1. 缓存基础概念
1.1 什么是缓存
缓存（Cache）是一种将数据存储在临时高速存储介质中的技术，目的是让后续对相同数据的访问能够更快地获取结果。在数据库场景下，缓存通常位于应用程序与持久化数据库之间，保存频繁查询的热点数据，从而减少对底层数据库的直接访问压力。
核心定义：缓存是“以空间换时间”的典型策略——用额外的内存或高速存储空间，换取数据访问的延迟降低与吞吐量提升。
1.2 缓存的作用与价值
缓存的价值可以从三个维度衡量：
| 维度 | 说明 | 典型收益 |
|---|---|---|
| 延迟 | 内存访问延迟通常在微秒级，而磁盘 I/O 在毫秒级 | 读延迟降低 10~100 倍 |
| 吞吐 | 缓存可承载每秒数万至数十万次查询 | 系统 QPS 提升 5~20 倍 |
| 保护 | 缓存吸收突发流量，防止数据库过载 | 数据库连接数减少 60%~90% |
- 加速热点数据读取：用户频繁访问的商品详情、用户信息、配置数据等，直接从缓存返回。
- 减轻数据库负载：缓存命中率在 80%~95% 时，数据库仅需处理少量穿透请求。
- 提升系统可用性：数据库短暂不可用时，缓存仍可提供降级数据，避免全站崩溃。
- 降低响应时间波动：缓存提供稳定的低延迟，避免因数据库慢查询导致的尾延迟抖动。
1.3 缓存与数据库的典型交互模式
缓存与数据库的交互模式决定了系统的一致性与性能特征。以下是四种最基础的交互模式：
1.4 四种模式对比
| 模式 | 读路径 | 写路径 | 一致性 | 适用场景 |
|---|---|---|---|---|
| Cache-Aside | 应用先查缓存，未命中查DB并回填 | 应用写DB后删除/更新缓存 | 最终一致（需处理并发写） | 读多写少，业务逻辑灵活 |
| Read-Through | 缓存组件自动加载DB数据 | 同Cache-Aside | 最终一致 | 标准化缓存加载，减少重复代码 |
| Write-Through | 同Read-Through | 缓存同步写入DB | 强一致（写路径） | 对一致性要求高的写操作 |
| Write-Behind | 同Read-Through | 缓存异步批量回写DB | 弱一致（有窗口期） | 写吞吐极高，可接受短暂不一致 |
实践建议：大多数互联网业务采用 Cache-Aside 模式，因为它实现简单、控制力强。当需要更高写吞吐时，可局部引入 Write-Behind 模式，但必须评估数据丢失风险与一致性窗口。
1.5 缓存失效与一致性问题
缓存与数据库之间天然存在数据不一致的风险，主要源于以下场景：
- 并发写冲突：线程A更新DB后删除缓存，线程B在删除前读取旧缓存。
- 删除缓存失败：DB写入成功但缓存删除操作因网络或超时失败。
- 缓存过期窗口：TTL过期前，缓存数据与DB数据已不一致。
- 异步写回延迟：Write-Behind模式下，DB数据落后于缓存。