Зачем кэшировать и где кэш живёт

Кэш — это быстрое хранилище часто запрашиваемых данных. Он может жить в браузере, на CDN, в памяти приложения или в отдельном сервисе вроде Redis.

Почему это важно: Запрос к базе данных занимает 5–50 мс, обращение к Redis — 0.5 мс, к RAM — наносекунды. Кэширование — самый быстрый способ ускорить приложение без переписывания бизнес-логики.

Главная идея

Кэш хранит результат дорогой операции и отдаёт его повторно, пока данные не устареют. Эффективность кэша зависит от hit rate — доли запросов, которые обслуживаются из кэша.

Как это выглядит на практике

Пользователь запрашивает страницу каталога товаров
Приложение проверяет, есть ли результат в кэше (cache lookup)
Cache miss: данных нет — запрос идёт в базу, результат сохраняется в кэш
Следующие 100 пользователей получают тот же каталог из кэша (cache hit)
Через 5 минут TTL истекает — кэш инвалидируется
Следующий запрос снова идёт в базу и обновляет кэш

Примеры кода

Простой кэш в Rails

# Кэширование в Rails с TTL 5 минут
class ProductsController < ApplicationController
  def index
    @products = Rails.cache.fetch('products:catalog', expires_in: 5.minutes) do
      # Этот блок выполнится только при cache miss
      Product.includes(:category).published.order(:name).to_a
    end
  end
end

# Инвалидация при изменении товара
class Product < ApplicationRecord
  after_save { Rails.cache.delete('products:catalog') }
end

Кэш с Redis в Python

import redis
import json

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

def get_user_profile(user_id: int) -> dict:
    cache_key = f'user:{user_id}:profile'

    # Попробовать прочитать из кэша
    cached = r.get(cache_key)
    if cached:
        return json.loads(cached)  # cache hit

    # Cache miss — запрос в БД
    profile = db.query('SELECT * FROM users WHERE id = %s', user_id)
    r.setex(cache_key, 300, json.dumps(profile))  # TTL = 300 сек
    return profile

Что происходит под капотом

L1/L2/L3 кэш процессора, RAM, SSD, сеть — каждый уровень на порядок медленнее предыдущего
Hit rate = cache hits / (hits + misses) — метрика эффективности кэша, цель > 90%
Cold start: после рестарта кэш пуст, все запросы идут в базу — нагрузка может вырасти в 10–100 раз
Thundering herd: при инвалидации кэша сотни запросов одновременно обращаются к базе
Размер кэша ограничен — нужна стратегия вытеснения (eviction): LRU, LFU, TTL

Типичные ошибки и заблуждения

«Кэш решает все проблемы производительности» — он ускоряет чтение, но не помогает при медленных записях
«Больше кэша = лучше» — кэширование всего подряд приводит к stale data и сложной инвалидации
«TTL можно поставить побольше» — длинный TTL = устаревшие данные, нужен баланс между свежестью и скоростью

Ключевые выводы

Кэш ускоряет чтение, сохраняя результат дорогих операций для повторного использования
Hit rate > 90% — хороший показатель, ниже 50% — кэш бесполезен
Уровни кэширования: браузер → CDN → приложение (RAM) → Redis/Memcached → БД

Термины урока

{:term=>"TTL", :definition=>"Time To Live — время жизни записи в кэше, после которого она автоматически удаляется"}

{:term=>"Cache hit/miss", :definition=>"Hit — данные найдены в кэше; miss — нет, нужно обратиться к источнику"}

{:term=>"LRU", :definition=>"Least Recently Used — стратегия вытеснения, удаляющая наименее недавно использованные записи"}

Связь с работой backend-разработчика

Кэширование — первый инструмент, к которому стоит обращаться при оптимизации производительности. Начинайте с профилирования: найдите самые частые и тяжёлые запросы, кэшируйте их с разумным TTL.

Мини-разбор реальной ситуации

Интернет-магазин с 10 000 товарами: каждая загрузка каталога делала JOIN на 4 таблицы (300 мс). После добавления Redis-кэша с TTL 2 минуты среднее время ответа упало до 3 мс, а нагрузка на БД снизилась на 85%.

Что запомнить

Кэш = быстрое хранилище для часто запрашиваемых данных с ограниченным TTL
Всегда измеряйте hit rate — если он ниже 50%, пересмотрите стратегию
Начинайте с кэширования самых тяжёлых и частых запросов

Итог

Кэш — слой быстрого хранилища между приложением и источником данных. Правильно настроенный кэш с хорошим hit rate может ускорить приложение в десятки раз, но требует продуманной стратегии инвалидации.