使用 Redis 进行缓存：为您的应用程序加速

Source: Dev.to

什么是缓存？

在深入了解 Redis 之前，首先必须了解缓存的基本原理。缓存本质上是一种技术，用于将一部分数据存储在比原始来源更快、更易访问的位置。其目标是直接从缓存中提供后续对该数据的请求，从而显著降低延迟并减轻数据库或 API 等后端系统的负载。

考虑一个经常显示热门产品列表的 Web 应用程序。 与其每次请求该列表时都查询数据库，不如使用缓存机制将热门产品列表存放在内存中。下次请求到来时，应用程序直接从缓存中获取数据，这比数据库查询快了数个数量级。

为什么选择 Redis 作为缓存？

Redis（Remote Dictionary Server）是一款开源的内存数据结构存储系统，可用作数据库、缓存和消息中间件。其设计使其在缓存场景中表现尤为出色：

• 内存操作： 读写速度极快。
• 数据结构丰富： 字符串、列表、集合、有序集合、哈希等多种结构，支持复杂的缓存策略。
• 持久化选项： 可选的 RDB 快照和 AOF 日志，防止数据丢失。
• 高可用与可扩展性： Sentinel 和 Cluster 提供高可用和水平扩展。
• 原子操作： 防止竞争条件，确保数据完整性。
• 发布/订阅消息： 对缓存失效策略非常有用。

Source: …

常用 Redis 缓存策略

1. 缓存旁路（Cache‑Aside）模式

缓存旁路（又称懒加载）模式被广泛使用。应用程序同时与缓存和主数据源交互。

工作原理

1. 读取请求： 应用程序首先检查缓存。
2. 缓存命中： 直接返回数据。
3. 缓存未命中： 从主数据源（例如数据库）获取数据。
4. 缓存填充： 将获取到的数据存入缓存，以供后续请求使用。
5. 返回数据： 将数据返回给调用方。

示例（Python + redis-py）

import redis

r = redis.Redis(host='localhost', port=6379, db=0)

def get_user_data(user_id):
    cache_key = f"user:{user_id}"
    cached_data = r.get(cache_key)

    if cached_data:
        print(f"Cache hit for user {user_id}")
        return cached_data.decode('utf-8')   # Assuming data is stored as a string

    print(f"Cache miss for user {user_id}")
    # Simulate fetching from a database
    user_data_from_db = fetch_user_from_database(user_id)

    if user_data_from_db:
        # Store in Redis with an expiration time (e.g., 3600 s = 1 hour)
        r.set(cache_key, user_data_from_db, ex=3600)
        return user_data_from_db
    return None

def fetch_user_from_database(user_id):
    # In a real application, this would be a database query
    print(f"Fetching user {user_id} from database...")
    return f"User Data for {user_id}"

2. 写穿（Write‑Through）模式

在写穿模式中，数据会同时写入缓存和主数据源，确保缓存始终保持最新。

工作原理

1. 写入请求： 应用程序先将数据写入缓存。
2. 同步写入数据源： 紧接着将相同的数据写入主数据源。
3. 确认： 只有在两次写入都成功后，操作才算完成。

优点

• 保证缓存与数据源之间的数据一致性。

缺点

• 由于必须成功完成两次写入，写入延迟可能会增加。

示例（Python）

import redis

r = redis.Redis(host='localhost', port=6379, db=0)

def update_user_data(user_id, new_data):
    cache_key = f"user:{user_id}"

    # Write to cache first
    r.set(cache_key, new_data)

    # Then write to primary data source
    update_user_in_database(user_id, new_data)

    print(f"User {user_id} data updated in cache and database.")

def update_user_in_database(user_id, new_data):
    print(f"Updating user {user_id} in database with: {new_data}")

写后（Write‑Behind / Write‑Back）模式

写后模式通过延迟写入主数据源来提升写入性能。

工作原理

• 写入请求： 应用程序立即将数据写入缓存。
• 异步写入数据源： 缓存将写入操作排队，并在后台（通常以批次方式）持久化到主存储。

优点

• 大幅降低写密集型工作负载的写入延迟。

缺点

• 如果缓存服务器在后台写入完成前宕机，可能导致数据丢失。
• 在通用缓存场景中使用较少。

缓存失效（Cache Invalidation）

缓存失效在主数据源发生变化时，删除或更新缓存中的陈旧数据。

常见失效技术

• 生存时间（TTL）： 为缓存条目设置过期时间。
• 显式失效： 当底层数据被更新时，删除对应的缓存条目。
• 写穿/写后： 这些模式本身就能保持一致性。
• 事件驱动失效： 使用 Redis Pub/Sub 广播失效消息。

显式失效示例（Python）

def update_and_invalidate_user(user_id, updated_data):
    cache_key = f"user:{user_id}"

    # Update in primary data source
    update_user_in_database(user_id, updated_data)

    # Explicitly invalidate the cache entry
    r.delete(cache_key)
    print(f"User {user_id} data")

 updated and cache invalidated.")

高级 Redis 缓存使用案例

• 会话管理: 在分布式服务器之间存储用户会话数据，以实现快速检索。
• 速率限制: 使用带过期时间的计数器来限制每个用户/IP 的请求次数。
• 队列: 实现任务队列，用于异步后台作业。
• 排行榜: 利用有序集合实现实时排名系统。
• 完整页面缓存: 缓存整个 HTML 页面，以在无需服务器端渲染的情况下提供内容。

Redis 缓存最佳实践

• 选择合适的数据结构： 对象使用哈希，队列使用列表，排行榜使用有序集合等。
• 实现适当的 TTL： 将过期时间与数据的波动性和可接受的陈旧度对齐。
• 监控缓存性能： 跟踪命中率、延迟、内存使用和驱逐策略。
• 优雅地处理缓存未命中： 在需要时确保回退到主数据源。
• 考虑数据序列化： 对于复杂类型使用高效的格式，如 JSON 或 MessagePack。
• 配置驱逐策略： 了解 LRU、LFU、volatile‑lru 等，以管理内存压力。
• 最小化网络延迟： 在可能的情况下将 Redis 与应用服务器同机房部署。

结论

Redis 为构建高性能缓存层提供了坚实、灵活的基础。通过理解并应用诸如 Cache‑Aside（旁路缓存）和 Write‑Through（写入直通）等模式，您可以显著降低延迟、减轻数据库负载，并提升整体响应速度。尝试最适合您使用场景的策略，让 Redis 帮助您为软件注入强大动力。