HoRain云--高并发场景下，到底先更新缓存还是先更新数据库？

HoRain云小助手

已于 2025-04-23 09:18:20 修改

阅读量986

点赞数 14

文章标签： redis 数据库运维

于 2025-04-23 09:17:45 首次发布

本文链接：https://blog.csdn.net/2401_86544677/article/details/147440436

版权

🎬 HoRain云小助手：个人主页

🔥 个人专栏: 《Linux 系列教程》《c语言教程》

⛺️生活的理想，就是为了理想的生活!

⛳️ 推荐

前些天发现了一个超棒的服务器购买网站，性价比超高，大内存超划算！忍不住分享一下给大家。点击跳转到网站。

专栏介绍

专栏名称	专栏介绍
《C语言》	本专栏主要撰写C干货内容和编程技巧，让大家从底层了解C，把更多的知识由抽象到简单通俗易懂。
《网络协议》	本专栏主要是注重从底层来给大家一步步剖析网络协议的奥秘，一起解密网络协议在运行中协议的基本运行机制！
《docker容器精解篇》	全面深入解析 docker 容器，从基础到进阶，涵盖原理、操作、实践案例，助您精通 docker。
《linux系列》	本专栏主要撰写Linux干货内容，从基础到进阶，知识由抽象到简单通俗易懂，帮你从新手小白到扫地僧。
《python 系列》	本专栏着重撰写Python相关的干货内容与编程技巧，助力大家从底层去认识Python，将更多复杂的知识由抽象转化为简单易懂的内容。
《试题库》	本专栏主要是发布一些考试和练习题库（涵盖软考、HCIE、HRCE、CCNA等）

核心矛盾与权衡

策略	优点	缺点	适用场景
先更新数据库	保证数据持久化优先	可能短暂读取到旧缓存	强一致性要求高，写后读少
先更新缓存	读性能更高	可能丢失数据（缓存成功但数据库失败）	读多写少，允许短暂不一致

典型场景与解决方案

1. 读多写少场景（如商品详情页）

策略：Cache-Aside（旁路缓存） + 延迟双删

// 伪代码示例
public void updateProduct(Product product) {
    // 1. 先删除缓存（防止旧数据被后续读取）
    cache.delete(product.getId());
    
    // 2. 更新数据库
    db.update(product);
    
    // 3. 延迟二次删除（应对步骤1和2之间可能出现的脏读）
    threadPool.schedule(() -> {
        cache.delete(product.getId());
    }, 500, TimeUnit.MILLISECONDS);
}

关键点：
- 延迟时间需根据业务读写耗时调整（通常 100ms~1s）
- 通过消息队列（如Kafka）保证二次删除的可靠性

2. 写多读多场景（如秒杀库存）

策略：Write-Behind（写缓冲） + 合并更新

// 使用本地缓存合并短时间内的多次写操作
ConcurrentHashMap<Long, AtomicInteger> buffer = new ConcurrentHashMap<>();

public void deductStock(Long itemId, int count) {
    buffer.compute(itemId, (k, v) -> {
        if (v == null) v = new AtomicInteger(0);
        v.addAndGet(count);
        return v;
    });
    
    // 异步批量更新数据库
    asyncFlushBuffer();
}

private void asyncFlushBuffer() {
    buffer.forEach((itemId, delta) -> {
        // 使用CAS操作保证原子性
        db.execute("UPDATE stock SET count = count - ? WHERE item_id = ?", delta.get(), itemId);
        cache.decr(itemId, delta.get());
    });
    buffer.clear();
}

关键点：
- 本地缓冲层减少数据库压力
- 最终一致性需结合版本号或时间戳

3. 强一致性场景（如金融交易）

策略：2PC（两阶段提交） + 分布式锁

public boolean transfer(TransferRequest request) {
    // 1. 获取分布式锁（如Redis RedLock）
    Lock lock = redisson.getLock("lock:transfer:" + request.getId());
    if (!lock.tryLock(3, TimeUnit.SECONDS)) throw new RetryException();
    
    try {
        // 2. 预提交阶段：检查余额并预扣款
        Account from = db.selectForUpdate(request.getFromAccount());
        if (from.getBalance() < request.getAmount()) return false;
        
        // 3. 同时更新缓存和数据库（原子操作）
        cache.decr("balance:" + from.getId(), request.getAmount());
        db.execute("UPDATE accounts SET balance = balance - ? WHERE id = ?", 
                   request.getAmount(), from.getId());
        
        // 4. 提交后释放锁
        return true;
    } finally {
        lock.unlock();
    }
}

关键点：
- 牺牲部分性能换取强一致性
- 需配合数据库行锁（SELECT ... FOR UPDATE）

高级优化技术

1. 版本号防ABA问题

-- 数据库表设计增加版本字段
ALTER TABLE products ADD version INT DEFAULT 0;

// 更新时校验版本
public boolean updateWithVersion(Product product) {
    int rows = db.update(
        "UPDATE products SET name = ?, price = ?, version = version + 1 " +
        "WHERE id = ? AND version = ?", 
        product.getName(), product.getPrice(), product.getId(), product.getVersion());
    if (rows > 0) {
        cache.set(product.getId(), product.withVersion(product.getVersion() + 1));
        return true;
    }
    return false;
}

2. 读写分离 + 数据同步

架构设计：

客户端 → 代理层（ShardingSphere） → 主库（写） / 从库（读）
                            ↓
                        缓存集群（Redis）

同步工具：
- MySQL Binlog → Canal → Kafka → 缓存更新服务
- 确保数据库变更实时反映到缓存

3. 熔断降级策略

# Hystrix配置示例
hystrix:
  command:
    default:
      circuitBreaker:
        requestVolumeThreshold: 20
        errorThresholdPercentage: 50
        sleepWindowInMilliseconds: 5000
      fallback:
        enabled: true