Go 开源说第四期（下）：go-zero缓存管理最佳实践

本文有『Go开源说』第四期 go-zero 直播内容修改整理而成，视频内容较长，拆分成上下篇，本文内容有所删减和重构。

大家好，很高兴来到“GO开源说” 跟大家分享开源项目背后的一些故事、设计思想以及使用方法，今天分享的项目是 go-zero，一个集成了各种工程实践的 web 和 rpc 框架。我是Kevin，go-zero 作者，我的 github id 是 kev wan。

go-zero 概览

go-zero 虽然是20年8月7号才开源，但是已经经过线上大规模检验了，也是我近20年工程经验的积累，开源后得到社区的积极反馈，在5个多月的时间里，获得了5.9k star。多次登顶github Go语言日榜、周榜、月榜榜首，并获得了gitee最有价值项目（GVP），开源中国年度最佳人气项目。同时微信社区极为活跃，3000+人的社区群，go-zero爱好者们一起交流go-zero使用心得和讨论使用过程中的问题。

star

go-zero 如何自动管理缓存？

缓存设计原理

我们对缓存是只删除，不做更新，一旦DB里数据出现修改，我们就会直接删除对应的缓存，而不是去更新。

我们看看删除缓存的顺序怎样才是正确的。

• 先删除缓存，再更新DB

我们看两个并发请求的情况，A请求需要更新数据，先删除了缓存，然后B请求来读取数据，此时缓存没有数据，就会从DB加载数据并写回缓存，然后A更新了DB，那么此时缓存内的数据就会一直是脏数据，知道缓存过期或者有新的更新数据的请求。如图

• 先更新DB，再删除缓存

A请求先更新DB，然后B请求来读取数据，此时返回的是老数据，此时可以认为是A请求还没更新完，最终一致性，可以接受，然后A删除了缓存，后续请求都会拿到最新数据，如图

让我们再来看一下正常的请求流程：

1. 第一个请求更新DB，并删除了缓存

2. 第二个请求读取缓存，没有数据，就从DB读取数据，并回写到缓存里

3. 后续读请求都可以直接从缓存读取

我们再看一下DB查询有哪些情况，假设行记录里有ABCDEFG七列数据：

1. 只查询部分列数据的请求，比如请求其中的ABC，CDE或者EFG等，如图

   

2. 查询单条完整行记录，如图

1. 查询多条行记录的部分或全部列，如图

   

对于上面三种情况，首先，我们不用部分查询，因为部分查询没法缓存，一旦缓存了，数据有更新，没法定位到有哪些数据需要删除；其次，对于多行的查询，根据实际场景和需要，我们会在业务层建立对应的从查询条件到主键的映射；而对于单行完整记录的查询，go-zero 内置了完整的缓存管理方式。所以核心原则是： go-zero 缓存的一定是完整的行记录 。

下面我们来详细介绍 go-zero 内置的三种场景的缓存处理方式：

1. 基于主键的缓存

   PRIMARY KEY (`id`)
   

   这种相对来讲是最容易处理的缓存，只需要在 redis 里用 primary key 作为 key 来缓存行记录即可。

2. 基于唯一索引的缓存

   img

   在做基于索引的缓存设计的时候我借鉴了 database 索引的设计方法，在 database 设计里，如果通过索引去查数据时，引擎会先在 索引->主键 的 tree 里面查找到主键，然后再通过主键去查询行记录，就是引入了一个间接层去解决索引到行记录的对应问题。在 go-zero 的缓存设计里也是同样的原理。

   基于索引的缓存又分为单列唯一索引和多列唯一索引：

   但是对于 go-zero 来说，单列和多列只是生成缓存 key 的方式不同而已，背后的控制逻辑是一样的。然后 go-zero 内置的缓存管理就比较好的控制了数据一致性问题，同时也内置防止了缓存的击穿、穿透、雪崩问题（这些在 gopherchina 大会上分享的时候仔细讲过，见后续 gopherchina 分享视频）。

   另外，go-zero 内置了缓存访问量、访问命中率统计，如下所示：

   dbcache(sqlc) - qpm: 5057, hit_ratio: 99.7%, hit: 5044, miss: 13, db_fails: 0
   

   可以看到比较详细的统计信息，便于我们来分析缓存的使用情况，对于缓存命中率极低或者请求量极小的情况，我们就可以去掉缓存了，这样也可以降低成本。

• 单列唯一索引如下：

  UNIQUE KEY `product_idx` (`product`)
  

• 多列唯一索引如下：

  UNIQUE KEY `vendor_product_idx` (`vendor`, `product`)
  

