热计数别同步打库:Write-Through / Behind / Around 怎么选

Hello,我是小兔大白糖。 压测里 IM 已读、点赞这类热计数一上量,DB 往往比业务逻辑先红——很多人加了 Redis 读缓存,写路径却还是每条同步落库。写成这篇,给要做缓存写路径选型的后端同学:Write-Through、Write-Behind、Write-Around 各管什么、热计数默认该往哪边偏。
估计阅读时间:8 分钟
为什么现在要关心
结论:热计数的问题是写放大,不是读慢;只缓存读、写仍直打库,压测照样挂。
IM、社交、直播互动里,已读回执、未读角标、点赞数都是典型 热计数(hot counter):单用户一次操作很轻,全站 QPS 叠起来就是 DB 的写风暴。常见误判有三类:
- 只加 Redis 当读缓存,业务写仍
UPDATE同步进库——读快了,写路径没减负。 - 上了 Write-Behind,却没和产品、SRE 签「丢更新、乱序、进程挂掉」的边界——上线后扯皮。
- 和两级缓存混谈:进程内 L1 + Redis L2 解决的是读放大;本稿讲的是缓存相对持久化(DB)的写路径。读侧怎么叠层,见 Ristretto + Redis 两级缓存。
心智模型:柜台与小黑板
结论:三种写策略的差别,就是「小黑板(缓存)」和「账本(DB)」谁先改、何时对齐。
可以想成柜台记账:
| 策略 | 人话 |
|---|---|
| Write-Through(直写穿透) | 客人改数,柜员同时改小黑板和账本,都成功才回话——一致感强,慢。 |
| Write-Behind(异步写回) | 先改小黑板立刻回话,晚些批量誊到账本——快,账本可能短暂落后。 |
| Write-Around(绕写) | 只改账本,小黑板擦掉或不管,等下次读再填——适合写少读多、且能接受 miss。 |
类比局限:柜台模型能帮你想「用户何时看到什么数」,但解释不了多副本 Redis、多实例各自刷库时的精确一致性等级——那些要靠版本号、幂等键和批量合同单独定。
精确定义与边界
结论:Write-Behind 下,用户可见的「真相」在缓存;DB 是最终落盘与灾备,不是每次点击的同步真相。
在业界语境里:
- Write-Through:每次写先(或同时)更新缓存与 DB,读优先走缓存。写延迟 ≈ 缓存 RTT + DB 往返;DB 仍承担每次写的压力。
- Write-Behind:写只进缓存(或先进有界队列再由 flusher 写缓存),异步批量落 DB。读以缓存为准;DB 与缓存之间存在可配置的落盘延迟窗口。
- Write-Around:写绕过缓存直写 DB,并失效或忽略对应缓存项;读 miss 时再回填。避免「冷 key 被写污染」,但热写场景读 miss 会多。
本稿讨论的「热计数」指:高 QPS、可聚合、往往允许秒级落盘延迟的计数/状态(点赞、已读水位、房间在线数等)。金融账本级、强审计「一点即落库」 不应假装用 Behind 糊弄——要么 Through / 同步 Outbox,要么单独建模,别和热计数共用同一套「默认 C 方案」。
已读若用水位(watermark) 而不是存海量消息 ID,键设计与内存边界是另一条线,见 已读回执:水位 vs 消息 ID。
业界模式对照
结论:热计数写路径默认调研 Write-Behind(模式 C);要「别的系统立刻读到 DB」则别装 Behind。
| 模式 | 写路径 | 读路径 | 优点 | 代价 |
|---|---|---|---|---|
| A. 直写 DB | 同步 DB | 读 DB 或旁路缓存 | 最简单;DB 即真相 | 热计数写放大易打挂 DB |
| B. Write-Through | 同步缓存 + 同步 DB | 读缓存 | 强一致感;跨系统读 DB 可靠 | 写延迟高;DB 仍每条承压 |
| C. Write-Behind | 先缓存,异步批量落库 | 读缓存 | 削峰;DB 批写 | 进程挂可能丢未刷盘;读到的是缓存真相 |
| D. Write-Around | 只写 DB,删/忽略缓存 | 读时回填 | 避免写污染冷 key | 读 miss 多;读热且写也热时往往不合适 |
