almacenamiento en caché

Qué es

El almacenamiento en caché consiste en guardar el resultado de un
trabajo, como una respuesta HTTP, el resultado de una consulta o una
página generada, y entregarlo a solicitudes posteriores siguiendo
reglas que indican cuánto tiempo se puede confiar en él y qué lo
retira. La acción es almacenar en caché, y el resultado conservado
así está en caché; guardar dentro de un programa los valores
devueltos por una función suele llamarse memoización.

El almacén que conserva las copias es la caché. El almacenamiento en
caché es la política que la rodea, y esa política responde a tres
preguntas. ¿Cuánto tiempo está vigente una copia, es decir, se puede
servir sin consultar a nadie? Cuando deja de estar vigente, ¿cómo se
comprueba? Y cuando cambia el original, ¿qué elimina o sustituye la
copia?

HTTP responde a las tres mediante cabeceras. RFC 9111 considera
vigente una respuesta almacenada mientras su antigüedad sea inferior
a su período de vigencia, que el origen establece con la directiva
`max-age` de `Cache-Control` o con una fecha `Expires`. A partir de
ese momento, la respuesta está desactualizada y una caché
normalmente debe validarla antes de reutilizarla. Envía una
solicitud condicional con un validador que conservó, normalmente el
`ETag` de la respuesta en una cabecera `If-None-Match`, y, si no ha
cambiado nada, el origen responde 304 Not Modified sin cuerpo. La
revalidación sigue costando un viaje de ida y vuelta, pero ahorra la
transferencia y el trabajo de volver a construir el cuerpo.

```http
HTTP/1.1 200 OK
Cache-Control: max-age=3600, stale-while-revalidate=60
ETag: "v42"
```

Dentro de una aplicación, las mismas preguntas adoptan otras formas.
En cache-aside, el código consulta primero la caché y, si no
encuentra el dato, lee la base de datos y llena la caché por su
cuenta. En write-through, cada escritura actualiza la caché junto
con la base de datos, de modo que una lectura encuentra el valor
actual. La caducidad de cada entrada, su tiempo de vida o TTL,
cumple la función de `max-age`. Incluso una base de datos puede
almacenar en caché: una vista materializada de PostgreSQL guarda el
resultado de una consulta como una tabla, y ese resultado solo
cambia cuando alguien ejecuta `REFRESH MATERIALIZED VIEW`.

Por qué importa

Toda regla de almacenamiento en caché intercambia vigencia por
velocidad, y el equilibrio adecuado depende del tipo de datos. Un
logotipo puede tener un año. El precio de un producto puede tener un
minuto. Un saldo o una cantidad de asientos disponibles deben
confirmarse con la fuente antes de que alguien actúe basándose en
ellos. Lo más habitual es que el almacenamiento en caché falle
cuando se aplica una sola regla a los tres casos.

Los archivos estáticos tienen la respuesta más clara. Cuando un
proceso de compilación incorpora al nombre de cada archivo un hash
de su contenido, un archivo modificado obtiene una URL nueva, por lo
que la URL antigua se puede almacenar en caché durante un año. RFC
8246 añade la directiva `immutable`, que indica al navegador que la
respuesta seguirá siendo la misma mientras esté vigente, de modo que
incluso una recarga puede omitir la revalidación. La página HTML que
nombra esos archivos debe tener una vigencia corta o revalidarse en
cada uso; de lo contrario, los visitantes seguirán cargando los
nombres antiguos.

Es fácil confundir dos directivas. `no-cache` permite almacenar la
respuesta en caché, pero prohíbe reutilizarla sin validarla primero
con el origen; `no-store` prohíbe almacenarla por completo. Para una
página que cambia con frecuencia, `no-cache` con un `ETag` ofrece
contenido actual y sigue ahorrando la transferencia cuando nada ha
cambiado.

La invalidación es la parte difícil. RFC 9111 exige que una caché
invalide una URL cuando se complete correctamente una solicitud a
ella con un método no seguro, como `POST`, `PUT` o `DELETE`, y el
mismo apartado señala que esto solo alcanza a las cachés por las que
pasa esa solicitud. Un navegador, una CDN y una caché de aplicación
son tres lugares separados, y retirar una copia de uno deja las
otras dos intactas. Por eso, la mayoría de los sistemas confían en
la caducidad como protección final y utilizan la invalidación
explícita como forma de actualizar antes.

Los datos desactualizados también pueden ser útiles. RFC 5861 define
`stale-while-revalidate`, que permite servir una respuesta
desactualizada durante un número determinado de segundos mientras se
obtiene una vigente en segundo plano, y `stale-if-error`, que
permite seguir sirviendo una copia desactualizada cuando el origen
devuelve un error. Ambas convierten una caducidad estricta en una
flexible: el visitante recibe una respuesta de inmediato y la
actualización llega después.