缓存代码解读

1. 基于主键的缓存逻辑

img

具体实现代码如下：

func (cc CachedConn) QueryRow(v interface{}, key string, query QueryFn) error {
 return cc.cache.Take(v, key, func(v interface{}) error {
  return query(cc.db, v)
 })
}

这里的 Take 方法是先从缓存里去通过 key 拿数据，如果拿到就直接返回，如果拿不到，那么就通过 query 方法去 DB 读取完整行记录并写回缓存，然后再返回数据。整个逻辑还是比较简单易懂的。

我们详细看看 Take 的实现：

func (c cacheNode) Take(v interface{}, key string, query func(v interface{}) error) error {
 return c.doTake(v, key, query, func(v interface{}) error {
  return c.SetCache(key, v)
 })
}

Take 的逻辑如下：

• 用 key 从缓存里查找数据

• 如果找到，则返回数据

• 如果找不到，用 query 方法去读取数据
• 读到后调用 c.SetCache(key, v) 设置缓存

其中的 doTake 代码和解释如下：

// v - 需要读取的数据对象
// key - 缓存key
// query - 用来从DB读取完整数据的方法
// cacheVal - 用来写缓存的方法
func (c cacheNode) doTake(v interface{}, key string, query func(v interface{}) error,
 cacheVal func(v interface{}) error) error {
  // 用barrier来防止缓存击穿，确保一个进程内只有一个请求去加载key对应的数据
 val, fresh, err := c.barrier.DoEx(key, func() (interface{}, error) {
    // 从cache里读取数据
  if err := c.doGetCache(key, v); err != nil {
      // 如果是预先放进来的placeholder（用来防止缓存穿透）的，那么就返回预设的errNotFound
      // 如果是未知错误，那么就直接返回，因为我们不能放弃缓存出错而直接把所有请求去请求DB，
      // 这样在高并发的场景下会把DB打挂掉的
   if err == errPlaceholder {
    return nil, c.errNotFound
   } else if err != c.errNotFound {
    // why we just return the error instead of query from db,
    // because we don't allow the disaster pass to the DBs.
    // fail fast, in case we bring down the dbs.
    return nil, err
   }

      // 请求DB
      // 如果返回的error是errNotFound，那么我们就需要在缓存里设置placeholder，防止缓存穿透
   if err = query(v); err == c.errNotFound {
    if err = c.setCacheWithNotFound(key); err != nil {
     logx.Error(err)
    }

    return nil, c.errNotFound
   } else if err != nil {
        // 统计DB失败
    c.stat.IncrementDbFails()
    return nil, err
   }

      // 把数据写入缓存
   if err = cacheVal(v); err != nil {
    logx.Error(err)
   }
  }
    
    // 返回json序列化的数据
  return jsonx.Marshal(v)
 })
 if err != nil {
  return err
 }
 if fresh {
  return nil
 }

 // got the result from previous ongoing query
 c.stat.IncrementTotal()
 c.stat.IncrementHit()

  // 把数据写入到传入的v对象里
 return jsonx.Unmarshal(val.([]byte), v)
}

2. 基于唯一索引的缓存逻辑

因为这块比较复杂，所以我用不同颜色标识出来了响应的代码块和逻辑， block 2 其实跟基于主键的缓存是一样的，这里主要讲 block 1 的逻辑。

代码块的 block 1 部分分为两种情况：

1. 通过索引能够从缓存里找到主键

   此时就直接用主键走 block 2 的逻辑了，后续同上面基于主键的缓存逻辑

2. 通过索引无法从缓存里找到主键

• 通过索引从DB里查询完整行记录，如有 error ，返回
• 查到完整行记录后，会把主键到完整行记录的缓存和索引到主键的缓存同时写到 redis 里

• 返回所需的行记录数据

• 右侧代码是个实际使用索引缓存的示例

img

所有上面这些缓存的自动管理代码都是可以通过 goctl 自动生成的，我们团队内部 CRUD 和缓存基本都是通过 goctl 自动生成的，可以节省大量开发时间，并且缓存代码本身也是非常容易出错的，即使有很好的代码经验，也很难每次完全写对，所以我们推荐尽可能使用自动的缓存代码生成工具去避免错误。

go-zero 服务治理 + go-zero 最佳实践（待续）

如果你想要更好的了解 go-zero 项目，欢迎前往官方网站上学习具体的示例。

也可以扫码加入微信群，我们有3000+人的活跃社区共同成长！

视频回放地址

https://www.bilibili.com/video/BV1Jy4y127Xu

项目地址

https://github.com/tal-tech/go-zero

演讲PPT：

https://github.com/gocn/opentalk/tree/main/PhaseFour_go-zero

欢迎使用 go-zero 并 star 支持我们！