业务上除了账户表account，还有商品表

        product，折扣表discount

        account(uid, money)

        product(pid, type, price, pinfo)

        discount(type, zhekou)

    业务场景是用户买了一个商品product，这个商品的价格是price，这个商品从属于type类商品，type类商品在做促销活动要打折扣zhekou，购买了商品过后，这个余额的计算就复杂了，需要：

1. 先把商品的品类，价格取出来：SELECT type, price FROM product WHERE pid=XXX
2. 再把这个品类的折扣取出来：SELECT zhekou FROM discount WHERE type=XXX
3. 再把原有余额从缓存中查询出来money = getCache(uid)
4. 再把新的余额写入到缓存中去setCache(uid, money-price*zhekou)

    更新缓存的代价很大，此时我们应该更倾向于淘汰缓存。

建议

    淘汰缓存操作简单，并且带来的副作用只是增加了一次cache miss，建议作为通用的处理方式。

先操作数据库 vs 先操作缓存

       这个比较主要是针对写操作的，最根本性的问题就是保证数据的一致性，因为操作数据库和缓存不是原子性的，所以一旦中间出现什么错，有可能会导致数据不一致的情况，就要从下面情况来细说：

1. add数据时，应该先写数据库，还是先写缓存？
2. update数据时，如果选择淘汰cache，应该先更新数据库还是缓存？
3. update数据时，如果选择更新cache，应该先更细数据库还是缓存？

add数据时，怎么选择？

       很显然，这是啥先写数据库，然后再写缓存，即使后面写缓存失败，顶多出现一次cache miss，最起码数据库已经持久化了；如果反过来，一旦写数据失败，那么缓存将会是脏数据，除非自己加上写缓存失败时，delete掉数据库的数据，这样太麻烦了。

update数据时，选择淘汰cache，那应该先更新哪个？

       记住这个准则，如果出现不一致，谁先做对业务的影响较小，就谁先执行。下面对两种情况进行业务上的比较：

       假设先写数据库，再淘汰缓存：第一步写数据库操作成功，第二步淘汰缓存失败，则会出现DB中是新数据，Cache中是旧数据，数据不一致。

       假设先淘汰缓存，再写数据库：第一步淘汰缓存成功，第二步写数据库失败，则只会引发一次Cache miss。

    结论

    先淘汰缓存，再写数据库。

update数据时，选择更新cache，那应该先更新哪个？

       细想，无论是先更新数据库再更新缓存，还是先更新缓存再更新数据库，一旦后面的操作失败，都有可能出现数据不一致。所以，根据上面的解决方法，进行了改进：

    情况一：更新或新增缓存代价比较大

1. 先删除缓存
2. 然后更新数据库
3. 等下次查询时，首先cache miss，查询出数据后再增加缓存

    情况二：更新或新增缓存代价小

1.  先删除缓存
2. 然后更新数据库
3. 再将新数据新增到缓存

    情况三：如果缓存服务器很稳定，基本上能够保证修改或查询不会出问题

1. 更新数据库
2. 然后更新缓存

缓存架构优化

       前面提到的缓存架构有一个缺点：业务方需要同时关注缓存与DB，有没有进一步的优化空间呢？有两种常见的方案，一种主流方案，一种非主流方案。

主流优化方案

       服务化：加入一个服务层，向上游提供帅气的数据访问接口，向上游屏蔽底层数据存储的细节，这样业务线不需要关注数据是来自于cache还是DB。

非主流方案

       异步缓存更新：业务线所有的写操作都走数据库，所有的读操作都总缓存，由一个异步的工具来做数据库与缓存之间数据的同步，具体细节是：

1. 要有一个init cache的过程，将需要缓存的数据全量写入cache
2. 如果DB有写操作，异步更新程序读取binlog，更新cache

在（1）和（2）的合作下，cache中有全部的数据，这样：

• 业务线读cache，一定能够hit（很短的时间内，可能有脏数据），无需关注数据库
• 业务线写DB，cache中能得到异步更新，无需关注缓存

缺点

       这样将大大简化业务线的调用逻辑，存在的缺点是，如果缓存的数据业务逻辑比较复杂，async-update异步更新的逻辑可能也会比较复杂。