面试题：缓存设计之Redis在分布式系统中的基本缓存策略

Question

在分布式系统中使用Redis做缓存，常见的缓存更新策略有哪些，各自的优缺点是什么，以及在实际场景中如何选择合适的策略？

Answer 1

常见缓存更新策略及优缺点

1. Cache-Aside（旁路缓存）策略
   • 优点：
     • 实现简单，应用程序逻辑相对清晰，只需在读取和写入数据时额外操作缓存。
     • 数据一致性较好，先更新数据库，再删除缓存，能保证最终一致性。
   • 缺点：
     • 并发场景下可能出现缓存和数据库数据不一致问题。例如，高并发时，A线程先读取数据到缓存，B线程更新数据库后删除缓存，A线程又写入旧数据到缓存。
     • 写操作性能相对低，因为每次写操作都涉及数据库和缓存两次操作。
2. Read-Through（读穿）策略
   • 优点：
     • 应用程序只需关注从缓存读取数据，无需关心缓存是否存在，缓存加载由缓存服务内部处理，简化应用逻辑。
     • 能提高缓存命中率，因为缓存缺失时会自动加载数据到缓存。
   • 缺点：
     • 增加了缓存服务的复杂度，需要缓存服务具备从数据源加载数据的能力。
     • 首次读取数据时，如果缓存未命中，会有额外的数据源读取延迟。
3. Write-Through（写穿）策略
   • 优点：
     • 数据一致性非常高，每次写操作都同时更新数据库和缓存，保证两者数据实时一致。
     • 应用程序无需额外处理缓存更新逻辑，由缓存服务负责。
   • 缺点：
     • 写操作性能较差，因为每次写都要等待数据库和缓存更新完成，可能成为系统性能瓶颈。
     • 对缓存服务依赖度高，如果缓存服务故障，会影响写操作。
4. Write-Behind（写后更新/异步缓存写入）策略
   • 优点：
     • 写操作性能极高，数据写入先在缓存，然后异步批量更新到数据库，能显著提高系统吞吐量。
     • 适用于对数据一致性要求不是特别高的场景，能有效减少数据库I/O压力。
   • 缺点：
     • 数据一致性较差，缓存和数据库可能长时间存在不一致情况，特别是在系统故障时可能丢失数据。
     • 实现复杂，需要处理异步任务、重试机制等，增加开发和运维成本。

实际场景中策略选择

1. 对数据一致性要求极高：
   • 如金融交易场景，适合Write-Through策略，确保数据库和缓存数据实时一致，但要考虑性能优化，如使用高性能数据库和缓存集群。
2. 读多写少且对一致性要求较高：
   • 电商商品详情页展示场景，Cache-Aside策略较为合适，通过合理的缓存过期时间和并发控制，能在保证一致性的同时兼顾性能。
3. 读多写少且希望简化应用逻辑：
   • 内容管理系统的文章展示场景，Read-Through策略可简化应用程序对缓存的操作，提高缓存命中率。
4. 写多读少且对一致性要求不高：
   • 日志记录场景，Write-Behind策略能大幅提升写性能，通过异步批量写入数据库，减轻数据库压力，但要注意数据丢失风险。