[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-cache::ru":3,"gloss-cluster-cache::ru":20,"gloss-next-cache::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"cache","data-infra","Кэш (Cache)","Кэш — это слой хранения, обычно в оперативной памяти, который хранит временную копию данных или вычисленного результата, чтобы будущий запрос на то же самое обслуживался почти мгновенно вместо повторения дорогого запроса к базе данных, вызова API или вычисления. Кэширование — одна из старейших и наиболее универсально применимых техник повышения производительности в разработке ПО, и она приобретает особую важность именно в AI-продуктах, потому что вызовы API LLM одновременно медленные (от сотен миллисекунд до нескольких секунд) и тарифицируются по токенам (каждый избежанный вызов — это прямая экономия денег, а не только выигрыш в задержке). Почему это важно для разработчиков AI\u002FSaaS: наивная AI-функция вызывает API модели при каждом запросе, даже когда многие запросы почти идентичны (один и тот же вопрос из FAQ, заданный разными пользователями, одно и то же описание товара, генерируемое повторно, один и тот же эмбеддинг, вычисляемый дважды для неизменившегося текста). Кэширование этих ответов может на порядок сократить и задержку, и расходы на API для функций с любым паттерном повторяющихся запросов, и это часто самая рентабельная работа на полдня инженерного времени, доступная в статье расходов AI-продукта. Как это работает: самый распространённый паттерн — cache-aside («ленивая загрузка») — при запросе сначала проверяется кэш; при попадании результат возвращается немедленно; при промахе выполняется дорогая работа, результат сохраняется в кэш со временем жизни (TTL), затем возвращается. Инвалидация кэша — понимание того, когда закэшированное значение устарело и должно быть обновлено, — по-настоящему сложная часть (знаменито считается одной из «двух сложных вещей в информатике»), обычно решаемая либо через TTL (принять некоторую устарелость ради простоты), либо через явную инвалидацию (сбрасывать ключ кэша при изменении исходных данных, например срабатывает вебхук и удаляет `cache:product:123` при обновлении товара). Кэшам также нужна политика вытеснения на случай заполнения — LRU (Least Recently Used, «дольше всего не использовавшийся») самая распространённая, отбрасывающая то, к чему дольше всего не обращались, чтобы освободить место для новых записей. Redis и Memcached — доминирующие отдельные хранилища кэша; CDN (Cloudflare, Fastly) кэшируют на уровне HTTP для статического и полустатического контента. Практический пример: AI SEO-инструмент генерирует мета-описания для URL по запросу. Поскольку один и тот же популярный URL (например, известный пост в блоге конкурента) анализируется многими разными пользователями, бэкенд кэширует сгенерированный LLM вывод, используя ключ на основе хэша URL + версии промпта: `SETEX cache:meta:{url_hash}:{prompt_v3} 86400 \"\u003Cсгенерированное описание>\"`. Первый пользователь, анализирующий данный URL, вызывает реальный запрос к LLM (~1.5 с, $0.002); следующая тысяча пользователей, запрашивающих тот же URL в тот же день, получают закэшированный ответ менее чем за 5 мс без предельных затрат — а повышение `prompt_v3` до `prompt_v4` в ключе кэша автоматически инвалидирует старые закэшированные результаты после изменения промпта, без необходимости ручной очистки кэша.","Кэш — это слой быстрого доступа, хранящий копию часто или недавно используемых данных, чтобы избежать повторения дорогих вычислений или запросов.",null,[11,14,17],{"slug":12,"name":13},"message-queue","Очередь сообщений (Message Queue)",{"slug":15,"name":16},"rate-limiting","Ограничение частоты запросов (Rate Limiting)",{"slug":18,"name":19},"redis","Redis",[21,25,28,31,34,38,41,44,47,51,54,57],{"slug":22,"category":5,"name":23,"updated_at":24},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":26,"category":5,"name":27,"updated_at":24},"ann-search","ANN-поиск (приближённый поиск ближайших соседей)",{"slug":29,"category":5,"name":30,"updated_at":24},"backpressure","Обратное давление (backpressure)",{"slug":32,"category":5,"name":33,"updated_at":24},"batch-processing","Пакетная обработка (Batch Processing)",{"slug":35,"category":5,"name":36,"updated_at":37},"bm25","BM25","2026-08-24T02:46:38+00:00",{"slug":39,"category":5,"name":40,"updated_at":24},"cap-theorem","Теорема CAP (CAP theorem)",{"slug":42,"category":5,"name":43,"updated_at":24},"change-data-capture","Захват изменений данных (CDC)",{"slug":45,"category":5,"name":46,"updated_at":24},"chroma","Chroma",{"slug":48,"category":5,"name":49,"updated_at":50},"chunk-overlap","Перекрытие фрагментов","2026-08-24T03:30:02+00:00",{"slug":52,"category":5,"name":53,"updated_at":24},"columnar-storage","Колоночное хранение",{"slug":55,"category":5,"name":56,"updated_at":24},"connection-pooling","Пулинг соединений (Connection Pooling)",{"slug":58,"category":5,"name":59,"updated_at":24},"cosine-similarity","Косинусное сходство (Cosine Similarity)"]