1.7 KiB
1.7 KiB
title, created, updated, type, tags, confidence, contested, sources
| title | created | updated | type | tags | confidence | contested | sources | ||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Cache | 2026-06-06 | 2026-06-06 | concept |
|
high | false |
|
⚡ Cache
Définition Courte
Stockage temporaire de données coûteuses à recalculer ou à récupérer, pour servir les requêtes suivantes beaucoup plus vite.
Explication Détaillée
Couches de cache (de la plus proche au plus loin) :
- CPU Cache (L1, L2, L3) : nanosecondes.
- RAM Cache (Redis, Memcached) : microsecondes.
- Disk Cache (SSD) : millisecondes.
- CDN Edge (Cloudflare, Fastly) : dizaine de ms.
- HTTP Cache (browser) : réutilisé localement.
Patterns :
- Cache-Aside : l'app lit le cache, sinon lit la source et remplit.
- Read-Through : le cache est transparent, lit la source si besoin.
- Write-Through : l'écriture passe par le cache puis la source.
- Write-Behind : écriture async (risque de perte).
- Cache Stampede Prevention : éviter que 1000 requêtes régénèrent la même clé en parallèle.
Invalidation : le plus dur en cache. TTL, événement-based, ou manuelle.
Cas d'Usage
- Sessions utilisateurs (Redis).
- Réponses API coûteuses (résultats LLM, RAG).
- Assets statiques (images, JS via CDN).
- Requêtes DB lourdes.
- Résultats de pagination.
Outils Liés
- Redis, Memcached, KeyDB (in-memory).
- Varnish, NGINX (HTTP cache).
- Cloudflare, Fastly (CDN).
- Stale-While-Revalidate (SWR).
Pages Liées
Questions Ouvertes
- Le cache L1/L2 de CPU est-il encore pertinent à optimiser en 2025 ?
- Comment gérer le cache distribué sans point unique de défaillance ?