前言

在实际的项目开发中，为了提高响应的速度，通常都会将热点的数据保存到缓存中，减少数据库的查询，有效提高服务端的响应速度，但是添加缓存之后也引入缓存与数据库的一致性问题，本文将详细的讲解如何保证数据库与缓存的一致性。

缓存使用策略

在使用缓存时，通常的缓存册率有如下几种：

• Cache-Aside Pattern(旁路缓存，业务系统常用)
• Read-Through Pattern
• Write-Through Pattern
• Write-Behind Pattern

Cache-Aside Pattern(旁路缓存模式)

Cache-Aside Pattern 简称旁路缓存模式，读取缓存、读取数据库和更新缓存的操作都是在应用系统中完成，也是业务系统最常用的缓存策略。然而旁路路由策略又分为读缓存和写缓存。

读缓存

说明：

• 应用程序需要从数据库读取数据时，先检查缓存数据是否命中。
• 如果缓存未命中，则查询数据库获取数据，同时将数据写到缓存中，以便后续读取相同数据会命中缓存，最后再把数据返回给调用者。
• 如果缓存命中，直接返回调用者。

写缓存

写缓存的流程就比较简单，先更新数据库中的数据，然后删除旧的缓存即可。

Cache-Aside Pattern 一致性问题场景分析

实际的项目中运用最多的为Cache-Aside Pattern(旁路缓存)模式，在此策略下客户端先读取缓存，如果命中则返回，如果没有命中，则查询数据库并发数据写入缓存，由于数据库和缓存都需要进行修改，在高并发的场景下，可能会导致数据不一致，针对数据不一致的场景，提供了四种更新方案具体如下：

• 先更新缓存，再更新数据库。
• 先更新数据库，再更新缓存。
• 先删除缓存，再更新数据库。
• 先更新数据库，再删除缓存。

接下来具体来讲解四种方案的，以及四种方案存在的问题。

先更新缓存，再更新数据库。

流程说明： 线程1：先更新缓存成功,但是网络原因写数据库失败，就会导致缓存是最新数据，而数据库的数据为旧数据，那缓存就是脏数据， 线程2：读取缓存中数据，而这个数据数据库中却不存在，数据库都不存在的数据，缓存并返回客户端就毫无意义了。

此方案在实际生产中不建议采用。

先更新数据库，再更新缓存。

流程说明：

• 线程1先更新数据库成功，但是由于网络卡顿更新缓存失败，从而导致缓存中的数据为旧数据
• 线程2从缓存中读取数据，缓存中的数据为旧数，从而导致数据库与缓存数据不一致。

此方案在实际生产中不建议采用。

先删除缓存，再更新数据库。

流程说明：

• 线程1，先删除缓存成功，但是由于网络卡顿原因，更新数据库异常。
• 线程2，读取缓存由于缓存数据为空，则会查询数据库中的数据，查询成功并写入缓存，从而导致数据不一致。

此方案在实际生产中不建议采用。

先更新数据库，再删除缓存。

流程说明：

• 线程1写入数据库成功，由于网络卡顿原因，导致删除缓存数据失败
• 线程2读取数据，读取为缓存中的数据，但是当网络恢复正常后，缓存中的数据会被删除，所以可能会存在短暂的数据不一致。

虽然存在短暂的数据不一致，但是在旁路缓存策略的时候，对于写的操作：先更新数据库，再删除缓存。

数据库和缓存一致性解决方案

缓存延迟双删

缓存延迟双删针对第三种场景的优化，具体的流程如下：

说明：先删除缓存，在更新数据库，确保数据库事务提交成功，然后休眠一段时间在删除缓存。我们都知道第三种情况是因为网络卡顿导致数据库更新失败，当网络恢复正常后，我们在执行更新数据库操作，然后再删除缓存，那么出现数据不一致的情况也就是在休眠的这短暂的时间内。

删除缓存失败如何处理

删除缓存重试机制

需要删除失败的key存入消息队列中，采用异步的方式来进行删除，如果删除失败的次数已经超过了最大次数，发送警告邮件，需要人工介入解决。

总结

本文对于数据库和缓存的一致性进行详细的讲解，由于数据库和缓存一致性的场景比较复杂，每种方案都无法保证绝对的一致性，根据CAP理论我们知道缓存系统使用场景为非强一致性的场景，符合CAP中的AP，如有疑问请及时反馈。