Quando as leituras começam a doer, duas respostas aparecem ao mesmo tempo: adicionar uma réplica de leitura ou colocar um cache na frente. Parecem a mesma correção (menos carga no primário) e resolvem problemas genuinamente diferentes.
O que uma réplica realmente oferece
Uma réplica de leitura multiplica o número de queries que o sistema consegue atender. Mesmo mecanismo, mesmo esquema, mesmo planejador de consultas, mesmos índices: tudo que o primário sabia responder, a réplica também sabe. Isso a torna a ferramenta certa quando o problema é volume: muitas queries, cada uma delas sem problema isoladamente.
O que ela não faz é tornar barata uma query cara. Um relatório que leva quatro segundos pelo trabalho que faz leva quatro segundos na réplica também. Adicionar réplicas para corrigir essa latência compra a capacidade de rodar mais queries lentas ao mesmo tempo, o que raramente é o que alguém queria.
E ela vem com atraso de replicação (replication lag): uma leitura atendida por uma réplica pode estar milissegundos ou segundos atrás da escrita que acabou de acontecer. Para um feed, tudo bem. Para a tela que o usuário vê logo depois de salvar um formulário, não: é o caso de read-after-write, e em geral essa leitura precisa ir ao primário.
O que um cache realmente oferece
Um cache elimina a query. Em um hit essa query nem chega ao banco, e a latência é o que o cache custa, em geral muito menor que a da query que ele substituiu. Isso o torna a ferramenta certa quando o problema é o custo por leitura: um cálculo caro cujo resultado muita gente quer.
O preço são dois problemas que o banco não tinha. O primeiro é a invalidação: alguma coisa precisa decidir quando a resposta guardada deixou de ser verdadeira, e essa decisão costuma morar no código da aplicação, onde é fácil errar em silêncio. O segundo é o que acontece em um miss: um cache com hit rate alto permite dimensionar o que está atrás dele só para os misses, e isso vira um modo de falha próprio no dia em que o hit rate cai.
- Muitas queries baratas, tráfego crescendo → réplica. O trabalho está bom; só existe mais dele do que uma máquina consegue atender.
- Um resultado caro, muitos leitores que podem compartilhá-lo → cache. Fazer uma vez vale mais que fazer mais rápido.
- Precisa refletir a escrita que acabou de acontecer → nenhum dos dois, por padrão. Essa leitura vai ao primário, ou a uma réplica que se sabe ter aplicado a escrita.
- Query cara E volume alto → os dois, cache primeiro: faça cache do resultado e adicione uma réplica se os misses ainda sobrecarregarem o primário.
A armadilha do meio
O erro comum é recorrer a um cache porque a query é lenta, sem perguntar por que ela é lenta. Adicionar o índice que falta pode transformar uma query de 400 ms em uma de 4 ms, ao custo de algum armazenamento e um pouco de trabalho extra a cada escrita. Um cache na frente dessa mesma query custa uma estratégia de invalidação, uma conta de memória, um novo modo de falha e um bug de dado desatualizado seis meses depois, e ainda deixa a query lenta no lugar para cada miss.
Vendo isso em um diagrama
O bom de decidir isso em um canvas é que as duas arquiteturas candidatas podem existir lado a lado e rodar contra a mesma carga. Desenhe a versão com réplica, desenhe a versão com cache e compare onde cada uma satura. Vale rodar o preset Cache frio na versão com cache, porque ele responde à pergunta que o hit rate esconde: o que a origem recebe quando o cache contribui muito menos do que no caminho feliz.