Jakie strategie i wzorce cache'owania istnieją w Redis?

Question

Accepted Answer

Poza podstawowym cache-aside, istnieje kilka **strategii cache'owania** — cache-aside, write-through, write-behind, read-through — każda z innymi kompromisami spójności i wydajności. Zrozumienie ich (i zasad eksmisji) pomaga projektować efektywne cache'owanie.

## Cache-aside (lazy loading — najczęstsze)

```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 i 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)
```

## Zasady eksmisji (gdy pamięć jest pełna)

```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.
```

## Unikanie problemów cache'owania

```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
```

## Dlaczego to ważne

Zrozumienie strategii cache'owania jest wartościowe dla **projektowania efektywnych systemów cache'owania**, opierając się na podstawowym cache-aside, więc jest użyteczną wiedzą dla pracy zorientowanej na wydajność.

Chociaż cache-aside (lazy loading — sprawdzanie cache'u, ładowanie z bazy danych przy braku trafu, wypełnianie cache'u) jest powszechnie domyślnym podejściem, zrozumienie **zakresu strategii** pozwala wybrać odpowiednią dla danej sytuacji: **write-through** (jednoczesny zapis do cache'u i bazy danych dla zawsze świeżego cache'u kosztem wolniejszych zapisów), **write-behind** (natychmiastowy zapis do cache'u i asynchroniczny zapis do bazy danych dla szybkich zapisów, ale z ryzykiem utraty danych), **read-through** (warstwa cache'u transparentnie ładuje z bazy danych) — każda z różnymi kompromisami spójności/wydajności, które mają znaczenie dla różnych wymagań spójności i wzorców zapisu.

Zrozumienie **zasad eksmisji** (LRU, LFU, oparte na TTL, itd. — jak Redis decyduje, które klucze usunąć, gdy pamięć jest pełna) jest ważne dla prawidłowego skonfigurowania Redis'a jako cache'u (ustawienie `maxmemory` i odpowiedniej polityki, takiej jak `allkeys-lru` dla czystego cache'u), aby zachowywał się prawidłowo pod ciśnieniem pamięci.

Znajomość **unikania powszechnych problemów cache'owania** — cache **stampede** (wiele równoczesnych braków trafu obciążających bazę danych, łagodzonych przez blokowanie lub rozłożone TTL), **przestarzałe dane** (zarządzane poprzez TTL i unieważnianie), **penetracja cache'u** (powtarzające się zapytania o klucze, które nie istnieją, łagodzony poprzez cache'owanie wyników negatywnych) — odzwierciedla dojrzałe projektowanie cache'owania, które unika rzeczywistych problemów produkcyjnych.

Ponieważ efektywne cache'owanie znacząco wpływa na wydajność, a odpowiednia strategia/konfiguracja zależy od przypadku użycia, i ponieważ zrozumienie strategii, zasad eksmisji i powszechnych pułapek umożliwia projektowanie niezawodnego cache'owania, zrozumienie strategii i wzorców cache'owania jest wartościową, praktycznie istotną wiedzą dla inżynierii wydajności z Redis, podnoszącą cache'owanie z poziomu podstawowego wzorca na dobrze zaprojektowane systemy, które prawidłowo obsługują spójność, pamięć i tryby awarii.