如何保证缓存和数据库的一致性？(代码片段)

关键词：

文章目录

• • 1. 问题分析
  • 2. Cache-Aside
  • • 2.1 读缓存
    • 2.2 写缓存
    • 2.3 延迟双删
    • 2.4 如何确保原子性
  • 3. Read-Through/Write-Through
  • • 3.1 Read-Through
    • 3.2 Write-Through
  • 4. Write Behind

很多小伙伴在面试的时候，应该都遇到过类似的问题，如何确保缓存和数据库的一致性？

如果你对这个问题有过研究，应该可以发现这个问题其实很好回答，如果第一次听到或者第一次遇到这个问题，估计会有点懵，今天我们来聊聊这个话题。

1. 问题分析

首先我们来看看为什么会有这个问题！

我们在日常开发中，为了提高数据响应速度，可能会将一些热点数据保存在缓存中，这样就不用每次都去数据库中查询了，可以有效提高服务端的响应速度，那么目前我们最常使用的缓存就是 Redis 了。

用 Redis 做缓存，并不是一说缓存就是 Redis，还是要结合业务的具体情况，我们可以根据不同业务对数据要求的实时性不同，将数据分为三级，以电商项目为例：

• 第 1 级：订单数据和支付流水数据：这两块数据对实时性和精确性要求很高，所以一般是不需要添加缓存的，直接操作数据库即可。
• 第 2 级：用户相关数据：这些数据和用户相关，具有读多写少的特征，所以我们使用 redis 进行缓存。
• 第 3 级：支付配置信息：这些数据和用户无关，具有数据量小，频繁读，几乎不修改的特征，所以我们使用本地内存进行缓存。

选中合适的数据存入 Redis 之后，接下来，每当要读取数据的时候，就先去 Redis 中看看有没有，如果有就直接返回；如果没有，则去数据库中读取，并且将从数据库中读取到的数据缓存到 Redis 中，大致上就是这样一个流程，读取数据的这个流程实际上是比较清晰也比较简单的，没啥好说的。

然而，当数据存入缓存之后，如果需要更新的话，往往会来带另外的问题：

1. 当有数据需要更新的时候，先更新缓存还是先更新数据库？如何确保更新缓存和更新数据库这两个操作的原子性？
2. 更新缓存的时候该怎么更新？修改还是删除？

怎么办？正常来说，我们有四种方案：

1. 先更新缓存，再更新数据库。
2. 先更新数据库，再更新缓存。
3. 先淘汰缓存，再更新数据库。
4. 先更新数据库，再淘汰缓存。

到底使用哪种？

在回答这个问题之前，我们不妨先来看看三个经典的缓存模式：

1. Cache-Aside
2. Read-Through/Write through
3. Write Behind

2. Cache-Aside

Cache-Aside，中文也叫旁路缓存模式，如果我们能够在项目中采用 Cache-Aside，那么就能够尽可能的解决缓存与数据库数据不一致的问题，注意是尽可能的解决，并无法做到绝对解决。

Cache-Aside 又分为读缓存和写缓存两种情况，我们分别来看。

2.1 读缓存

先来看一张流程图：

它的流程是这样：

1. 读取数据。
2. 检查缓存中是否有需要的数据，如果命中缓存（Cache Hit），则直接返回数据。
3. 如果没有命中缓存，即 Cache Miss，那么就先去访问数据库。
4. 将从数据库中读取到的数据设置到缓存中。
5. 返回数据。

这是 Cache-Aside 的读缓存流程。

其实对于读缓存的流程而言，大家一般都没什么异议，有异议的主要是写流程，我们继续来看。

2.2 写缓存

先来看一张流程图：

这个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。

流程虽然简单，但是却引伸出来两个问题：

1. 为什么是删除旧缓存而不是更新旧缓存？
2. 为什么不先删除旧的缓存，然后再更新数据库？

我们来分别回答这两个问题。

为什么是删除旧缓存而不是更新旧缓存？

1. 更新缓存，说着容易做起来并不容易。很多时候我们更新缓存并不是简简单单更新一个 Bean。很多时候，我们缓存的都是一些复杂操作或者计算（例如大量联表操作、一些分组计算）的结果，如果不加缓存，不但无法满足高并发量，同时也会给 MySQL 数据库带来巨大的负担。那么对于这样的缓存，更新起来实际上并不容易，此时选择删除缓存效果会更好一些。
2. 对于一些写频繁的应用，如果按照更新缓存->更新数据库的模式来，比较浪费性能，因为首先写缓存很麻烦，其次每次都要写缓存，但是可能写了十次，只读了一次，读的时候读到的缓存数据是第十次的，前面九次写缓存都是无效的，对于这种情况不如采取先写数据库再删除缓存的策略。
3. 在多线程环境下，这样的更新策略还有可能会导致数据逻辑错误，来看如下一张流程图：

