2. 单体架构下的缓存模式：本地缓存与集中式缓存的典型架构、单体架构下的缓存一致性保障机制

2.2 本地缓存模式

2.2.1 典型架构

本地缓存通常采用 JVM 堆内缓存（如 HashMap、Guava Cache、Caffeine）或 堆外缓存（如 Ehcache 的 off-heap 模式）。数据直接存储在应用进程内部，访问延迟极低（纳秒级），无需网络开销。

2.2.2 本地缓存一致性保障

在单体架构中，本地缓存的一致性挑战主要来自同一进程内多个线程对缓存数据的并发读写，以及缓存与数据库之间的数据同步。常用保障机制包括：

• 显式失效（Explicit Invalidation）：数据更新后，立即调用缓存 API 删除或更新对应 key。
• TTL / 过期策略：设置合理的过期时间，容忍短暂的不一致窗口。
• 读写锁 / 分段锁：对热点 key 加锁，防止缓存击穿和并发更新丢失。
• Cache-Aside 模式：读时先查缓存，miss 则查库并回填；写时先更新库，再删除缓存。

// Cache-Aside 模式示例（伪代码）
public User getUser(String userId) {
    User user = localCache.get(userId);
    if (user == null) {
        synchronized (this) {
            user = localCache.get(userId); // double-check
            if (user == null) {
                user = userDao.findById(userId);
                localCache.put(userId, user, Duration.ofMinutes(5));
            }
        }
    }
    return user;
}

public void updateUser(User user) {
    userDao.update(user);
    localCache.invalidate(user.getId()); // 先更新库，再删缓存
}

2.3 集中式缓存模式

2.3.1 典型架构

集中式缓存将缓存层独立部署，所有应用实例通过 TCP/Redis 协议等访问同一缓存集群。单体架构下通常部署 1~3 个 Redis 节点（主从或哨兵模式），应用通过连接池复用长连接。

2.3.2 集中式缓存一致性保障

集中式缓存模式下，一致性风险主要来自应用本地缓存与集中式缓存之间的数据不一致，以及集中式缓存与数据库之间的数据不一致。单体架构下常用的保障机制包括：

1. 双删策略（Double Delete）：更新数据库前删除一次缓存，更新后再延迟删除一次，补偿并发读请求回填的脏数据。
2. 订阅 binlog 异步同步：通过 Canal 等组件监听数据库变更，主动推送失效消息到缓存。
3. 读写穿透（Read/Write Through）：缓存层封装数据加载与持久化逻辑，应用只与缓存交互。
4. 版本号 / 时间戳校验：缓存中存储数据版本号，每次读取时校验，版本落后则重新加载。

// 双删策略示例（伪代码）
public void updateUserWithDoubleDelete(User user) {
    // 第一次删除
    redisCache.delete("user:" + user.getId());
    // 更新数据库
    userDao.update(user);
    // 延迟 500ms 后第二次删除（补偿并发回填）
    executor.schedule(() -> {
        redisCache.delete("user:" + user.getId());
    }, 500, TimeUnit.MILLISECONDS);
}

2.4 两种模式的对比与选型

2.5 单体架构下的缓存一致性保障机制总结

单体架构下，缓存一致性保障的核心在于明确数据更新路径和控制并发回填窗口。以下为常用机制对比：