本文主要討論這么幾個問題：

(1)“緩存與數據庫”需求緣起

(2)“淘汰緩存”還是“更新緩存”

(3)緩存和數據庫的操作時序

(4)緩存和數據庫架構簡析

一、需求緣起

場景介紹

緩存是一種提高系統讀性能的常見技術，對于讀多寫少的應用場景，我們經常使用緩存來進行優化。

例如對于用戶的余額信息表account(uid, money)，業務上的需求是：

(1)查詢用戶的余額，SELECT money FROM account WHERE uid=XXX，占99%的請求

(2)更改用戶余額，UPDATE account SET money=XXX WHERE uid=XXX，占1%的請求

由于大部分的請求是查詢，我們在緩存中建立uid到money的鍵值對，能夠極大降低數據庫的壓力。

讀操作流程

有了數據庫和緩存兩個地方存放數據之后(uid->money)，每當需要讀取相關數據時(money)，操作流程一般是這樣的：

(1)讀取緩存中是否有相關數據，uid->money

(2)如果緩存中有相關數據money，則返回【這就是所謂的數據***“hit”】

(3)如果緩存中沒有相關數據money，則從數據庫讀取相關數據money【這就是所謂的數據未***“miss”】，放入緩存中uid->money，再返回

緩存的***率 = ***緩存請求個數/總緩存訪問請求個數 = hit/(hit+miss)

上面舉例的余額場景，99%的讀，1%的寫，這個緩存的***率是非常高的，會在95%以上。

那么問題來了

當數據money發生變化的時候：

(1)是更新緩存中的數據，還是淘汰緩存中的數據呢?

(2)是先操縱數據庫中的數據再操縱緩存中的數據，還是先操縱緩存中的數據再操縱數據庫中的數據呢?

(3)緩存與數據庫的操作，在架構上是否有優化的空間呢?

這是本文關注的三個核心問題。

二、更新緩存 VS 淘汰緩存

什么是更新緩存：數據不但寫入數據庫，還會寫入緩存

什么是淘汰緩存：數據只會寫入數據庫，不會寫入緩存，只會把數據淘汰掉

更新緩存的優點：緩存不會增加一次miss，***率高

淘汰緩存的優點：簡單(我去，更新緩存我也覺得很簡單呀，樓主你太敷衍了吧)

那到底是選擇更新緩存還是淘汰緩存呢，主要取決于“更新緩存的復雜度”。

例如，上述場景，只是簡單的把余額money設置成一個值，那么：

(1)淘汰緩存的操作為deleteCache(uid)

(2)更新緩存的操作為setCache(uid, money)

更新緩存的代價很小，此時我們應該更傾向于更新緩存，以保證更高的緩存***率

如果余額是通過很復雜的數據計算得出來的，例如業務上除了賬戶表account，還有商品表product，折扣表discount

account(uid, money)

product(pid, type, price, pinfo)

discount(type, zhekou)

業務場景是用戶買了一個商品product，這個商品的價格是price，這個商品從屬于type類商品，type類商品在做促銷活動要打折扣zhekou，購買了商品過后，這個余額的計算就復雜了，需要：

(1)先把商品的品類，價格取出來：SELECT type, price FROM product WHERE pid=XXX

(2)再把這個品類的折扣取出來：SELECT zhekou FROM discount WHERE type=XXX

(3)再把原有余額從緩存中查詢出來money = getCache(uid)

(4)再把新的余額寫入到緩存中去setCache(uid, money-price*zhekou)

更新緩存的代價很大，此時我們應該更傾向于淘汰緩存。

however，淘汰緩存操作簡單，并且帶來的副作用只是增加了一次cache miss，建議作為通用的處理方式。

三、先操作數據庫 vs 先操作緩存

OK，當寫操作發生時，假設淘汰緩存作為對緩存通用的處理方式，又面臨兩種抉擇：

(1)先寫數據庫，再淘汰緩存

(2)先淘汰緩存，再寫數據庫

究竟采用哪種時序呢?

還記得在《冗余表如何保證數據一致性》文章(點擊查看)里“究竟先寫正表還是先寫反表”的結論么?

對于一個不能保證事務性的操作，一定涉及“哪個任務先做，哪個任務后做”的問題，解決這個問題的方向是：

如果出現不一致，誰先做對業務的影響較小，就誰先執行。

由于寫數據庫與淘汰緩存不能保證原子性，誰先誰后同樣要遵循上述原則。

假設先寫數據庫，再淘汰緩存：***步寫數據庫操作成功，第二步淘汰緩存失敗，則會出現DB中是新數據，Cache中是舊數據，數據不一致。

假設先淘汰緩存，再寫數據庫：***步淘汰緩存成功，第二步寫數據庫失敗，則只會引發一次Cache miss。

結論：數據和緩存的操作時序，結論是清楚的：先淘汰緩存，再寫數據庫。

四、緩存架構優化

上述緩存架構有一個缺點：業務方需要同時關注緩存與DB，有沒有進一步的優化空間呢?有兩種常見的方案，一種主流方案，一種非主流方案(一家之言，勿拍)。

主流優化方案是服務化：加入一個服務層，向上游提供帥氣的數據訪問接口，向上游屏蔽底層數據存儲的細節，這樣業務線不需要關注數據是來自于cache還是DB。

非主流方案是異步緩存更新：業務線所有的寫操作都走數據庫，所有的讀操作都總緩存，由一個異步的工具來做數據庫與緩存之間數據的同步，具體細節是：

(1)要有一個init cache的過程，將需要緩存的數據全量寫入cache

(2)如果DB有寫操作，異步更新程序讀取binlog，更新cache

在(1)和(2)的合作下，cache中有全部的數據，這樣：

(a)業務線讀cache，一定能夠hit(很短的時間內，可能有臟數據)，無需關注數據庫

(b)業務線寫DB，cache中能得到異步更新，無需關注緩存

這樣將大大簡化業務線的調用邏輯，存在的缺點是，如果緩存的數據業務邏輯比較復雜，async-update異步更新的邏輯可能也會比較復雜。

五、其他未盡事宜

本文只討論了緩存架構設計中需要注意的幾個細節點，如果數據庫架構采用了一主多從，讀寫分離的架構，在特殊時序下，還很可能引發數據庫與緩存的不一致，這個不一致如何優化，后續的文章再討論吧。

六、結論強調

(1)淘汰緩存是一種通用的緩存處理方式

(2)先淘汰緩存，再寫數據庫的時序是毋庸置疑的

(3)服務化是向業務方屏蔽底層數據庫與緩存復雜性的一種通用方式

【本文為51CTO專欄作者“58沈劍”原創稿件，轉載請聯系原作者】