可以看到，有两个并发的线程 A 和 B：

• 首先 A 线程更新了数据库。
• 接下来 B 线程更新了数据库。
• 由于网络等原因，B 线程先更新了缓存。
• A 线程更新了缓存。

那么此时，缓存中保存的数据就是不正确的，而如果采用了删除缓存的方式，就不会发生这种问题了。

为什么不先删除旧的缓存，然后再更新数据库？

这个也是考虑到并发请求，假设我们先删除旧的缓存，然后再更新数据库，那么就有可能出现如下这种情况：

这个操作是这样的，有两个线程，A 和 B，其中 A 写数据，B 读数据，具体流程如下：

1. A 线程首先删除缓存。
2. B 线程读取缓存，发现缓存中没有数据。
3. B 线程读取数据库。
4. B 线程将从数据库中读取到的数据写入缓存。
5. A 线程更新数据库。

一套操作下来，我们发现数据库和缓存中的数据不一致了！所以，在 Cache-Aside 中是先更新数据库，再删除缓存。

2.3 延迟双删

其实无论是先更新数据库再删除缓存，还是先删除缓存再更新数据库，在并发环境下都有可能存在问题：

假设有 A、B 两个并发请求：

• 先更新数据库再删除缓存：当请求 A 更新数据库之后，还未来得及进行缓存清除，此时请求 B 查询到并使用了 Cache 中的旧数据。
• 先删除缓存再更新数据库：当请求 A 执行清除缓存后，还未进行数据库更新，此时请求 B 进行查询，查到了旧数据并写入了 Cache。

当然我们前面已经分析过了，尽量先操作数据库再操作缓存，但是即使这样也还是有可能存在问题，解决问题的办法就是延迟双删。

延迟双删是这样：先执行缓存清除操作，再执行数据库更新操作，延迟 N 秒之后再执行一次缓存清除操作，这样就不用担心缓存中的数据和数据库中的数据不一致了。

那么这个延迟 N 秒，N 是多大比较合适呢？一般来说，N 要大于一次写操作的时间，如果延迟时间小于写入缓存的时间，会导致请求 A 已经延迟清除了缓存，但是此时请求 B 缓存还未写入，具体是多少，就要结合自己的业务来统计这个数值了。

2.4 如何确保原子性

但是更新数据库和删除缓存毕竟不是一个原子操作，要是数据库更新完毕后，删除缓存失败了咋办？

对于这种情况，一种常见的解决方案就是使用消息中间件来实现删除的重试。大家知道，MQ 一般都自带消费失败重试的机制，当我们要删除缓存的时候，就往 MQ 中扔一条消息，缓存服务读取该消息并尝试删除缓存，删除失败了就会自动重试。如果小伙伴们还不懂 RabbitMQ 的使用，可以在公众号江南一点雨后台回复 rabbitmq，有免费的视频+文档。

3. Read-Through/Write-Through

这种缓存操作模式，松哥印象最深的是在 Oracle Coherence 中有应用，不知道小伙伴们有没有用过 Oracle Coherence，这是一个内存数据网格，通过这个，应用开发人员和管理人员可快速访问键值数据，Coherence 可提供集群式低延迟数据存储、多语言网格计算和异步事件流处理，从而为客户企业应用赋予超高水平的可扩展性和性能。

Oracle Coherence 我们就不讨论了，我们就来说说 Read-Through。

3.1 Read-Through

这里为了省事，我就不自己画图了，网上找了一张图片，如下：

乍一看，很多人感觉这和 Cache-Aside 一样呀，没啥区别！是的，单看流程是不太容易看到区别。

Read-Through 是一种类似于 Cache-Aside 的缓存方法，区别在于，在 Cache-Aside 中，由应用程序决定去读取缓存还是读取数据库，这样就会导致应用程序中出现了很多业务无关的代码；而在 Read-Through 中，相当于多出来了一个中间层 Cache Middleware，由它去读取缓存或者数据库，应用层的代码得到了简化，松哥之前写过 Spring Cache 的用法，大家回忆下 Spring Cache 中的 @Cacheable 注解，感觉像不像 Read-Through？

