Wenn Lesezugriffe wehtun, kommen zwei Antworten gleichzeitig: eine Read Replica hinzufügen oder einen Cache davorsetzen. Sie sehen nach demselben Fix aus – weniger Last auf dem Primary –, und sie lösen tatsächlich verschiedene Probleme.
Was eine Replica wirklich bringt
Eine Read Replica vervielfacht die Zahl der Queries, die das System bedienen kann. Gleiche Engine, gleiches Schema, gleicher Query Planner, gleiche Indizes: Was der Primary beantworten kann, kann auch die Replica beantworten. Damit ist sie das richtige Werkzeug, wenn das Problem das Volumen ist – viele Queries, die einzeln völlig in Ordnung sind.
Eine teure Query macht sie dagegen nicht billig. Ein Report, der vier Sekunden braucht, weil er so viel Arbeit leistet, braucht auch auf der Replica vier Sekunden. Wer diese Latenz mit mehr Replicas beheben will, kauft sich die Fähigkeit, mehr langsame Queries gleichzeitig auszuführen – selten das, was jemand wollte.
Und sie bringt Replikationsverzögerung (Replication Lag) mit: Ein Lesezugriff, den eine Replica bedient, kann Millisekunden oder Sekunden hinter dem Schreibvorgang liegen, der gerade passiert ist. Für einen Feed ist das okay. Für den Bildschirm, den ein Nutzer direkt nach dem Speichern eines Formulars sieht, nicht – das ist der Read-after-Write-Fall, und er muss meist an den Primary gehen.
Was ein Cache wirklich bringt
Ein Cache entfernt die Query. Bei einem Hit erreicht diese Query die Datenbank nie, und die Latenz ist das, was der Cache kostet – meist weit weniger als die Query, die er ersetzt hat. Damit ist er das richtige Werkzeug, wenn das Problem die Kosten pro Lesezugriff sind: eine teure Berechnung, deren Ergebnis viele Aufrufer wollen.
Der Preis sind zwei Probleme, die die Datenbank nicht hatte. Das erste ist die Invalidierung: Irgendetwas muss entscheiden, wann die gespeicherte Antwort nicht mehr stimmt, und diese Entscheidung sitzt meist im Anwendungscode, wo man sich leicht unbemerkt irrt. Das zweite ist, was bei einem Miss passiert – ein Cache mit hoher Hit Rate lässt zu, dass das System dahinter nur für die Misses dimensioniert wird, und das ist an dem Tag, an dem die Hit Rate fällt, ein eigener Fehlermodus.
- Viele billige Queries, wachsender Traffic → Replica. Die Arbeit ist in Ordnung; es ist nur mehr davon, als eine Maschine bedienen kann.
- Ein teures Ergebnis, viele Leser, die es sich teilen können → Cache. Es einmal zu tun schlägt, es schneller zu tun.
- Muss den gerade erfolgten Schreibvorgang widerspiegeln → standardmäßig keines von beiden. Dieser Lesezugriff geht an den Primary oder an eine Replica, von der bekannt ist, dass sie den Schreibvorgang übernommen hat.
- Teure Query UND hohes Volumen → beides, zuerst der Cache: das Ergebnis cachen und eine Replica ergänzen, wenn die Misses den Primary immer noch überlasten.
Die Falle in der Mitte
Der häufige Fehler ist, zum Cache zu greifen, weil die Query langsam ist, ohne zu fragen, warum sie langsam ist. Der fehlende Index kann aus einer Query mit 400 ms eine mit 4 ms machen, für etwas Speicher und ein wenig Mehrarbeit bei jedem Schreibvorgang. Ein Cache vor derselben Query kostet eine Invalidierungsstrategie, eine Speicherrechnung, einen neuen Fehlermodus und sechs Monate später einen Bug mit veralteten Daten – und die langsame Query bleibt bei jedem Miss bestehen.
Im Diagramm beobachten
Das Nützliche daran, das auf einem Canvas zu entscheiden, ist, dass beide Kandidaten-Designs nebeneinander existieren und gegen dieselbe Last laufen können. Zeichne die Replica-Variante, zeichne die Cache-Variante und vergleiche, wo jede an ihre Grenze stößt. Das Preset Kalter Cache lohnt sich gerade beim Design mit Cache, weil es die Frage beantwortet, die die Hit Rate versteckt: was beim Origin ankommt, wenn der Cache viel weniger beiträgt als im Idealfall.