三种经典的缓存使用模式

一致性就是数据保持一致，在分布式系统中，可以理解为多个节点中数据的值是一致的。

• 强一致性 ： 这种一致性级别是最符合用户直觉的，它要求系统写入什么，读出来的也会是什么， 用户体验好，但实现起来往往对系统的性能影响大；
• 弱一致性 ： 这种一致性级别约束了系统在写入成功后，不承诺立即可以读到写入的值，也不承诺多久之后数据能够达到一致，但 会尽可能地保证到某个时间级别（比如秒级别）后，数据能够达到一致状态；
• 最终一致性 ：最终一致性是弱一致性的一个特例，系统会保证在一定时间内，能够达到一个数据一致的状态。 这里之所以将最终一致性单独提出来，是因为它是 弱一致性中非常推崇的一种一致性模型，也是业界在大型分布式系统的数据一致性上比较推崇的模型；

缓存可以提升性能、缓解数据库压力，但是使用缓存也会导致数据 不一致性 的问题。一般我们是如何使用缓存呢？ 有三种经典的缓存使用模式：

• Cache-Aside Pattern
• Read-Through/Write-through
• Write-behind

一、Cache-Aside读流程

Cache-Aside Pattern 的读请求流程如下：

1. 读的时候，先读缓存，缓存命中的话，直接返回数据
2. 缓存没有命中的话，就去读数据库，从数据库取出数据，放入缓存后，同时返回响应。

Cache-Aside Pattern 的写请求流程如下：

更新的时候，先 更新数据库，然后再删除缓存 。

二、Read-Through/Write-Through（读写穿透）

Read/Write-Through模式中，服务端把缓存作为主要数据存储。应用程序跟数据库缓存交互，都是通过 抽象缓存层 完成的。

Read-Through

1. 从缓存读取数据，读到直接返回
2. 如果读取不到的话，从数据库加载，写入缓存后，再返回响应。

这个简要流程是不是跟 Cache-Aside 很像呢？其实 Read-Through 就是多了一层 Cache-Provider 而已，流程如下：

Write-Through

Write-Through模式下，当发生写请求时，也是由 缓存抽象层 完成数据源和缓存数据的更新,流程如下：

三、Write-behind （异步缓存写入）

Write-behind跟Read-Through/Write-Through有相似的地方，都是由 Cache Provider 来负责缓存和数据库的读写。它们又有个很大的不同： Read/Write-Through 是同步更新缓存和数据的， Write-Behind 则是只更新缓存，不直接更新数据库，通过 批量异步 的方式来更新数据库。

缓存和数据库的一致性不强， 对一致性要求高的系统要谨慎使用 。但是它适合频繁写的场景，MySQL的 InnoDB Buffer Pool机制 就使用到这种模式。

最后

以上就是谨慎手套为你收集整理的三种经典的缓存使用模式的全部内容，希望文章能够帮你解决三种经典的缓存使用模式所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。