分布式缓存：缓存设计中的 7 大经典问题_数据不一致与数据并发竞争

---

缓存全景图

---

Pre

分布式缓存：缓存设计三大核心思想

分布式缓存：缓存的三种读写模式及分类

分布式缓存：缓存架构设计的“四步走”方法

分布式缓存：缓存设计中的 7 大经典问题_缓存失效、缓存穿透、缓存雪崩

---

缓存设计中的 7 大经典问题

接下来将对缓存设计中的 7 大经典问题，

一、数据不一致

1. 问题描述

当一份数据同时存在于数据库和缓存中时，如果两者数据不同步，便会产生“数据不一致”问题。进一步地，若采用多缓存副本（例如多机房或多节点复制），各副本间的数据也可能因为更新不完全而出现差异。

2. 原因分析

• 更新异常：先写库后更新缓存时，若缓存更新失败，缓存会保留旧值。
• 一致性哈希重平衡：采用一致性哈希并开启自动 rehash 漂移策略时，多次节点上下线可能导致部分键迁移过程中未及时写入新节点。
• 副本更新失败：多副本架构下，某些副本更新异常，也会造成个别副本的脏数据。

3. 业务场景

![ ’ ';/;

• 网络波动或带宽饱和：缓存机房网络不稳定时，更新请求可能丢失。
• 节点频繁重启：缓存集群 rehash 过程中，某节点反复上下线，使部分更新只生效于部分节点。

4. 解决方案

1. 更新失败重试+补偿队列

   • 在写库后，若写缓存失败，立即进行 N 次重试；
   • 若仍失败，将失败的 key 写入消息队列；
   • 缓存恢复后，后台消费队列，删除这些 key；
   • 下一次命中时，由 Cache Aside 机制从 DB 重新加载，保证最终一致性。

2. 缩短缓存有效期

   • 合理调低 TTL，使缓存数据更快过期；
   • 依赖过期后重新加载的方式，实现“最终一致性”保障。

3. 分层缓存替代 Rehash

   • 取消自动 rehash 漂移策略；
   • 采用本地 + 全局两级缓存架构，减少数据迁移带来的脏读风险。

---

二、数据并发竞争

1. 问题描述

高并发场景下，若缓存正好 miss（例如过期、被淘汰），海量请求会同时打到数据库，导致数据库压力骤增，甚至雪崩。

2. 业务场景

• 车票/大促抢购系统：某车次/商品缓存失效后，仍有大量用户查询。
• 社交媒体热度内容：热门微博被淘汰时，继续有大量点赞、评论、转发请求。

3. 解决方案

1. 全局锁（或分布式锁）

   • 缓存 miss 后，先尝试获取与该 key 关联的全局锁；
   • 加锁成功者访问 DB 加载数据并回写缓存；
   • 其余请求若见锁已存在，则等待或自旋，待缓存回填后再读取。

2. 多备份缓存
   

   • 对关键数据在不同缓存节点或不同缓存系统中保留多份；
   • 单个副本过期/淘汰时，其他副本仍可命中，避免热点数据失效引发的“穿透”。

三、小结

• 数据不一致与并发竞争是典型的缓存痛点，解决手段需结合系统特点、成本与复杂度来选型；
• 对于强一致性场景，可优先考虑更新补偿与分布式事务；
• 对于超高读并发场景，锁与多备份方案可以互补使用，以兼顾性能与可用性。