roadwave/docs/adr/023-solution-cache.md

ADR-023 : Solution de Cache

Statut : Accepté Date : 2026-01-31

Contexte

L'application nécessite un système de cache performant pour plusieurs cas d'usage critiques :

• Cache de géolocalisation : Requêtes de proximité géographique intensives (contenus à moins de X mètres)
• Sessions utilisateurs : Stockage temporaire des tokens JWT et contexte utilisateur
• Données de référence : Métadonnées des contenus audio fréquemment consultés
• Compteurs en temps réel : Nombre d'écoutes, statistiques d'engagement
• Rate limiting : Protection contre les abus API

Les contraintes de performance sont strictes :

• Latence p99 < 5ms pour les requêtes de cache
• Support de 100K+ requêtes/seconde en lecture
• Persistance optionnelle (données non critiques)
• Clustering pour haute disponibilité

Décision

Redis 7+ en mode Cluster sera utilisé comme solution de cache principale.

Configuration :

• Mode Cluster avec 3 nœuds minimum (haute disponibilité)
• Persistence RDB désactivée pour les caches chauds (performance maximale)
• AOF activé uniquement pour les sessions utilisateurs (durabilité)
• Éviction allkeys-lru sur les caches non-critiques

Alternatives considérées

Critère	Redis	Memcached	KeyDB	Valkey
Géospatial natif	✅ GEORADIUS	❌	✅	✅
Structures de données	✅ Sets, Hashes, Sorted Sets	❌ Clé-valeur simple	✅	✅
Clustering	✅ Redis Cluster	✅ Client-side	✅	✅
Pub/Sub	✅	❌	✅	✅
Écosystème Go	✅ go-redis/redis	⚠️ Limité	✅ Compatible	✅ Compatible
Maturité	✅ Très mature	✅ Mature	⚠️ Fork récent	⚠️ Fork très récent
License	⚠️ RSALv2 / SSPLv1	✅ BSD	✅ BSD	✅ BSD

Memcached : Écarté pour l'absence de fonctionnalités géospatiales natives et de structures de données avancées (pas de sets, hashes).

KeyDB : Fork multi-thread de Redis compatible API. Écarté par manque de maturité relative et d'écosystème comparé à Redis (moins de contributions, documentation).

Valkey : Fork Linux Foundation de Redis (2024). Trop récent pour production, écosystème en construction. À réévaluer en 2026.

Justification

Fonctionnalités géospatiales natives

Redis fournit des commandes géospatiales optimisées critiques pour RoadWave :

• GEOADD : Indexation de contenus géolocalisés
• GEORADIUS : Recherche par rayon (ex: contenus à moins de 5km)
• GEODIST : Calcul de distance entre deux points

Ces commandes permettent de servir les requêtes de proximité directement depuis le cache sans solliciter PostgreSQL/PostGIS, réduisant la latence de 50-80ms à <5ms.

Structures de données riches

• Hashes : Métadonnées de contenus (titre, durée, URL HLS) → accès partiel efficace
• Sets : Listes de contenus par catégorie, gestion de favoris
• Sorted Sets : Classement par popularité, top écoutes hebdomadaires
• Strings avec TTL : Sessions utilisateurs avec expiration automatique

Performance et scalabilité

• Débit : 100K+ ops/sec par nœud en lecture (benchmark Redis Labs)
• Latence : p99 < 1ms pour GET/SET simple
• Clustering : Partitionnement automatique des données sur 16384 hash slots
• Réplication : Read replicas pour scaling horizontal en lecture

Écosystème Go

Librairie go-redis/redis (13K+ stars GitHub) :

• Support complet Redis Cluster
• Pipeline et transactions
• Context-aware (intégration Go idiomatique)
• Pooling de connexions automatique

Pub/Sub pour temps réel

Support natif de messaging publish/subscribe pour :

• Notifications push (invalidation de cache)
• Événements temps réel (nouveau contenu géolocalisé)
• Coordination entre instances API (scaling horizontal)

Conséquences

Positives

• Cache géospatial : Réduction de charge PostgreSQL de ~70% sur requêtes de proximité
• Latence : p99 < 5ms pour requêtes de contenu en cache (vs ~50ms PostgreSQL)
• Scaling horizontal : Ajout de nœuds Redis transparent pour l'application
• Polyvalence : Un seul système pour cache, sessions, rate limiting, pub/sub

Négatives

• Complexité opérationnelle : Cluster Redis nécessite monitoring (slots, rebalancing)
• Persistance limitée : RDB/AOF moins fiable que PostgreSQL → pas pour données critiques
• Consommation mémoire : Structures riches = overhead vs Memcached (~20% de RAM en plus)

Stratégie de cache

TTL par type de donnée :

• Métadonnées de contenu : 15 minutes (mise à jour rare)
• Résultats géolocalisés : 5 minutes (contenus statiques géographiquement)
• Sessions utilisateurs : 24 heures (renouvellement automatique)
• Rate limiting : 1 minute (fenêtre glissante)

Invalidation :

• Publication de contenu → DEL métadonnées + publication Pub/Sub
• Modification géolocalisation → GEOREM puis GEOADD
• Logout utilisateur → DEL session

Configuration production

Cluster 3 nœuds (minimum haute disponibilité) :

• 1 master + 2 replicas
• Répartition sur 3 zones de disponibilité (anti-affinité)
• cluster-require-full-coverage no → lecture dégradée si nœud down

Mémoire :

• maxmemory 2gb par nœud (ajustable selon charge)
• maxmemory-policy allkeys-lru → éviction automatique anciennes clés

Persistance :

• RDB désactivé (save "") pour caches chauds
• AOF appendonly yes uniquement pour sessions (nœud dédié optionnel)

Monitoring

Métriques critiques à suivre :

• Taux de hit/miss par namespace (target >95% hit rate)
• Latence p99 par commande (alerter si >10ms)
• Fragmentation mémoire (rebalance si >1.5)
• Slots distribution dans le cluster

Références

• Redis Geospatial Documentation
• go-redis/redis
• ADR-005 : Base de Données (architecture cache + PostgreSQL)