数据的移动，需要载体，DB和cache是常见的数据存储载体。
如上图：
- service-A将数据放入cache;
- service-B从cache里读取数据;
cache作为数据存储载体的好处是：
- cache的读取和写入都非常快;
- service-A和service-B物理上解耦;
那么问题来了：
- 你遇到过这种“服务之间通过缓存传递数据”的架构设计么?
- 这种架构设计好还是不好，为什么?
关于这种架构设计方案，分享下个人的观点。
楼主支持这种架构设计么?
先说结论，楼主旗帜鲜明的反对“服务之间通过缓存传递数据”。
为什么反对呢?
核心理由有3点。
第一点：数据管道场景，MQ比cache更加适合。
如果只是单纯的将cache作为两个服务数据通讯的管道，service-A生产数据，service-B(当然，可能有service-C/service-D等)订阅数据，MQ比cache更加合适：
(1)MQ是互联网常见的逻辑解耦，物理解耦组件，支持1对1，1对多各种模式，非常成熟的数据通道;
(2)而cache反而会将service-A/B/C/D耦合在一起，大家要彼此协同约定key的格式，ip地址等;
(3)MQ能够支持push，而cache只能拉取，不实时，有时延;
(4)MQ天然支持集群，支持高可用，而cache未必;
(5)MQ能支持数据落地，cache具备将数据存在内存里，具有“易失”性，当然，有些cache支持落地，但互联网技术选型的原则是，让专业的软件干专业的事情：nginx做反向代理，db做固化，cache做缓存，mq做通道;
综上，数据管道场景，MQ比cache更加适合。
第二点：数据共管场景，两个(多个)service同时读写一个cache实例会导致耦合。
如果不是数据管道，是两个(多个)service对一个cache进行数据共管，同时读写，也是不推荐的，这些service会因为这个cache耦合在一起：
(1)大家要彼此协同约定key的格式，ip地址等，耦合;
(2)约定好同一个key，可能会产生数据覆盖，导致数据不一致;
(3)不同服务业务模式，数据量，并发量不一样，会因为一个cache相互影响，例如service-A数据量大，占用了cache的绝大部分内存，会导致service-B的热数据全部被挤出cache，导致cache失效;又例如service-A并发量高，占用了cache的绝大部分连接，会导致service-B拿不到cache的连接，从而服务异常;
综上，数据共管场景，多个service耦合在一个cache实例里，也是不推荐的，需要垂直拆分，实例解耦。
第三点：数据访问场景，两个(多个)service有读写一份数据的需求。
根据服务化的原则，数据是私有的(本质也是解耦)：
(1)service层会向数据的需求方屏蔽下层存储引擎，分库，chace的复杂性;
(2)任何需求方不能绕过service读写其后端的数据;
假设有其他service要有数据获取的需求，应该通过service提供的RPC接口来访问，而不是直接读写后端的数据，无论是cache还是db。
综上所述
- 数据管道场景，MQ比cache更合适;
- 多个服务不应该公用一个cache实例，应该垂直拆分解耦;
- 服务化架构，不应该绕过service读取其后端的cache/db，而应该通过RPC接口访问;
【本文为51CTO专栏作者“58沈剑”原创稿件，转载请联系原作者】
