如何保证数据库和缓存数据一致

部分场景下，对于数据库中需要频繁访问的热点数据，会保存一份拷贝在 redis 缓存，提高查询效率，具体流程如下：

• 对于查询操作，首先从缓存中查询，查到直接返回，否则从数据库查询，将查询结果保存在缓存中，然后返回
• 对于更新操作，先修改数据库，再删除缓存

上述流程的执行就需要保证数据库和缓存数据一致。这里每次更新操作后删除缓存的原因在于：

1. 部分场景下缓存中的数据是数据库数据加工后的结果，可能需要联合其它数据一起计算，因此暂时删除掉
2. 使用缓存的主要原因在于提高查询效率，数据库中的数据不一定都会查到，因此先删掉，具体用到时再保存

无论是先更新数据库还是先删除缓存，都可能造成脏读问题：

• 先操作数据库：在修改完数据库，清空缓存期间，读取到的数据都是脏数据
• 先清空缓存：假如在修改数据库期间读取数据并写缓存，后续读取到的都是脏数据

虽然都可能造成脏读，但总的来说先操作数据相对更加安全，

---

常见数据不一致的场景：

1、先更新数据库，再删除缓存：数据库更新成功，缓存删除失败，此时数据库是新数据，缓存为老数据

解决思路：调整顺序，先删除缓存，再更新数据库，这样删除缓存失败就不会更新数据库、假如删除缓存成功，更新数据库失败，缓存中没有数据，下次查询走数据库，数据仍然一致

2、复杂并发场景：收到更新数据请求，先清空了缓存，后执行数据库修改，在执行数据库操作期间，另一个请求读取数据，先检查缓存为空，读取到还未修改的老数据，返回并保存在缓存中，随后第一通请求完成数据库更新，数据库和缓存数据不一致。

解决思路：使用双删法，更新数据库数据前后都删除一次缓存，简单好实现。

还有一种比较复杂的思路：更新数据时，根据数据的唯一标识，将操作分配到一个队列中，读取数据时，如果缓存中没有，将读取操作和更新缓存也放入队列，队列中的操作串行执行。使用该方案需要注意很多问题：

• 读请求长时间阻塞：修改操作很多时，读请求在队列中长时间不能执行。此时可以设置最大过期时间，超过该时间直接走数据库
• 读请求并发量很大：如果大量的读请求阻塞在服务上，服务能否撑住，根据具体场景判断是否需要扩容
• 多服务实例部署的请求路由：对于同一类商品的操作，必须保证打到同一个队列上

还有一种很极端的处理办法：串行化，增加同步机制，也就是修改操作和删除缓存操作串行执行，期间不允许其它线程并发访问，这种处理方式虽然能解决一致性问题，但代价太大，非常影响性能。

一般情况下，使用数据库配合缓存是允许一部分脏读情况发生的，如果真的强依赖一致性，建议只使用数据库，确保数据安全。