Cache-through: a solution for distributed data storage systems aimed at read-intensive workloads

In large-scale modern applications, users consume much more data than they create. This behavior results in data storage systems with workloads dominated by reads. Faced with this scenario, designers have adopted solutions such as primary copy replication and cache mechanisms. These solutions employ distributed data storage systems, which face major challenges to ensure data consistency. Currently, the literature lacks a formal and in-depth analysis of the consistency provided by these solutions and which problems arise from their use. This work presents a formal analysis that identifies the consistency problems presented by current solutions and introduces Cache-Through, a new solution capable of addressing such problems. The analysis of current solutions demonstrates that various consistency anomalies can happen. The design of Cache-Through is presented in detail and its consistency is formally demonstrated. The comparison between the solutions shows that Cache-Through is more consistent and more efficient in network usage than current solutions. The contributions made by this work allow designers to identify more precisely the consistency of their systems and provide them with a new solution to consider.Em aplicações modernas de larga escala, usuários consomem mais dados do que produzem. Este comportamento resulta em sistemas de armazenamento de dados com cargas de trabalho dominadas por leituras. Deparados com este cenário, projetistas tem adotado modelos de replicação com cópia primária e mecanismos de cache como soluções. Estas soluções empregam sistemas de armazenamento de dados que enfrentam grandes desafios para garantir a consistência dos dados. Atualmente, a literatura carece de uma análise formal da consistência provida por estas soluções e de quais problemas decorrem do uso das mesmas. Este trabalho apresenta uma análise formal que identifica os problemas de consistência exibidos pelas soluções em uso na atualidade e introduz o Cache Transparente, uma nova solução baseada em mecanismos de cache capaz de endereçar tais problemas. A análise das soluções demonstra que as mesmas permitem diversas anomalias de consistência. O projeto do Cache Transparente é apresentado em detalhes e sua consistência é formalmente demonstrada. A comparação entre as soluções mostra que o Cache Transparente é mais consistente e mais eficiente no uso de rede do que as soluções atuais. As contribuições feitas por esse trabalho possibilitam que projetistas identifiquem de forma mais precisa a consistência dos seus sistemas e os fornece uma nova solução a ser considerada