3. 缓存模式概述：Cache-Aside、Read-Through、Write-Through、Write-Behind 模式对比

在构建高并发、低延迟的 Redis 缓存系统时，选择正确的缓存模式是架构设计的核心决策。不同的模式决定了应用程序与缓存、数据库之间的交互方式，直接影响数据一致性、性能瓶颈和运维复杂度。本章将系统对比四种主流缓存模式：Cache-Aside、Read-Through、Write-Through 和 Write-Behind，帮助你在契约设计中做出合理选择。

3.1 四种模式核心概念

3.2 Cache-Aside 模式详解

Cache-Aside（旁路缓存）是应用最广泛的模式。应用程序负责管理缓存的读写逻辑，缓存层不直接与数据库交互。

• 读流程：应用先查询缓存 → 命中则直接返回 → 未命中则查询数据库 → 将结果写入缓存 → 返回给调用方。
• 写流程：应用先更新数据库 → 然后删除（或更新）缓存中的对应键。
• 一致性保障：采用“先更新数据库，后删除缓存”策略，配合缓存过期时间，可达到最终一致性。

// Cache-Aside 读操作伪代码
public Object get(String key) {
    Object value = redis.get(key);
    if (value != null) {
        return value;  // 缓存命中
    }
    // 缓存未命中，从数据库加载
    value = database.query(key);
    if (value != null) {
        redis.set(key, value, 300);  // 设置过期时间
    }
    return value;
}

// Cache-Aside 写操作伪代码
public void update(String key, Object newValue) {
    database.update(key, newValue);  // 先更新数据库
    redis.del(key);                  // 再删除缓存
}

3.3 Read-Through 模式详解

Read-Through（通读）模式将缓存未命中的回填逻辑下沉到缓存层。应用程序只与缓存交互，缓存组件（如 Redis 配合自定义加载器）负责从数据库加载数据。

• 读流程：应用请求缓存 → 缓存未命中 → 缓存组件自动调用数据库加载器 → 加载数据并回填缓存 → 返回给应用。
• 写流程：应用直接写数据库，或通过缓存失效机制触发下次读时重新加载。
• 优势：应用代码简化，缓存层封装了数据加载逻辑，便于统一管理缓存预热和失效策略。

// Read-Through 模式示意（Redis 配合自定义加载器）
// 应用代码只需调用缓存接口
public Object get(String key) {
    // 缓存层内部自动处理未命中回填
    return redis.getWithLoader(key, loader -> {
        return database.query(key);
    });
}

3.4 Write-Through 模式详解

Write-Through（通写）模式要求每次写操作都必须同步写入缓存和数据库。缓存层作为写入的代理，保证数据在缓存和数据库中的强一致性。

• 写流程：应用写缓存 → 缓存同步写数据库 → 两者都成功后才返回成功。
• 读流程：同 Read-Through，缓存未命中时自动回填。
• 一致性：强一致，但写延迟较高（因为需要等待数据库写入完成）。

// Write-Through 写操作伪代码
public void write(String key, Object value) {
    // 缓存层保证原子性写入
    redis.set(key, value);
    database.update(key, value);  // 同步写入数据库
    // 只有两者都成功，才返回成功
}

3.5 Write-Behind 模式详解

Write-Behind（写后）模式将写操作先写入缓存，然后异步批量写入数据库。缓存层负责积累写操作，在后台按批次或定时策略同步到数据库。

• 写流程：应用写缓存 → 立即返回成功 → 后台线程异步批量写入数据库。
• 读流程：同 Read-Through，缓存未命中时自动回填。
• 优势：写吞吐极高，适合日志、埋点、计数器等场景。
• 风险：缓存宕机可能导致数据丢失，需要持久化或副本机制保障。

// Write-Behind 写操作伪代码
public void write(String key, Object value) {
    redis.set(key, value);  // 先写入缓存
    // 后台异步批量写入数据库
    asyncBatchQueue.add(new WriteTask(key, value));
}

// 后台线程定时刷盘
public void flushToDatabase() {
    List<WriteTask> batch = asyncBatchQueue.drainAll();
    database.batchUpdate(batch);  // 批量写入
}

3.6 四种模式对比总结

下表从多个维度对四种模式进行横向对比，帮助你在契约设计中快速决策：

3.7 四种模式架构对比图

下图展示了四种缓存模式的核心架构差异，重点关注应用、缓存、数据库之间的数据流向：

3.8 模式选择决策流程

在实际项目中，选择哪种缓存模式取决于业务对一致性、延迟和吞吐的要求。以下决策流程可以帮助你快速定位：

3.9 契约设计中的模式选择建议