Accueil › SQL & bases de données › Cache, matérialisation et lecture répartie
Cache, matérialisation et lecture répartie
Performance en productionavance
Quand la requête est déjà optimale, il reste trois leviers : garder les données en mémoire, précalculer, ou déporter les lectures.
1. Le cache de pages. Une base dont les données chaudes tiennent dans shared_buffers et dans le cache système est radicalement plus rapide. C'est le levier le moins cher : ajouter de la RAM avant d'ajouter de l'architecture.
-- Taux de présence en cache
SELECT round(100.0 * sum(heap_blks_hit) / NULLIF(sum(heap_blks_hit + heap_blks_read), 0), 2) AS taux_cache
FROM pg_statio_user_tables;
2. La matérialisation. Vue matérialisée ou table d'agrégats, rafraîchie périodiquement — traité au chapitre sur la dénormalisation.
3. Le cache applicatif. Redis ou cache local. Il évite la requête, mais pose la question difficile : quand invalider ?
@Cacheable(value = "produits", key = "#id")
public Produit trouver(Long id) { … }
@CacheEvict(value = "produits", key = "#produit.id")
public void enregistrer(Produit produit) { … }
Ce code est correct tant qu'un seul service écrit. Dès qu'un batch ou un second service modifie la table, le cache ment. Une expiration courte est souvent plus honnête qu'une invalidation qu'on croit exhaustive.
4. Le réplica en lecture absorbe les rapports et exports, au prix d'un retard : l'utilisateur peut ne pas voir sa propre écriture.
Les termes à connaître
- Cache de pages
shared_bufferscôté PostgreSQL, plus le cache du système d'exploitation. Une base dont les données chaudes tiennent en mémoire est un ordre de grandeur plus rapide.- Cache applicatif
Redis, Caffeine ou le cache de second niveau Hibernate. Il évite la requête, mais introduit la question la plus difficile : l'invalidation.
- Invalidation
Le vrai problème du cache : savoir quand la donnée en cache est devenue fausse. Par expiration (simple, approximatif) ou par événement (exact, coûteux à maintenir).
- Réplica en lecture
Une copie de la base alimentée par réplication en flux. Elle absorbe les lectures lourdes — rapports, exports — mais accuse un retard de quelques millisecondes à quelques secondes.
- Retard de réplication (*lag*)
L'écart entre le primaire et le réplica. Il produit l'effet « je viens d'enregistrer et je ne vois pas ma modification » quand la lecture part sur le réplica.
- Lecture de ses propres écritures
La garantie qu'un utilisateur voit immédiatement ce qu'il vient d'écrire. Elle impose de router ses lectures vers le primaire pendant un court délai après une écriture.
Cette page présente la partie essentielle de la leçon. Les exemples commentés, les pièges courants et les trois questions de quiz sont dans l'application.