[ Redis ] Redis 캐싱 패턴

데이터베이스에서 데이터를 캐싱할 때, 사전 예방적(proactive) 및 사후 대응적(reactive)으로 취할 수 있는 캐싱 패턴으로 Redis와 Memcached가 있습니다. 구현하기 위해 어떤 패턴을 취하든 모두 자신이 사용할 캐싱과 애플리케이션 목표와 밀접하게 관련되어 있어야 합니다.

 

가장 흔한 접근은 사전 예방적으로 'cache-aside'(혹은 'lazy loading')을 취하는 것, 그리고 사후 대응적으로 'write-through'를 취할 수 있습니다.

 

Cache-aside는 데이터가 요청된 후에 수정되는 방식이며, write-through 캐시는 메인 DB가 수정되었을 때 즉시 수정하는 방법입니다. 두 방법 모두, 애플리케이션이 어떤 데이터를 얼마나 캐싱할지를 관리하는 방법입니다.

 

아래의 다이어그램은 원격 분배 캐시를 사용하는 아키텍처의 전형적인 표현입니다.

 

Architecture using remote distributed cache

 

---

Cache-Aside (Lazy Loading)

Cache-aside 캐시는 가장 흔하게 사용되는 캐싱 전략으로, 가장 근본적인 데이터 검색 로직은 다음과 같습니다.

 

1. 애플리케이션이 데이터베이스로부터 데이터를 읽을 필요가 있을 경우, 캐시를 먼저 확인하여 데이터가 사용가능한지 확인합니다.
2. 만약 데이터가 사용 가능한다면 (cache hit), 캐시된 데이터가 반환되고 응답은 호출자에게 발급됩니다.
3. 데이터가 사용 가능하지 않다면 (cache miss), 데이터베이스에 데이터 쿼리가 전송됩니다. 그러면 캐시에 데이터베이스에서 검색된 데이터가 채워지고 데이터는 호출자에게 반환됩니다.

Cache-aside 캐시

 

이 접근의 주된 장점으로는 

• 캐시가 애플리케이션이 실제로 요청한 데이터만을 포함하기 때문에 캐시 크기를 비용 효율적으로 유지할 수 있고
• 이 접근 방식을 구현하는 것은 간단하며, lazy caching을 캡슐화하는 애플리케이션 프레임워크를 사용하든 사용자 정의 애플리케이션 로직을 사용하든 상관없이 즉각적인 성능 향상을 얻을 수 있다는 점입니다.

Cache-aside를 단일 캐싱 패턴으로 사용하는 것의 단점은 캐시 미스 후에 데이터가 캐시로 로딩되기 때문에 캐시와 DB에 대한 추가적인 왕복 시간이 필요하기 때문에 최초 응답 시간에 약간의 오버헤드가 추가된다는 점입니다.

---

Write-Through

Write-through 캐시는 캐시가 데이터를 포함하는 과정의 순서가 역전됩니다. 

캐시 미스 후에 캐시를 데이터에 지연 로딩하는 것 대신, 메인 DB가 수정되면 즉시 캐시가 사전 대응적으로 업데이트됩니다.

 

가장 근본적인 데이터 검색 로직은 다음과 같이 요약됩니다.

1. 애플리케이션, 배치, 혹은 백엔드 프로세스가 메인 DB를 업데이트 하면
2. 그 즉시, 캐시 내부의 데이터가 업데이트 됩니다.

Write-through 캐시

 

Write-through 패턴은 거의 항상 지연 로딩과 함께 구현됩니다. 만약 애플리케이션이 데이터 부재 혹은 만료로 인해 캐시 미스를 경험한다면 지연 로딩 패턴이 수행되어 캐시를 수정합니다.

 

이 접근의 주된 장점으로는

• 메인 DB와 함께 캐시가 최신이기 때문에, 캐시에서 데이터가 발견될 가능성이 훨씬 높아지고, 이는 전반적인 애플리케이션 성능과 사용자 경험을 향상시킵니다.
• 데이터베이스 읽기 작업이 최소한으로 수행되어 DB 성능이 최적화됩니다.

Write-through 접근의 단점은 드물게 요청되는 데이터 또한 캐시에 저장되기 때문에, 캐시의 크기가 커지고 비용 또한 비싸집니다. 

 

---

 

적절한 캐싱 전략은 데이터에 대한 write-through와 지연 로딩을 효율적으로 사용하여 관련도와 희박성을 유지하기 위해 데이터에 대한 적절한 만료 시간을 설정해야 합니다.

---

참고 자료

 - Caching patterns (링크)

 - [데이터베이스] Redis 캐시(Cache) 설계 전략 (링크)

 - [REDIS] 캐시(Cache) 설계 전략 지침 총정리 (링크)