Find N3入網：最高支持16+1TB
OPPO將于近期登場的Find N3折疊屏目前已經正式入網，型號為PHN110。本次Find N3在外觀方面相比前兩代有很大的變化，不再是小號的橫向折疊屏，而是跟別的廠商一樣采用了較為常見的
在高并發場景中，緩存能抵擋大量數據庫查詢，減少數據庫壓力，對于緩存更新通常有以下幾種模式可以選擇：
? cache aside
? read/write through
? write behind caching
Cache-aside模式是一種常用的用于管理緩存的模式。它用于確保緩存與底層數據源之間的數據一致性。以下是cache-aside模式的工作原理：
圖片
1. 從緩存讀取：當有讀取操作請求時，應用程序首先檢查緩存中是否存在數據。如果在緩存中找到了數據，則將其返回給調用者，避免了訪問底層數據源的需要。
2. 緩存未命中：如果在緩存中未找到數據，則表示緩存未命中。在這種情況下，應用程序從底層數據源檢索數據，并將檢索到的數據填充到緩存中。
3. 更新數據：當對數據執行寫入或更新操作時，應用程序首先更新底層數據源中的數據。然后，清除緩存中的數據，以確保下一次讀取從數據源中檢索到更新后的數據。
通常寫緩存和寫數據庫是兩個獨立的事務，選擇先更新緩存還是先更新數據庫都有可能產生數據不一致的情況。
假設有兩個請求A、B。
? 請求A先刪除緩存，此時還未更新數據庫
? 請求B查詢緩存未命中，然后查詢數據庫，查出舊數據寫入緩存
? 請求A繼續將數據寫入數據庫
? 此時緩存與數據庫中的數據出現了不一致的情況
? 請求A先更新了數據庫
? 請求B更新了數據庫，并更新了緩存
? 請求A最后更新緩存，此時請求A的數據是臟數據。
先更新DB，再失效緩存也會出現問題。
? 請求A讀取緩存未命中，查詢數據庫成功查到數據
? 請求B進來更新數據庫成功，并刪除緩存數據
? 請求A將查詢的數據寫入到緩存中，此時請求A寫入緩存的數據已經是臟數據
cache aside模式需要應用方維護緩存的讀寫，對數據和緩存的維護設計侵入代碼，代碼復雜性增加。read/write through模式彌補了這一問題，調用方無需管理緩存和數據庫調用，通過抽象緩存管理組件維護緩存和數據庫的讀寫，解耦業務代碼。
當客戶端請求一個數據時，如果緩存中不存在該項（緩存未命中），緩存系統會自動從后端存儲中加載數據，然后將其添加到緩存中，并返回給客戶端。對于后續的相同請求，數據則直接從緩存中獲取，直到緩存過期或被淘汰。
圖片
在write-through模式中，當客戶端更新一個數據項時，緩存系統會同時更新緩存和后端存儲。這意味著所有的寫操作都會同步地寫入緩存和存儲，確保二者的數據一致性。
圖片
Write Behind模式和Write Through模式整個架構是一樣的，核心在于write through在緩存數據庫中的更新是同步的，而Write Behind是異步的。
每次的請求寫都是直接更新緩存然后就成功返回，并沒有同步把數據更新到數據庫。而把更新到數據庫的過程稱為flush，觸發flush的條件可自定義，如定時或達到一定容量閾值時進行flush操作。并且可以實現批量寫，合并寫等策略，也有效減少了更新數據的頻率，這種模式最大的好處就是讀寫響應非常快，吞吐量也會明顯提升。這種模式也有其他的問題，比如數據不是強一致性的，因為把最新的數據放在緩存里，如果緩存在flush到數據庫之前宕機了就會丟失數據，另外實現也比較復雜。
模式 | 優點 | 缺點 |
Cache Aside | 實現比較簡單 | 需要應用程序負責緩存的讀取和寫入操作，代碼侵入較大 |
Read/Write Through | 引入緩存管理組件，緩存和數據庫的維護對應用程序透明；應用代碼入侵小，邏輯更清晰 | 引入緩存管理組件，實現更復雜 |
Write Behind Caching | 讀寫直接和緩存交互，異步批量更新數據 |
本文鏈接：http://www.www897cc.com/showinfo-26-76545-0.html高并發緩存策略大揭秘：面試必備的緩存更新模式解析
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 垃圾收集器的秘密：深入理解JVM性能調優
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號