Загрузка…
Короткая голосовая сессия: один вопрос, один уточняющий вопрос, затем мгновенный фидбек — до 5 минут.
Я бы сначала выделил read-heavy и относительно стабильные данные, затем выбрал cache strategy, например cache-aside, определил TTL и правила invalidation. Основные проблемы — stale data, cache stampede, сложная invalidation и memory pressure.
Не все данные нужно автоматически помещать в cache. Сначала нужно определить expensive и часто читаемые данные и понять, допустима ли небольшая задержка актуальности.
Распространённый подход — cache-aside. Application сначала проверяет Redis. При cache miss читает данные из database, сохраняет их в Redis с TTL и возвращает результат:
const cached = await redis.get(key);
if (cached) {
return JSON.parse(cached);
}
const value = await database.getProduct(id);
await redis.set(key, JSON.stringify(value), { EX: 300 });
return value;При write operation можно сначала обновить source of truth, а затем invalidate или update cache entry. Выбор зависит от consistency requirements.
На большой нагрузке важно учитывать cache stampede: множество requests одновременно получает miss и одновременно идёт в database. Для решения используют request coalescing, locks, randomized TTL или stale-while-revalidate.
Отдельная проблема — consistency. Если данные должны быть абсолютно актуальными сразу после write, eventually consistent cache может быть неподходящим. TTL сам по себе не решает проблему invalidation, потому что stale data может оставаться доступной до expiration.
Я бы также мониторил cache hit rate, miss rate, latency, memory usage, eviction rate и нагрузку на backend. Cache должен снижать latency и нагрузку, а не становиться новым источником correctness bugs.