2. 缓存基础与常见模式：本地缓存 vs 分布式缓存、Cache-Aside / Read-Through / Write-Through 模式详解

2.1 缓存的核心价值与分类

缓存是后端系统中提升读取性能、降低数据库负载的核心手段。根据数据存储的位置与共享范围，缓存主要分为本地缓存与分布式缓存两大类。选择错误的缓存类型会导致数据不一致、内存浪费甚至系统雪崩。

2.2 本地缓存 vs 分布式缓存：选型决策树

在架构选型时，可依据以下三个关键问题快速决策：

1. 数据是否需要跨实例共享？ 是 → 分布式缓存；否 → 本地缓存。
2. 数据量是否超过单机内存 50%？ 是 → 分布式缓存；否 → 本地缓存。
3. 对一致性要求是否为强一致？ 强一致 → 分布式缓存 + 锁；最终一致 → 本地缓存 + 失效广播。

2.3 缓存读写模式详解

缓存模式决定了应用程序如何与缓存及数据库交互。以下四种模式是后端架构中最核心的缓存操作范式。

2.3.1 Cache-Aside (旁路缓存)

最常用的模式，应用程序直接同时操作缓存和数据库。读取时先查缓存，未命中则查数据库并回填缓存；写入时先更新数据库，再删除缓存。

// 读取流程 (Cache-Aside Read)
public User getUser(String userId) {
    // 1. 先查缓存
    User user = cache.get("user:" + userId);
    if (user != null) {
        return user;
    }
    // 2. 缓存未命中，查数据库
    user = database.query("SELECT * FROM users WHERE id = ?", userId);
    if (user != null) {
        // 3. 回填缓存，设置过期时间
        cache.set("user:" + userId, user, 300); // 5分钟过期
    }
    return user;
}

// 写入流程 (Cache-Aside Write)
public void updateUser(User user) {
    // 1. 先更新数据库
    database.execute("UPDATE users SET name = ? WHERE id = ?", user.getName(), user.getId());
    // 2. 再删除缓存（而非更新缓存）
    cache.del("user:" + user.getId());
}

2.3.2 Read-Through (通读缓存)

缓存层自身承担“未命中时回源数据库”的职责。应用程序只与缓存交互，缓存组件内部实现 Cache Loader 逻辑。这种模式对业务代码侵入性更低。

// 使用 Caffeine 实现 Read-Through
LoadingCache<String, User> userCache = Caffeine.newBuilder()
    .maximumSize(10_000)
    .expireAfterWrite(5, TimeUnit.MINUTES)
    .build(key -> {
        // 缓存自动回源数据库
        return database.query("SELECT * FROM users WHERE id = ?", key);
    });

// 业务代码只需调用缓存
User user = userCache.get("user:123");

2.3.3 Write-Through (通写缓存)

写入时，应用程序先写入缓存，缓存组件同步将数据写入数据库。写入操作对业务代码透明，由缓存层保证数据库与缓存的一致性。

// 伪代码：Write-Through 缓存组件内部逻辑
public void put(String key, User value) {
    // 1. 先写入缓存
    this.localMap.put(key, value);
    // 2. 同步写入数据库（事务性保证）
    database.execute("INSERT INTO users (id, name) VALUES (?, ?) ON DUPLICATE KEY UPDATE name = ?",
                     value.getId(), value.getName(), value.getName());
}

2.3.4 Write-Behind (异步回写 / Write-Back)

写入时只更新缓存，异步批量将数据刷入数据库。适用于写入吞吐量极高、允许短时间数据丢失的场景（如日志收集、访问计数）。

2.4 四种模式对比总结

2.5 缓存模式架构图

下图展示了 Cache-Aside 与 Read-Through / Write-Through 的核心数据流向差异：

2.6 模式选型建议

• 通用业务系统：优先选择 Cache-Aside，灵活性最高，易于排查问题。
• 读多写少、数据源固定：使用 Read-Through 减少业务代码中的回源逻辑。
• 需要强一致性写入：使用 Write-Through，但注意写入延迟会增加。
• 高写入吞吐、可接受最终一致：使用 Write-Behind，务必做好宕机恢复预案。