朋友說他有一個巧妙架構方案，服務之間通過緩存傳遞數據：

如上圖：

• service-A將數據放入cache；
• service-B從cache里讀取數據；

朋友問我，這種架構設計好還是不好？

我旗幟鮮明的反對“服務之間通過緩存傳遞數據”，下面三種場景，這種設計都不適合。

場景一：數據管道場景，MQ比cache更加適合。

如果只是單純的將cache作為兩個服務數據通訊的管道，service-A生產數據，service-B（當然，可能有service-C/service-D等）訂閱數據，MQ比cache更加合適：

• MQ是互聯網常見的邏輯解耦，物理解耦組件，支持1對1，1對多各種模式，非常成熟的數據通道；
• 而cache反而會將service-A/B/C/D耦合在一起，大家要彼此協同約定key的格式，ip地址等；
• MQ能夠支持push，而cache只能拉取，不實時，有時延；
• MQ能支持數據落地，cache具備將數據存在內存里，具有“易失”性，當然，有些cache支持落地，但互聯網技術選型的原則是，讓專業的軟件干專業的事情：nginx做反向代理，db做固化，cache做緩存，mq做通道；

綜上，數據管道場景，MQ比cache更加適合。

場景二：數據共管場景，兩個(多個)service同時讀寫一個cache實例會導致耦合。

如果不是數據管道，是兩個(多個)service對一個cache進行數據共管，同時讀寫，也是不推薦的，這些service會因為這個cache耦合在一起：

• 大家要彼此協同約定key的格式，ip地址等，耦合；
• 約定好同一個key，可能會產生數據覆蓋，導致數據不一致；
• 不同服務業務模式，數據量，并發量不一樣，會因為一個cache相互影響；

例如：

service-A數據量大，占用了cache的絕大部分內存，會導致service-B的熱數據全部被擠出cache，導致cache失效。

又例如：

service-A并發量高，占用了cache的絕大部分連接，會導致service-B拿不到cache的連接，從而服務異常。

綜上，數據共管場景，多個service耦合在一個cache實例里，也是不推薦的，需要垂直拆分，實例解耦。

場景三：數據訪問場景，兩個(多個)service有讀寫一份數據的需求。

根據服務化的原則，數據是私有的（本質也是解耦）：

• service層會向數據的需求方屏蔽下層存儲引擎，分庫，chace的復雜性；
• 任何需求方不能繞過service讀寫其后端的數據；

假設有其他service要有數據獲取的需求，應該通過service提供的RPC接口來訪問，而不是直接讀寫后端的數據，無論是cache還是db。

簡單總結

不管哪種場景，服務之間都不要使用緩存來傳遞數據：

• 數據管道場景：MQ比cache更合適；
• 數據共管場景：多個服務不應該共用一個cache實例，應該垂直拆分解耦；
• 數據訪問場景：服務化架構，不應該繞過service讀取其后端的cache/db，而應該通過RPC接口訪問；

知其然，知其所以然。

思路比結論更重要。