cache-aside-pattern

docs/database/Redis/some-concepts-of-caching.md

@@ -92,13 +92,62 @@ _那本地缓存的方案有哪些呢？且听 Guide 给你来说一说。_
 
 #### 5.1. Cache Aside Pattern（旁路缓存模式）
 
-1. 写：更新 DB，然后直接删除 cache 。
-2. 读：从 cache 中读取数据，读取到就直接返回，读取不到的话，就从 DB 中取数据返回，然后再把数据放到 cache 中。
-
-Cache Aside Pattern 中服务端需要同时维系 DB 和 cache，并且是以 DB 的结果为准。另外，Cache Aside Pattern 有首次请求数据一定不在 cache 的问题，对于热点数据可以提前放入缓存中。
-
 **Cache Aside Pattern 是我们平时使用比较多的一个缓存读写模式，比较适合读请求比较多的场景。**
 
+Cache Aside Pattern 中服务端需要同时维系 DB 和 cache，并且是以 DB 的结果为准。
+
+下面我们来看一下这个策略模式下的缓存读写步骤。
+
+**写** ：
+
+- 先更新 DB
+- 然后直接删除 cache 。
+
+简单画了一张图帮助大家理解写的步骤。
+
+![cache-aside-write](images/缓存读写策略/cache-aside-write.png)
+
+**读** :
+
+- 从 cache 中读取数据，读取到就直接返回
+- cache中读取不到的话，就从 DB 中读取数据返回
+- 再把数据放到 cache 中。
+
+简单画了一张图帮助大家理解读的步骤。
+
+![cache-aside-read](images/缓存读写策略/cache-aside-read.png)
+
+
+
+你仅仅了解了上面这些内容的话是远远不够的，我们还要搞懂其中的原理。
+
+比如说面试官很可能会追问：“**在写数据的过程中，可以先删除缓存，后更新数据库么？**”
+
+**答案：** 那肯定是不行的！因为这样可能会造成**数据库和缓存数据不一致**的问题。为什么呢？比如说请求1 先写数据A，请求2随后读数据A的话就很有可能产生数据不一致性的问题。这个过程可以简单描述为：
+
+> 请求1先把缓存中的A数据删除 -> 请求2从数据库中读取数据->请求1再把数据库中的A数据更新。
+
+当你这样回答之后，面试官可能会紧接着就追问：“**在写数据的过程中，先更新数据库，后删除缓存就没有问题了么？**”
+
+**答案：** 理论上来说还是可能会出现数据不一致性的问题，不过概率非常小，因为缓存的写入速度是比数据库的写入速度快很多！
+
+比如请求1先读数据 A，请求2随后写数据A，并且数据库A不在缓存中的话也有可能产生数据不一致性的问题。这个过程可以简单描述为：
+
+> 请求1从DB读数据A->请求2写更新数据 A 到数据库并把删除缓存中的A数据->请求1将数据库A写入缓存。
+
+现在我们再来分析一下 **Cache Aside Pattern 的缺陷**。
+
+**缺陷1：首次请求数据一定不在 cache 的问题** 
+
+解决办法：可以将热点数据可以提前放入缓存中。
+
+**缺陷2：写操作比较频繁的话导致缓存中的数据会被频繁被删除，这样会影响缓存命中率 。**
+
+解决办法：
+
+- 数据库和缓存数据强一致场景 ：更新数据的时候同样更新缓存，不过我们需要加一个锁/分布式锁来保证更新缓存的时候不存在线程安全问题。
+- 可以短暂地允许数据库和缓存数据不一致的场景 ：更新数据的时候同样更新缓存，但是给缓存加一个比较短的过期时间，这样的话就可以保证即使数据不一致的话影响也比较小。
+
 #### 5.2. Read/Write Through Pattern（读写穿透）
 
 Read/Write Through 套路是：服务端把 cache 视为主要数据存储，从中读取数据并将数据写入其中。cache 服务负责将此数据读取和写入 DB，从而减轻了应用程序的职责。