数据库与缓存双写一致性问题

缓存是什么

• 通常我们会使用更快的介质（比如内存）作为缓存，来解决较慢介质（比如磁盘）读取数据慢的问题，缓存是用来解决性能问题的一种结构模式，本质就是空间换时间。
• 缓存系统一般设计简单，功能相对单一，所以诸如Redis这种缓存系统的整体吞吐量，能达到关系型数据库的几倍甚至几十倍，因此缓存特别适用于互联网应用的高并发场景。

使用缓存需要注意什么

• 从客户端的角度来说，缓存数据的特点一定是有原始数据来源的，且允许丢失。当数据丢失后，我们需要从原始数据重新加载数据，不能认为缓存系统是绝对可靠的，更不能认为缓存系统不会删除没有过期的数据。
• 从 Redis 服务端的角度来说，缓存系统可以保存的数据量一定是小于原始数据的，那么我们就应该限制 Redis 对内存的使用量，并且明确以怎么样的策略来维护数据，常用的算法有 LRU、TTL 和 LFU 三种。

缓存同步策略

• 先更新数据库，再更新缓存
  如果更新数据库成功，但缓存更新失败，此时数据库中是最新值，但缓存中是旧值，后续的读请求会直接命中缓存，得到的是旧值，对业务产生影响。
• 先更新缓存，再更新数据库
  如果更新缓存成功，但数据库更新失败，此时缓存中是最新值，数据库中是旧值，后续读请求会直接命中缓存，但得到的是最新值，短期对业务影响不大。但是，一旦缓存过期或者满容后被淘汰，读请求就会从数据库中重新加载旧值到缓存中，之后的读请求会从缓存中得到旧值，对业务产生影响。
• 先删除缓存，再更新数据库
  如果线程A删除缓存成功，还没来得及更新数据库（比如网络延迟），有另一个线程B读取缓存，发现缓存不存在，就回去数据库读取数据，这时读到的值是还没更新的值。然后线程A更新完数据库之后就会出现线程B读到的值和数据库的值不一致的情况。
• 先更新数据库，再删除缓存
  如果线程 A 更新了数据库中的值，但还没来得及删除缓存值，线程 B 就开始读取数据了，那么此时，线程 B 查询缓存时，发现缓存命中，就会直接从缓存中读取旧值。不过，在这种情况下，如果其他线程并发读缓存的请求不多，那么，就不会有很多请求读取到旧值。而且，线程 A 一般也会很快删除缓存值，这样一来，其他线程再次读取时，就会发生缓存缺失，进而从数据库中读取最新值。

综上，先更新数据库再删除缓存是较好的一种策略。

如何解决数据不一致问题

• 缓存设置过期时间
  给缓存设置一个合理的过期时间，这样能保证在一定时间内，缓存可以和数据库的数据保持一致。
• 重试机制
  把要删除的缓存值或者是要更新的数据库值暂存到消息队列中，当应用没有能够成功地删除缓存值或者是更新数据库值时，可以从消息队列中重新读取这些值，然后再次进行删除或更新。
  如果能够成功地删除或更新，我们就要把这些值从消息队列中去除，以免重复操作，此时，我们也可以保证数据库和缓存的数据一致了。否则的话，我们还需要再次进行重试。如果重试超过的一定次数，还是没有成功，我们就需要向业务层发送报错信息了。
• 分布式锁
  高并发的情况下，可以考虑加入分布式锁，保证同一时间只有一个线程可以对同一条数据进行操作。
• 延时双删
  线程A先删除缓存，然后线程 A 更新完数据库值之后，我们可以让它先 sleep 一小段时间，再进行一次缓存删除操作。