面试官：如何保证缓存和数据库的一致性

缓存的重要性

• 定义：缓存是暂时保存数据的存储机制，用于加速数据读取和访问。
• 目的：用更多的存储空间来存储重复使用或计算的数据，减少数据重新获取或计算的时间。
• 类型：
  • 本地缓存：如JDK的HashMap、ConcurrentHashMap，Ehcache、Guava Cache、Spring Cache、Caffeine等。
  • 分布式缓存：如Redis，可独立部署在不同服务器。

缓存一致性问题

• 原因：
  • 缓存过期
  • 写操作延迟
  • 并发操作导致的竞态条件
  • 缓存失效策略不当
  • 网络延迟或故障

解决方案

• Cache Aside 模式：读时先查缓存，未命中则从数据库读取并更新缓存；写时先更新数据库，再使缓存失效。
• 分布式锁：并发写操作时使用，避免竞态条件。
• 双写一致性：同时更新数据库和缓存。
• 延迟双删：写操作时先删除缓存，数据库更新后再删除缓存。
• 版本控制：使用版本号或时间戳检查数据一致性。
• 监控和告警：监控数据，发现不一致时及时处理。

常见缓存更新策略

• Cache Aside Pattern：优点是读取性能高和实现简单；缺点是写操作较慢和数据一致性挑战。
• Read/Write Through Pattern：优点是数据一致性好；缺点是实现复杂，依赖缓存高可用性。
• Write Behind Pattern：优点是写操作性能高；缺点是存在数据丢失风险和数据一致性较差。

PmHub 实践

• 数据读取：先查询缓存，未命中则查询数据库后更新缓存。
• 数据更新：先更新数据库，然后删除缓存。

面试准备

• 项目中的缓存一致性：根据理解作答，展示真实性。
• Redis 数据类型：基础问题，需熟悉。
• 删除缓存而非更新：减少服务器资源消耗，避免脏读，减少并发冲突，避免双写问题。

其他要点

• Cache Aside 局限性：写操作性能较低，数据一致性挑战，缓存预热问题，复杂的失效策略，过期数据风险。
• 解决方案不完美性：需根据应用场景设计合理的缓存更新和失效策略。