常見的緩存策略的優劣勢對比

今天小編給大家分享的是常見的緩存策略的優劣勢對比，很多人都不太了解，今天小編為了讓大家更加了解緩存策略的優劣勢，所以給大家總結了以下內容，一起往下看吧。一定會有所收獲的哦。

眾所周知，想要提高系統的性能，緩存是最直接也是最簡單的方法之一。緩存一方面可以減少數據庫負載，另一方面還可以減少相應時間并且節省成本。今天，小編將向大家介紹幾種比較常見的緩存策略，即Cache-Aside、Read-Though Cache、Write-Through Cache、Write-Around和Write-Back。下面讓我們一起對比分析一下常用緩存策略的優劣以及使用場景吧！

緩存策略一：Cache-Aside

Cache-Aside可以說時最常用的緩存策略。緩存位于一邊，應用程序直接與緩存和數據庫對話。應用程序首先檢查緩存；如果在緩存中找到，表示已經命中緩存。數據被讀取并返回給應用程序；如果在緩存中沒有找到，則未命中緩存。應用程序必須做一些額外的工作，它需要查詢數據庫來讀取數據，將數據返回給客戶端，然后還要將數據存儲在緩存中，這樣對相同數據的后續讀取可以命中緩存。該項策略適合讀多的應用場景。使用Cache-aside的系統對緩存失效具有一定的彈性。如果緩存集群宕機，系統仍然可以通過直接訪問數據庫進行操作。另外，緩存中的數據模型可以與數據庫中的數據模型不同。

緩存策略二：Read-Though Cache

Read-though策略下的緩存與數據庫保持一致。當緩存丟失時，它從數據庫加載相應的數據，填充緩存并將其返回給應用程序。cache-aside和read-through策略都是延遲加載數據的，也就是說，只在第一次讀取數據時才加載數據。對比read-through和cache-aside，它們的最大區別在于，在cache-aside中應用程序負責從數據庫中獲取數據并填充緩存。在read-through中，此邏輯通常由庫或獨立緩存提供程序支持，而且read-through cache中的數據模型不能與數據庫中的數據模型不同。總的來講，read-through緩存最適合于讀量較大的工作負載。劣勢是，當第一次請求數據時，它總是導致緩存丟失，并導致額外的數據加載到緩存的代價。

緩存策略三：Write-Through Cache

在這種緩存策略中，首先將數據寫入緩存，然后寫入數據庫。緩存與數據庫保持一致，寫操作總是通過緩存到達主數據庫。就其本身而言，write-through緩存似乎沒有多大作用，實際上，它們引入了額外的寫延遲，因為數據先寫到緩存，然后寫到主數據庫。但是，當與read-through結合使用時，我們獲得了read-through的所有好處，還獲得了數據一致性保證，使我們不必使用緩存失效技術。DynamoDB Accelerator (DAX)是write-through / read-through cache的一個很好的例子。它與DynamoDB和應用程序內聯。對DynamoDB的讀寫可以通過DAX完成。

緩存策略四：Write-Around

這種緩存策略下，數據直接寫入數據庫，只有讀取的數據才能進入緩存。Write-around可以與read-through結合使用，并在數據只寫一次、讀取次數較少或從不讀的情況下提供良好的性能。例如，實時日志或聊天室消息。同樣，這個模式也可以與cache-aside組合使用。

緩存策略五：Write-Back

這種緩存策略下，應用程序將數據寫入緩存，緩存會立即確認，并在延遲一段時間后將數據寫入數據庫。有時這種策略也被稱為write-behind。Write-back緩存提高了寫性能，對于寫工作量大的工作負載非常有用。當與read-through相結合的時候，它對于混合工作負載非常有效，最近更新和訪問的數據總是在緩存中可用。它對數據庫故障具有很大程度上的彈性，可以容忍一些數據庫的宕機。如果支持批處理或合并，則可以減少對數據庫的總體寫操作，這將減少負載并降低成本。一些開發人員使用Redis時，同時采用了cache-aside和write-back兩種策略，以便更好地吸收峰值負載期間的峰值。這種緩存策略的優劣十分明顯，它主要劣勢是，如果緩存失效，數據可能會永久丟失。大多數關系數據庫存儲引擎的內部都默認啟用了回寫緩存。查詢首先寫入內存，最后刷新到磁盤。

以上就是常見的緩存策略的優劣勢對比的簡略介紹，當然詳細使用上面的不同還得要大家自己使用過才領會。如果想了解更多，歡迎關注億速云行業資訊頻道哦！