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？

一般来讲，有四种方案

• 先更新数据库，然后更新缓存
• 先更新缓存，后更新数据库
• 先删除缓存，后更新数据库
• 先更新数据库，后删除缓存

第一种和第二种方案，没有人使用的，因为第一种方案存在问题是：并发更新数据库场景下，会将脏数据刷到缓存。

第二种方案存在的问题是：如果先更新缓存成功，但是数据库更新失败，则肯定会造成数据不一致。

先更新数据库，后删除缓存（推荐）

这个策略就是我们使用缓存最常见的策略，Cache Aside 策略（也叫旁路缓存策略），这个策略数据以数据库中的数据为准，缓存中的数据是按需加载的。它可以分为读策略和写策略，其中读策略的步骤是：

• 从缓存中读取数据
• 如果缓存命中，则直接返回数据
• 如果缓存不命中，则从数据库中查询数据
• 查询到数据后，将数据写入到缓存中，并返回给用户

其中写策略的步骤是：

• 更新数据库中的记录
• 删除缓存记录

为什么是删除缓存，而不是更新缓存

• 很多时候，在复杂点的缓存场景，缓存不单单是数据库中直接取出来的值。
  • 比如可能更新了某个表的一个字段，然后其对应的缓存，是需要查询另外两个表的数据并进行计算，才能计算出缓存最新的值。
• 另外更新缓存的代价有时候很高的。
  • 是不是说，每次修改数据库的时候，都一定要将其对应的缓存更新一份？也许有的场景是这样，但是对于比较复杂的缓存数据计算的场景，就不是这样了。如果你频繁修改一个缓存涉及的多个表，缓存也频繁更新。但是问题在于，这个缓存到底会不会频繁被访问到
  • 举个栗子，一个缓存涉及的表的字段，在 1 分钟内就修改了 20 次，或者是 100 次，那么缓存更新 20 次、100 次；但是这个缓存在 1 分钟内只被读取了 1 次，有大量的冷数据。实际上，如果你只是删除缓存的话，那么在 1 分钟内，这个缓存不过就重新计算一次而已，开销大幅度降低。用到缓存才去算缓存。
• 其实删除缓存，而不是更新缓存，就是一个 lazy 计算的思想，不要每次都重新做复杂的计算，不管它会不会用到，而是让它到需要被使用的时候再重新计算。
  • 像 mybatis，hibernate，都有懒加载思想。
  • 查询一个部门，部门带了一个员工的 list，没有必要说每次查询部门，都里面的 1000 个员工的数据也同时查出来啊。80% 的情况，查这个部门，就只是要访问这个部门的信息就可以了。先查部门，同时要访问里面的员工，那么这个时候只有在你要访问里面的员工的时候，才会去数据库里面查询 1000 个员工。

当然，先更新数据库，然后更新缓存也有其缺陷

问题一：假设某个用户数据在缓存中不存在，请求A读取数据时从数据库查询到年龄为20，在未写入缓存中时另一个请求 B 更新数据。它更新数据库中的年龄为 21，并且清空缓存。这时请求 A 把从数据库中读到的年龄为 20 的数据写入到缓存中，造成缓存和数据库数据不一致。

不过这种问题出现的几率不高，因为缓存的写入通常远远快于数据库的写入，所以在实际中很难出现请求B已经更新了数据库并且清空了缓存，请求A才更新完缓存的情况。而一旦请求A早于请求B情况缓存之前更新了缓存，那么接下来的请求就会因为缓存为空而从数据库中重新加载缓存，所以不会出现这种不一致的情况

问题二：先更新数据库，再删除缓存。如果删除缓存失败了，那么会导致数据库中是新数据，缓存中是旧数据，数据就出现了不一致。

解决思路一：先删除缓存，然后更新数据库 （不能这样，具体参见下面）

如果数据库更新失败了，那么数据库中是旧数据，缓存中是空的，那么数据不会不一致。因为读的时候缓存没有，所以去读了数据库中的旧数据，然后更新到缓存中。

解决思路二：利用消息队列进行删除的补偿

• 请求 A 先对数据库进行更新操作
• 在对 Redis 进行删除操作的时候发现报错，删除失败
• 此时将Redis 的 key 作为消息体发送到消息队列中
• 系统接收到消息队列发送的消息后再次对 Redis 进行删除操作

但这个方案有一个缺点就是会对业务代码造成到来的侵入，深深的耦合在一起，所以这时会有一个优化的方案，我们知道mysql数据库更新操作后再binlg日志中我们都能够找到相应的操作，那么我们可以订阅 Mysql 数据库的 binlog 日志对缓存进行操作。