我画一个简单的流程图大家来看下：

可以看到，和 Cache-Aside 相比，其实就相当于是多了一个 Cache Middleware，这样我们在应用程序中就只需要正常的读写数据就行了，并不用管底层的具体逻辑，相当于把缓存相关的代码从应用程序中剥离出来了，应用程序只需要专注于业务就行了。

3.2 Write-Through

Write-Through 其实也是差不多，所有的操作都交给 Cache Middleware 来完成，应用程序中就是一句简单的更新就行了，我们来看看流程：

在 Write-Through 策略中，所有的写操作都经过 Cache Middleware，每次写入时，Cache Middleware 会将数据存储在 DB 和 Cache 中，这两个操作发生在一个事务中，因此，只有两个都写入成功，一切才会成功。

这种写数据的优势在于，应用程序只与 Cache Middleware 对话，所以它的代码更加干净和简单。

4. Write Behind

Write-Behind 缓存策略类似于 Write-Through 缓存，应用程序仅与 Cache Middleware 通信，Cache Middleware 会预留一个与应用程序通信的接口。

Write-Behind 与 Write-Through 最大的区别在于，前者是数据首先写入缓存，一段时间后（或通过其他触发器）再将数据写入 Database，并且这里涉及到的写入是一个异步操作。这种方式下，Cache 和 DB 数据的一致性不强，对一致性要求高的系统要谨慎使用，如果有人在数据尚未写入数据源的情况下直接从数据源获取数据，则可能导致获取过期数据，不过对于频繁写入的场景，这个其实非常适用。

将数据写入 DB 可以通过多种方式完成：

• 一种是收集所有写入操作，然后在某个时间点（例如，当 DB 负载较低时）对数据源进行批量写入。
• 另一种方法是将写入合并成更小的批次，例如每次收集五个写入操作，然后对数据源进行批量写入。

这个流程图就不想画了，在网上找了一张，小伙伴们参考下：

好啦，和小伙伴们简单聊了下双写一致性的问题，有问题欢迎留言讨论。

参考资料：

• https://www.jianshu.com/p/a8eb1412471f
• https://catsincode.com/caching-strategy/

高并发下如何保证数据库和缓存双写一致性？(代码片段)

前言数据库和缓存（比如：redis）双写数据一致性问题，是一个跟开发语言无关的公共问题。尤其在高并发的场景下，这个问题变得更加严重。我很负责的告诉你，该问题无论在面试，还是工作中遇到... 查看详情

另类见解那些要保证缓存和数据库数据一致性的最后怎么了？(代码片段)

...一致性方案的话，觉得出去面试都丢人,尤其是缓存和数据库的数据一致性“全程无图，请谨慎阅读缓存对于程序性能而言，无疑是个杀手锏，但不是完美的解决方案。关键在于缓存的物理位置和数据真实保存的位... 查看详情

java面试常被问到这道题：如何保证缓存与数据库的双写一致性？(代码片段)

面试原题：如何保证缓存与数据库的双写一致性？面试官心理分析你只要用缓存，就可能会涉及到缓存与数据库双存储双写，你只要是双写，就一定会有数据一致性的问题，那么你如何解决一致性问题？面试题剖析一般来说，如... 查看详情

java面试常被问到这道题：如何保证缓存与数据库的双写一致性？(代码片段)

面试原题：如何保证缓存与数据库的双写一致性？面试官心理分析你只要用缓存，就可能会涉及到缓存与数据库双存储双写，你只要是双写，就一定会有数据一致性的问题，那么你如何解决一致性问题？面试题剖析一般来说，如... 查看详情

如何保证redis缓存与数据库的一致性？(代码片段)

...更新缓存还是删除缓存2.1更新缓存2.2删除缓存3、先操作数据库还是缓存3.1先删除缓存再更新数据库3.2先更新数据库再删除缓存4、延时双删4.1采用读写分离的架构怎么办？5、利用消息队列进行删除的补偿1、四种同步策略࿱... 查看详情

