系统架构设计：进程缓存和缓存服务，如何抉择？

概述

我们所说的缓存分为进程内部缓存（系统内部缓存）和 缓存服务（如redis/memcache）。计算机服务从原来的单体结构，到多实例，到现在流行的微服务，缓存服务变得原来越流行了。

进程缓存

先说说进程缓存，它将数据存储在站点、服务的进程内。在Web的发展历史上，这样的方式备受欢迎。比如早期常用的.Net的 System.Web.Caching.

这种实现载体很简单，比如一个带锁的HasTable，或者一个List对象。使用简单便捷，能存储数据、html页面片段、文件，甚至任何对象。

在单体结构的Web模式下，进程内缓存被开发到极致，大概流程如下图：

与原先没有缓存相比，进程内缓存的好处是，数据读取不再直接访问数据库，先判断缓存中是否存在，如果存在，则直接读取，不存在则再去数据库中取，同时写入缓存。

这样避免了每次的请求都走数据库，减少网络开销和数据请求次数，提高了数据获取效率，基本等同在内存中执行。

缓存的目的是为了冷热数据的隔离，对于频繁被修改的数据，缓存的意义不是很大，比如微信用户的实时步数。比较有价值的是那些不被频繁修改且数据量较大的内容，比如系统字典、配置数据。

判断是否需要创建缓存需要一定的依据，以下是我的团队的策略，不一定适用，可以参考：

缓存的必要性：数据的变更是否过于频繁，过于频繁则可能导致缓存不断重建，反而降低效率。评估方式：缓存的过期时间内没被主动更新的量值应该超过60%。

假设缓存时间：3600s

假设同一种类型缓存数据基数：6000个

6000 * 60% = 3600 的数据在一个小时内事务未更新，这样的缓存价值更大。

进程缓存的问题

在互联网大潮下，随着用户量的激增，原来单体结构逐渐的向Web服务集群发展，在多实例目标下，进程缓存的弊端越来越明显。

比如缓存无法统一的问题。

如果站点和服务中的多个节点访问统一的缓存服务（比如redis 或者 memerche），数据统一存储，数据的一致性就比较容易保障。

但如果是进程缓存，数据存储在站点和服务的多个节点内，每个节点一个缓存，存储多份，一致性就比较难保障。

如上图，但是有个问题，Cache1、Cache1、Cache3一致性难以保障，如果想保持缓存的一致性时，该怎么办呢？

一般有以下几种方法：

1、单一服务节点通知其他服务节点，如果我们只是Web Service1 在执行业务操作的时候修改数据库，更新缓存，同时通知其他Web Service

服务，其他Web Service 接收到信息的时候，进行缓存更新。

2、 启动MQ通知其他节点：如下图，可以通过MQ通知其他节点。写请求发生在server1，在修改完自己缓存数据与数据库中的数据之后，给MQ生产数据变化通知，

server2和server1订阅MQ消息，当消费到MQ信息的时候，也修改缓存数据。

3、有一种简单的方式，也可以解耦与Web Server的关系，就是直接放弃了“实时一致性”，启动一个独立的进程服务，定时从后端拉取最新的数据，更新内存缓存。

上述的几种方法为了保持数据的一致性，增加了一定的开销，一方面缓存数据同步过程中会有出错的风险；

另一方面实际上违背了缓存的原则：冷热数据隔绝，有效的利用冷数据，减轻数据库压力，提升效率。如果缓存被频繁修改或者同步，那缓存的价值就不大了。

补充：1、2 两种方式，实例越多，缓存冗余越多，各缓存节点数据同步的原子性越难保证，一致性也就越难保证。

第3种方式：采用定时拉取本身已经放弃了数据的实时一致性。

所以我们在以下这几种情况下抛弃进程缓存，选用缓存服务：

1、Web集群下，包含多个实例，并且不允许业务数据的不一致性（我相信大部分业务不允许）

2、进程内缓存数据量较大，缓存内存空间不足，影响Web性能，可以考虑走缓存服务（缓存服务如redis，一般独立服务甚至集群配置，支持超大量级）。

3、评估value大小、缓存内存空间、峰值QPS、过期时间、缓存命中率、读写更新策略、key值分布路由策略、过期策略以及数据一致性方案，根据实际需要判断是否走缓存服务。

缓存服务

在互联网分层架构中，最常用的kv结构的缓存是redis。他有如下特点：

1、它支持复杂数据结构

value是字符串、哈希，列表，集合，有序集合这类复杂的数据结构。支持各种场景，如客户订单信息列表，用户消息，帖子评论等。

2、支持持久化

首先，redis的所有数据都是保存在内存中，然后不定期的通过异步方式保存到磁盘上(这称为“半持久化模式”)；

也可以把每一次数据变化都写入到一个append only file(aof)里面(这称为“全持久化模式”，效率会低一点)。

但是我们尽量不要把redis当作数据库用，如果真的需要持久化数据，建议可以走MySQL：

2.1、redis的定期快照不能保证数据不丢失

2.2、redis的AOF会降低效率，并且不能支持太大的数据量

3、具备高可用特性

redis天然支持集群功能，可以实现主动复制，读写分离。 官方也提供了sentinel集群管理工具，能够实现主从服务监控，故障自动转移。

4、存储的内容比较大

String类型：一个String类型的value最大可以存储512M，List、Set、Hash类型：list的元素个数最多为2^32-1个，也就是4294967295个。

5、 支持事务

操作都是原子性，对数据的更改要么全部执行，要么全部不执行。避免业务数据的不一致性。

缓存使用注意

1、Web服务 单体模式转为多实例之后，我们将进程缓存升级为缓存服务（redis），清清理了所有的缓存使用，都改成了对接redis。但是有一些地方漏掉，因为我们有3个实例，所以漏掉的那几个地方，一旦修改某个数据之后，一会儿是新值，一会儿旧值，很神奇。

2、谨防缓存击穿、雪崩的产生，这个我们有惨痛的教训，后续来一篇专门分析下。

出处：https://www.cnblogs.com/wzh2010/p/13874206.html

更多推荐

大型分布式系统中的缓存架构

高可用架构的6大常规方案

支付系统高可用架构实践

如何让笨重的系统架构变灵巧？

微服务之间的最佳调用方式

免责声明：

本公众号部分分享的资料来自网络收集和整理，所有文字和图片版权归属于原作者所有，且仅代表作者个人观点，与本公众号无关，文章仅供读者学习交流使用，并请自行核实相关内容，如文章内容涉及侵权，请联系后台管理员删除。