Cache Aside 策略存在的最大的问题是当写入数据比较频繁时，缓存中的数据会被频繁的清理，这样会对缓存的命中率有一些影响。如果你的业务会缓存命中率有严格的要求，那么可以考虑两种解决方案：

• 一种做法是更新数据时也更新缓存，只是在更新缓存前加一个分布式锁，因为这样在同一个时间只允许一个线程更新缓存，就不会产生并发问题了。当然这样做对于写入的性能会有一些影响
• 另一种做法同样也是在更新数据时更新缓存，只是给缓存加一个较短的过期时间，这样即使出现缓存不一致的情况，缓存的数据也会很快过期，对业务的影响也是可以接受的

先删除缓存，后更新数据库

问题：数据发生了变更，先删除了缓存，然后要去修改数据库，此时还没修改。一个请求过来，去读缓存，发现缓存空了，去查询数据库，查到了修改前的旧数据，放到了缓存中。随后数据变更的程序完成了数据库的修改。完了，数据库和缓存中的数据不一样了…

举个例子：假设某个用户的年龄是 20，请求 A 要更新用户年龄为 21，所以它会删除缓存中的内容。这时，另一个请求 B 要读取这个用户的年龄，它查询缓存发现未命中后，会从数据库中读取到年龄为 20，并且写入到缓存中，然后请求 A 继续更改数据库，将用户的年龄更新为21，这就造成了缓存和数据库的不一致。

只有在对一个数据在并发的进行读写的时候，才可能会出现这种问题。其实如果说你的并发量很低的话，特别是读并发很低，每天访问量就 1 万次，那么很少的情况下，会出现刚才描述的那种不一致的场景。但是问题是，如果每天的是上亿的流量，每秒并发读是几万，每秒只要有数据更新的请求，就可能会出现上述的数据库+缓存不一致的情况。

解决方法一：延迟双删

最简单的解决方法是延迟双删

• 先淘汰缓存
• 再写数据库
• 休眠一秒，再次淘汰缓存，这样做，可以将1s内所造成的缓存1脏数据，再次删除。确保读请求结束。写请求可以删除读请求造成的缓存脏数据。自行评估自己的项目的读数据业务逻辑的耗时，写数据的休眠时间则在读数据业务逻辑的耗时基础上，加几百ms即可。

如果使用的是 Mysql 的读写分离的架构的话，那么其实主从同步之间也会有时间差。

此时来了两个请求，请求 A（更新操作） 和请求 B（查询操作）

• 请求 A 更新操作，删除了 Redis
• 请求主库进行更新操作，主库与从库进行同步数据的操作
• 请 B 查询操作，发现 Redis 中没有数据
• 去从库中拿去数据
• 此时同步数据还未完成，拿到的数据是旧数据

此时的解决方法就是如果是对redis进行填充数据的查询数据库操作，那么就强制将其指向主库进行查询

解决方法二：更新与读取操作进行异步串行化

怎么做：

（1）异步串行化

• 在系统内部维护n个内存队列，更新数据的时候，根据数据的唯一标识，将该操作路由之后，发送到其中一个jvm内部的内存队列中（对同一数据的请求发送到同一个队列）。读取数据的时候，如果发现数据不在缓存中，并且此时队列里有更新库存的操作，那么将重新读取数据+更新缓存的操作，根据唯一标识路由之后，也将发送到同一个jvm内部的内存队列中。然后每个队列对应一个工作线程，每个工作线程串行地拿到对应的操作，然后一条一条的执行。
• 这样的话，一个数据变更的操作，先执行删除缓存，然后再去更新数据库，但是还没完成更新的时候，如果此时一个读请求过来，读到了空的缓存，那么可以先将缓存更新的请求发送到队列中，此时会在队列中积压，排在刚才更新库的操作之后，然后同步等待缓存更新完成，再读库。

（2）读操作去重

• 多个读库更新缓存的请求串在同一个队列中是没意义的，因此可以做过滤，如果发现队列中已经有了该数据的更新缓存的请求了，那么就不用再放进去了，直接等待前面的更新操作请求完成即可，待那个队列对应的工作线程完成了上一个操作（数据库的修改）之后，才会去执行下一个操作（读库更新缓存），此时会从数据库中读取最新的值，然后写入缓存中。
• 如果请求还在等待时间范围内，不断轮询发现可以取到值了，那么就直接返回；如果请求等待的时间超过一定时长，那么这一次直接从数据库中读取当前的旧值。（返回旧值不是又导致缓存和数据库不一致了么？那至少可以减少这个情况发生，因为等待超时也不是每次都是，几率很小吧。这里我想的是，如果超时了就直接读旧值，这时候仅仅是读库后返回而不放缓存）

• 如何保证缓存与数据库的双写一致性？