保证mysql和redis的数据(代码片段)

...”一般指的是：缓存中有数据，缓存的数据值=数据库中的值。但根据缓存中是有数据为依据，则“一致”可以包含两种情况：缓存中有数据，缓存的数据值=数据库中的值缓存中本没有数据，数据库... 查看详情

保证mysql和redis的数据(代码片段)

...”一般指的是：缓存中有数据，缓存的数据值=数据库中的值。但根据缓存中是有数据为依据，则“一致”可以包含两种情况：缓存中有数据，缓存的数据值=数据库中的值缓存中本没有数据，数据库... 查看详情

趣说｜数据库和缓存如何保证一致性？(代码片段)

...，经过一番排查后，确认服务器的性能瓶颈是在数据库。这好办，给服务器加上Redis，让其作为数据库的缓存。这样，在客户端请求数据时，如果能在缓存中命中数据，那就查询缓存，不用在去查询... 查看详情

如何保证数据库与redis缓存数据一致性(代码片段)

...解为啥会出现数据不一致呢？根本原因是我们无法将数据库更新操作与缓存更新操作放在同一个事务内同步成功，同步失败！一、常见操作及问题1.1、先更新数据库，后更新缓存    问题：假如有两个请求&#x... 查看详情

经典好文--如何保证缓存和数据库的双写一致性

面试题如何保证缓存与数据库的双写一致性？面试官心理分析你只要用缓存，就可能会涉及到缓存与数据库双存储双写，你只要是双写，就一定会有数据一致性的问题，那么你如何解决一致性问题？面试题剖析一般来说，如果允... 查看详情

如何保证数据库缓存的最终一致性？

参考技术A对于互联网业务来说，传统的直接访问数据库方式，主要通过数据分片、一主多从等方式来扛住读写流量，但随着数据量的积累和流量的激增，仅依赖数据库来承接所有流量，不仅成本高、效率低、而且还伴随着稳定... 查看详情

分布式我们一起来分析——缓存和数据库一致性问题(代码片段)

...#xff1a;      你只要用缓存，就可能会涉及到缓存与数据库双存储双写，你只要是双写，就一定会有数据一致性的问题，那么你如何解决一致性问题？分析：      先做一个说明，从理论上来说࿰... 查看详情

分布式我们一起来分析——缓存和数据库一致性问题(代码片段)

...#xff1a;      你只要用缓存，就可能会涉及到缓存与数据库双存储双写，你只要是双写，就一定会有数据一致性的问题，那么你如何解决一致性问题？分析：      先做一个说明，从理论上来说࿰... 查看详情

缓存一致性？get(代码片段)

...作为一名暴躁老哥，我先把结论撂这了！缓存和数据库的强一致性无法实现！CAP理论了解一下，缓存适用的场景属于CAP中的AP，是非强一致性的场景。那还扯个犊子的缓存一致性？洗洗睡吧。BASE理论接着了... 查看详情

redis11_缓存和数据库一致性如何保证解决方案提供canel解决数据一致性问题

文章目录①.缓存和数据库双写一致保证②.缓存数据一致性-解决方案③.缓存数据一致性-解决-Canal①.缓存和数据库双写一致保证①.只要用缓存,就可能会涉及到缓存与数据库双存储双写,你只要是双写,就一定会有数据一致性的问... 查看详情

趣说｜数据库和缓存如何保证一致性？

...了服务器，经过一番排查后，确认服务器的性能瓶颈是在数据库。这好办，给服务器加上Redis，让其作为数据 查看详情

美团二面：redis与mysql双写一致性如何保证？(代码片段)

...ySQL双写一致性如何保证？这道题其实就是在问缓存和数据库在双写场景下，一致性是如何保证的？本文将跟大家一起来探讨如何回答这个问题。公众号：捡田螺的小男孩谈谈一致性一致性就是数据保持一致，... 查看详情

mysql和redis数据如何保持一致

先阐明一下Mysql和Redis的关系：Mysql是数据库，用来持久化数据，一定程度上保证数据的可靠性；Redis是用来当缓存，用来提升数据访问的性能。关于如何保证Mysql和Redis中的数据一致（即缓存一致性问题），这是一个非常经典的问... 查看详情