Cachex中fetch/4与get_and_update/4的原子性对比与使用场景
2025-07-10 11:38:49作者:段琳惟
cachex
A powerful caching library for Elixir with support for transactions, fallbacks and expirations
Cachex作为Elixir生态中广泛使用的缓存库,提供了多种数据操作方式。其中fetch/4和get_and_update/4是两个功能相似但实现机制不同的函数,理解它们的差异对正确使用Cachex至关重要。
原子性概念解析
在分布式系统中,原子性指的是一个操作要么完全执行,要么完全不执行,不会出现部分执行的情况。对于缓存操作而言,原子性还意味着在操作执行期间,相关数据不会被其他进程修改。
get_and_update/4的原子性保证
get_and_update/4函数提供了完整的原子性保证。当调用这个函数时:
- 会对整个缓存表加锁
- 确保在执行期间没有其他进程可以修改目标键值
- 适用于需要严格保证数据一致性的场景
这种实现方式的代价是性能开销较大,特别是在处理耗时操作时,会阻塞整个缓存表的其他操作。
fetch/4的非原子性实现
相比之下,fetch/4函数采用了不同的实现策略:
- 不会锁定整个缓存表
- 允许其他进程在操作执行期间读写缓存
- 但对同一键的并发fetch操作有特殊处理
fetch/4的核心优势在于它实现了"单次计算保证"——对于同一个键,即使有多个并发fetch调用,也只会执行一次回调函数,其他调用会等待并使用第一个调用的结果。
使用场景对比
适合使用get_and_update/4的情况
- 需要严格保证数据一致性的场景
- 操作本身执行速度很快
- 需要防止其他进程在操作期间修改数据
适合使用fetch/4的情况
- 回调函数执行耗时较长
- 可以接受最终一致性
- 需要避免重复计算的高开销操作
- 系统对吞吐量要求较高
实际应用建议
对于大多数需要"计算一次"的场景,fetch/4是更好的选择,因为它:
- 避免了重复计算
- 不会阻塞整个缓存
- 提供了足够的一致性保证
只有在确实需要严格原子性保证时,才应考虑使用get_and_update/4,并注意其性能影响。
性能考量
在分布式环境中,fetch/4的性能优势更加明显:
- 不会造成集群范围的锁争用
- 允许其他缓存操作并行执行
- 特别适合处理耗时操作(如网络请求、复杂计算)
理解这两种操作的区别,可以帮助开发者根据具体场景做出更合适的选择,在保证功能正确性的同时获得最佳性能。
cachex
A powerful caching library for Elixir with support for transactions, fallbacks and expirations
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
677
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
205
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781