缓存和数据库数据一致性：数据库和缓存一致性的几种实现方式
缓存和数据库数据一致性：数据库和缓存一致性的几种实现方式1、删除缓存成功，更新数据库成功，没毛病。总之，我们要达到最终一致性！1、更新数据库成功，删除缓存成功，没毛病。2、更新数据库失败，程序捕获异常，不会走到下一步，不会出现数据不一致情况。3、更新数据库成功，删除缓存失败。数据库是新数据，缓存是旧数据，发生了不一致的情况。这里我们来看下怎么解决
缓存是互联网高并发系统里常用的组件，由于多增加了一层，如果没有正确的使用效果可能适得其反，诸如“缓存是删除还是更新？”，“先操作数据库还是先操作缓存？”都是些老生常谈的话题，今天我们就来聊一聊缓存与数据库的双写一致性的解决方案。
Cache Aside Pattern
在一开始先科普下最经典的缓存 数据库读写的模式，就是 Cache Aside Pattern。
- 读的时候，先读缓存，缓存没有的话，就读数据库，然后取出数据后放入缓存，同时返回响应。
- 更新的时候，先更新数据库，然后再删除缓存。
为什么是删除缓存，而不是更新缓存？
更新缓存在并发下会带来种种问题，直接删除缓存比较简单粗暴，稳妥。而且还有懒加载的思想，等用到的时候在去数据库读出来放进去，不用到你每次去更新他干嘛，浪费时间资源，而且还有更新失败、产生脏数据的一些风险， 达成这一点共识以后，我们来开始今天的讨论。
先更新数据库，再删除缓存
1、更新数据库成功，删除缓存成功，没毛病。
2、更新数据库失败，程序捕获异常，不会走到下一步，不会出现数据不一致情况。
3、更新数据库成功，删除缓存失败。数据库是新数据，缓存是旧数据，发生了不一致的情况。这里我们来看下怎么解决
- 重试的机制，如果删除缓存失败，我们捕获这个异常，把需要删除的key发送到消息队列， 然后自己创建一个消费者消费，尝试再次删除这个 key。
- 异步更新缓存，更新数据库时会往 binlog 写入日志，所以我们可以通过一个服务来监听 binlog 的变化（比如阿里的 canal），然后在客户端完成删除 key 的操作。如果删除失败的话，再发送到消息队列。
总之，我们要达到最终一致性！
先删除缓存，再更新数据库
1、删除缓存成功，更新数据库成功，没毛病。
2、删除缓存失败，程序捕获异常，不会走到下一步，不会出现数据不一致情况。
3、删除缓存成功，更新数据库失败，此时数据库中是旧数据，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，则读数据库中旧数据，然后更新到缓存中。
虽然没有发生数据不一致的情况，看上去好像一切都很完美，但是以上是在单线程的情况下，如果在并发的情况下可能会出现以下场景
1）线程 A 需要更新数据，首先删除了 Redis 缓存
2）线程 B 查询数据，发现缓存不存在，到数据库查询旧值，写入 Redis，返回
3）线程 A 更新了数据库
复制代码
这个时候，Redis是旧的值，数据库是新的值，还是发生了数据不一致的情况。
延时双删
针对上面这种情况，我们有一种延时双删的方法
1）删除缓存
2）更新数据库
3）休眠 500ms（这个时间，依据读取数据的耗时而定）
4）再次删除缓存
复制代码
你把旧值存在Redis以后，过一段时间我在删除一次，这时把旧值给删掉了，这样就能保证Redis和数据库是同步的了，这么做在一定程度上可以缓解这个问题，但也不是十分完美，比如第一次缓存删除成功了，第二次缓存删除失败，又该怎么办？
内存队列
除了延时双删这个方法，还有个方案就是内存队列，他的思想是串行化，我们在JVM中维护一个内存队列。当更新数据的时候，我们不直接操作数据库和缓存，而是把数据的Id放到内存队列；当读数据的时候发现数据不在缓存中，我们不去数据库查放到缓存中，而是把数据的Id放到内存队列。
后台会有一个线程消费内存队列里面的数据，然后一条一条的执行。这样的话，一个更新数据的操作，先删除缓存，然后再去更新数据库，但是还没完成更新。此时如果一个读请求过来，读到了空的缓存，那么先将缓存更新的请求发送到队列中，此时会在队列中积压，然后同步等待缓存更新完成。
这里有一个优化点，一个队列中，其实多个更新缓存请求串在一起是没意义的，因此可以做过滤，如果发现队列中已经有一个更新缓存的请求了，那么就不用再放个更新请求操作进去了，直接等待前面的更新操作请求完成即可。
等内存队列中将更新数据的操作完成之后，才会去执行下一个操作，也就是读数据的操作，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。
总结
上面说的几种方案，都是比较常见的，也比较简单，没有十全十美的，最后的内存队列也会影响性能以及增加系统的复杂度。今天讨论的Redis和数据库的数据更新是不可能通过事务达到统一的，什么叫做事务，就是一损俱损一荣俱荣，要么都成功要么都失败，这是不能保证的。
我们只能根据相应的场景和所需要付出的代价来采取一些措施，降低数据不一致的问题出现的概率，在数据一致性和性能之间取得一个权衡，具体场景具体使用。
作者：jack_xu
链接：https://juejin.im/post/5edafcb051882543023c0cd0