Cómo se aplica en la práctica

Muchos usuarios de una plataforma son profesionales del mar y
personal de campo que trabajan en el mar, con teléfonos y a menudo
sin conexión; para ellos, el almacenamiento en caché hizo que la
aplicación web se pudiera instalar y utilizar en el mar. El service
worker se configura mediante next-pwa, y el almacenamiento en caché
durante la ejecución de Workbox sirve fuentes, imágenes, audio,
vídeo y recursos de CDN dando prioridad a la caché: desde el
dispositivo cuando hay una copia, y desde la red solo cuando no la
hay. Son archivos que permanecen iguales de una solicitud a otra y
van acompañados de cabeceras HTTP de control de caché. Como los
service workers necesitan HTTPS, la instalación y el funcionamiento
sin conexión se probaron por HTTPS en dispositivos reales. El
resultado es una aplicación que se instala, sigue funcionando sin
conexión y carga las visitas posteriores desde la caché en lugar de
la red. Una regla que da prioridad a la caché omite por completo la
comprobación de vigencia mientras exista una entrada, por lo que
encaja con archivos cuyo contenido está ligado a su dirección.

En el otro extremo de un sistema hay una base de datos PostgreSQL
que pasó a ser diez veces más rápida que contiene usuarios,
organizaciones cliente, datos geográficos y lecturas diarias de
electricidad. El almacenamiento en caché fue una medida entre
varias. Junto a índices específicos, GiST para consultas espaciales
y compuestos para filtros por organización cliente y fecha, y al
particionamiento temporal de la tabla de electricidad, algunos
resultados de consultas se conservaron como vistas materializadas y
se configuraron una caché de consultas y un pool de conexiones para
reducir la sobrecarga. Los tiempos de respuesta mejoraron 10 veces,
las operaciones críticas se ejecutaban en milisegundos y el uso de
recursos cayó un 40 %. Esas mejoras corresponden al trabajo en su
conjunto, por lo que no se ha medido por separado la aportación del
almacenamiento en caché.

Dónde surgen los problemas

Tras un despliegue, algunos visitantes siguen recibiendo la versión
antigua. La respuesta no incluía una vigencia explícita, por lo que
las cachés estimaron una. RFC 9111 permite utilizar una fracción del
tiempo transcurrido desde `Last-Modified` y menciona el 10 % como
ajuste habitual, de modo que un archivo modificado por última vez
hace un mes puede reutilizarse durante unos tres días sin consultar.
Envíe un `Cache-Control` explícito en cada respuesta, incorpore un
hash del contenido al nombre de los archivos estáticos y mantenga
una vigencia corta para el HTML que apunta a ellos.

Una purga vacía la CDN y los navegadores conservan la copia antigua.
Una purga elimina la copia de la CDN y nada más; cada navegador que
almacenó la respuesta la conserva hasta que termina su propio
período de vigencia. Dé a las respuestas públicas un `max-age` corto
para los navegadores y un `s-maxage` más largo, que solo aplican las
cachés compartidas, para que la copia que puede purgarse sea la que
más tiempo dure. Cuando una copia del navegador deba cambiar
inmediatamente, cambie la URL.

Una página que faltó por un momento sigue apareciendo como
inexistente. RFC 9110 permite almacenar un 404 en caché mediante una
estimación heurística, de modo que una caché puede conservar uno que
llegó sin información de vigencia durante el período que ella misma
calcule. Un enlace seguido un instante antes de publicar una página
puede seguir devolviendo 404 después de que la página exista. Dé a
las respuestas de error una vigencia corta explícita y purgue la URL
cuando se publique la página.

Se vuelve a escribir un valor antiguo después de una actualización.
En cache-aside, un lector no encuentra el dato en caché y lee la
fila; antes de que guarde el valor, un escritor actualiza la fila y
elimina la entrada; después, el lector guarda lo que leyó y el valor
antiguo permanece hasta que algo lo retira. Elimine la entrada
después de confirmar la transacción y dé un TTL a cada entrada para
que una invalidación afectada por una condición de carrera u omitida
termine por resolverse sola. En Redis, un `SET` simple descarta
cualquier caducidad anterior, por lo que debe establecer el TTL en
el mismo comando:

```text
SET price:42 "19.90" EX 300
```

Lecturas adicionales

  * RFC 9111, apartado 3: almacenar respuestas en cachés — cuándo se
puede almacenar una respuesta, seguido de las reglas de vigencia,
revalidación e invalidación.

  * RFC 9110, apartado 13: solicitudes condicionales — `ETag`,
`If-None-Match` y la respuesta 304 que abaratan la revalidación.

  * RFC 5861: extensiones de Cache-Control HTTP para contenido
desactualizado — las dos directivas que permiten servir
deliberadamente respuestas desactualizadas desde una caché.

  * RFC 8246: respuestas HTTP inmutables — la directiva `immutable`
para archivos cuya URL cambia con su contenido.

  * Workbox: estrategias de almacenamiento en caché — prioridad a la
caché, prioridad a la red y stale-while-revalidate en un service
worker, con código.

  * PostgreSQL: vistas materializadas — conservar el resultado de
una consulta dentro de la base de datos y actualizarlo bajo demanda.

hEsta página en la web	URL:https://engineer.company/es/glossary/caching/	engineer.company	70