硬规则(可复述给同事)
结论:Behind 能用的前提,是批量、有界、失败有去处、落库可幂等——缺一条都会在事故里买单。
-
先定义「用户可见真相」在哪
Behind 下 UI、API 对外应以缓存为准;DB 对齐是异步目标,不是每次操作的同步读源。 -
批量合同写死
用batch_size或flush_interval触发 flush(二选一或组合,但要写进 runbook);队列有界;满了必须背压或降级直写——产品要选,不能留给 on-call 临场猜。 -
失败要有去处
重试带上限;超出进 DLQ 或交给对账任务;禁止无限重试把 flusher 堵死。 -
幂等键按业务维度
例如(entity_id, user_id, version)或业务单调版本;批量UPSERT必须可重放,否则重试就是重复加计数。 -
TTL 与生命周期对齐
会话级状态短 TTL;统计类可长;大 key 集合加随机抖动,减轻同时过期(示意性做法,具体按 Redis 内存策略调)。 -
Pipeline 只减 RTT,不替合同
Redis Pipeline 合并往返,不解决 Behind 的落盘延迟与丢窗口——一致性仍靠上面几条。
Key 设计原则(通用,非照抄前缀)
结论:一个热实体尽量一个计数 key;用户×实体组合键要算基数;会话水位优于巨量 ID 列表。
| 用途 | 原则 |
|---|---|
| 单实体计数 | 一个 key 承载计数;避免「每次读拼一堆散 key」导致内存与 RTT 无界 |
| 用户×实体状态 | 组合键清晰;基数(用户数 × 实体数)直接决定内存账单 |
| 会话已读水位 | 用偏移/水位一个键,优于维护巨量消息 ID 集合(与水位文同一思路) |
示意:组件怎么拆(无实现墙)
结论:热计数服务 = 缓存写 + 有界异步 flusher + 可观测;数字是教学示意。
HotCounterService
→ Cache (Redis): INCR / HSET / GET
→ AsyncFlusher: 有界队列 → 批量 UPSERT DB
→ Metrics: hit/miss, queue_depth, flush_errors, lag_secondsFlush 触发可以是「每 N 条或每 T 秒」——例如教学里常用 N≈100、T≈5s,生产必须按 SLA 与 DB 批写能力重算,别抄数字当标准。
反模式
结论:无界队列、多实例乱刷、Redis 挂了就全站瞎、把 Behind 当金融账——四条够开复盘。
- Behind + 无界 channel:内存当「缓存」用,最终 OOM 的是你自己的进程,不是 Redis。
- 多实例各刷各的、无协调:覆盖写、乱序落库;需要版本号、最后写入赢策略,或 DB 侧聚合 SQL(按业务选,别默认「最后写赢」就对)。
- Redis 挂了无降级:已读/点赞全失败;至少要有失败打开(直写 DB、只读降级、或明确报错),别 silent 丢用户操作。
- 对 product 卖「Behind = 最终一致金融账」:热计数可以秒级 lag;钱和库存不行。
选型清单
结论:热计数默认真相在缓存 + 异步批量落库;跨系统立刻读 DB 用 Through 或 Outbox;写少读多再考虑 Around。
| 场景 | 倾向 |
|---|---|
| 点赞、已读、房间计数;可接受秒级落盘延迟 | Write-Behind + 有界批量 + DLQ/对账 |
| 点击后其他系统必须立刻读到 DB | Write-Through 或同步 Outbox,别用 Behind 装 |
| 写少读多、缓存容易被写脏的冷数据 | 评估 Write-Around |
| 读路径还要减 Redis 压力 | 与 两级缓存 正交叠加,写策略仍按上表 |
带走这几条
- 热计数先治写路径;只缓存读不够。
- Behind 的代价是落盘窗口 + 进程/队列生命周期——合同要写死。
- 模式 A–D 对照表用来对齐产品和 DB,不是背名词。
- Pipeline、L1/L2 是别的杠杆;一致性边界别混谈。
- 已读键模型与水位选型,继续看 水位 vs 消息 ID。