¿Qué estrategias y patrones de almacenamiento en caché existen con Redis?

Question

Accepted Answer

Más allá del cache-aside básico, existen varias **estrategias de almacenamiento en caché** — cache-aside, write-through, write-behind, read-through — cada una con diferentes compromisos de consistencia y rendimiento. Entenderlas (y las políticas de evicción) te ayuda a diseñar un almacenamiento en caché efectivo.

## Cache-aside (carga perezosa — la más común)

```text
App checks cache → miss → load from DB → populate cache → return.
  ✓ Only requested data is cached (efficient); resilient (works if cache is down)
  ✗ First request is a miss (slower); cache can be stale until TTL/invalidation
→ The default, most common strategy.
```

## Write-through y write-behind

```text
WRITE-THROUGH → write to cache AND DB together (synchronously) on every write
  ✓ Cache always fresh/consistent  ✗ Writes are slower (two writes); caches unread data

WRITE-BEHIND (write-back) → write to cache immediately, write to DB ASYNC later
  ✓ Fast writes  ✗ Risk of data loss if cache fails before the DB write; more complex
```

## Read-through

```text
READ-THROUGH → the cache layer itself loads from the DB on a miss (abstracted)
  → app just reads from the cache; the cache handles DB loading transparently
  (similar to cache-aside but the loading logic lives in the cache layer/library)
```

## Políticas de evicción (cuando la memoria está llena)

```text
When Redis hits its memory limit (maxmemory), it EVICTS keys per a policy:
  LRU (Least Recently Used)  → evict least-recently-accessed (good general default)
  LFU (Least Frequently Used)→ evict least-frequently-accessed
  TTL-based (volatile-ttl)   → evict keys closest to expiry
  random / noeviction        → random, or reject writes when full
→ allkeys-lru is a common choice for a pure cache. Set maxmemory + a policy.
```

## Evitar problemas de caché

```text
✓ Cache STAMPEDE (many misses at once hammering the DB) → locking, staggered TTLs
✓ Stale data → appropriate TTLs + invalidation on writes
✓ Cache PENETRATION (querying non-existent keys) → cache negative results briefly
```

## Por qué es importante

Entender las estrategias de almacenamiento en caché es valioso para **diseñar sistemas de almacenamiento en caché efectivos**, construyendo sobre el cache-aside básico, por lo que es conocimiento útil para trabajo enfocado en rendimiento.

Aunque cache-aside (carga perezosa — revisar el caché, cargar desde la BD en un fallo, rellenar el caché) es el patrón común por defecto, entender el **rango de estrategias** te permite elegir la correcta para la situación: **write-through** (escribir al caché y a la BD juntos para un caché siempre fresco al costo de escrituras más lentas), **write-behind** (escribir al caché inmediatamente y a la BD de forma asincrónica para escrituras rápidas pero con riesgo de pérdida de datos), y **read-through** (la capa de caché carga transparentemente desde la BD) — cada una con compromisos consistencia/rendimiento distintos que importan para diferentes requisitos de consistencia y patrones de escritura.

Entender las **políticas de evicción** (LRU, LFU, basadas en TTL, etc. — cómo Redis decide qué claves eliminar cuando la memoria está llena) es importante para configurar Redis como caché correctamente (estableciendo `maxmemory` y una política apropiada como `allkeys-lru` para un caché puro), así que se comporta bien bajo presión de memoria.

Saber cómo **evitar problemas comunes de caché** — **stampede** de caché (muchos fallos simultáneos golpeando la base de datos, mitigado por bloqueo o TTLs escalonados), **datos obsoletos** (gestionados con TTLs e invalidación), y **penetración** de caché (consultas repetidas para claves inexistentes, mitigadas almacenando resultados negativos) — refleja diseño maduro de almacenamiento en caché que evita problemas reales de producción.

Ya que el almacenamiento en caché efectivo impacta significativamente el rendimiento y la estrategia/configuración correcta depende del caso de uso, y ya que entender las estrategias, políticas de evicción, y errores comunes permite diseñar almacenamiento en caché robusto, entender estrategias y patrones de almacenamiento en caché es conocimiento valioso y prácticamente relevante para ingeniería de rendimiento con Redis, elevando el almacenamiento en caché del patrón básico a sistemas bien diseñados que manejan consistencia, memoria, y modos de fallo correctamente.