缓存的作用

在公司刚起步，业务量比较小的时候。对于系统的读写请求，我们一般的做法都是直接操作数据库。但是随着业务体量的不断增长，用户请求增多，这时候只用数据库处理业务是不够的，存在着「性能问题」。业内通用做法就是引入「缓存」。

缓存可以提升性能，缓解数据库压力，但是使用缓存也会出现「缓存和数据库数据不一致」的问题。

如果数据不一致，就会导致应用在缓存中读取的不是最新的数据，这显然是不能接受的。在解决这个问题之前，我们首先要了解：「导致缓存和数据库双写不一致」的原因。

缓存和数据库双写不一致的原因

我们先来看看缓存和数据库一致性定义：

缓存中有数据，且和数据库数据一致；
缓存中无数据，数据库数据是最新的。

那么不符合这两种情况就属于缓存和数据库不一致的问题了。

当客户端发送一个数据修改的请求，我们不仅要修改数据库，还要一并操作（修改/删除）缓存。对数据库和缓存的操作又存在一个顺序的问题：到底是先操作数据库还是先操作缓存。

下面我们以客户端向 MySQL 中删改数据为例来分析数据不一致的情况。

先不考虑并发问题，正常情况下，无论谁先谁后，都可以让两者保持一致，但现在我们需要重点考虑异常情况。

此时应用既要修改数据库也要修改缓存（删除和修改的影响是类似的，方便起见，下面只描述修改操作）的数据。

这里有两种场景我们分别来看下：

先修改缓存，再修改数据库
先修改数据库，再修改缓存

我们假设应用先修改缓存，再修改数据库。如果缓存修改成功，但是数据库操作失败，那么，应用再访问数据时，缓存中的值是正确的，但是一旦缓存中「数据失效」或者「缓存宕机」，然后，应用再访问数据库，此时数据库中的值为旧值，应用就访问到旧值了。

如果我们先更新数据库，再更新缓存中的值，是不是就可以解决这个问题呢？我们继续分析。

如果应用先完成了数据库的更新，但是，在更新缓存时失败了。那么，数据库中的值是新值，而缓存中的是旧值，这肯定是不一致的。

这个时候，如果有其他的并发请求来访问数据，按照正常的访问流程，就会先在缓存中查询，此时，就会读到旧值了。

好了，到这里，我们可以看到，在操作数据库和更新缓存值的过程中，无论这两个操作的执行顺序谁先谁后，只要「第二步的操作」失败了，就会导致客户端读取到旧值。

我们继续分析，除了「第二步操作失败」的问题，还有什么场景会影响数据一致性：并发问题。

并发引发的一致性问题

这里列出来所有策略，并且对删除和修改操作分开讨论：

先更新数据库，后更新缓存
先更新缓存，后更新数据库
先更新数据库，后删除缓存
先删除缓存，后更新数据库

先更新数据库，后更新缓存

假设我们采用「先更新数据库，后更新缓存」的方案，并且在两步都可以成功执行的前提下，如果存在并发，情况会是怎样的呢？

有线程 A 和线程 B 两个线程，需要更新「同一条」数据 x，可能会发生这样的场景：

线程 A 更新数据库（x = 1）
线程 B 更新数据库（x = 2）
线程 B 更新缓存（x = 2）
线程 A 更新缓存（x = 1）

最后我们发现，数据库中的 x 是 2，而缓存中是 1 。显然是不一致的。

另外这种场景一般是不推荐使用的。因为某些业务因素，最后写到缓存中的值并不是和数据库是一致的，可能需要一系列计算得出的，最后才把这个值写到缓存中；如果此时有大量的对数据库进行写数据的请求，但是读请求并不多，那么此时如果每次写请求都更新一下缓存，那么性能损耗是非常大的。

比如现在数据库中 x=1，此时我们有 10 个请求对其每次加 1 的操作。但是这期间并没有读操作进来，如果用了先更新数据库的办法，那么此时就会有10个请求对缓存进行更新，会有大量的冷数据产生。

至于「先更新缓存，后更新数据库」这种情况和上述问题的是一致的，我们就不在继续讨论。

不管是先修改缓存还是后修改缓存，这样不仅对缓存的利用率不高，还浪费了机器性能。所以此时我们需要考虑另外一种方案：删除缓存。

先删除缓存，后更新数据库

假设有两个线程：线程A（更新 x ），线程B（读取 x ）。可能会发生如下场景：

线程 A 先删除缓存中的 x ，然后去数据库进行更新操作；
线程B 此时来读取 x，发现数据不在缓存，查询数据库并补录到缓存中；
而此时线程 A 的事务还未提交。

这个时候「先删除缓存，后更新数据库」仍会产生数据库与缓存的不一致问题。

先更新数据库，后删除缓存

我们还用两个线程：线程 A（更新 x ），线程B（读取 x ）举例。

线程 A 要把数据 x 的值从 1更新为 2，首先先成功更新了数据库；
线程 B 需要读取 x 的值，但线程 A 还没有把新的值更新到缓存中；
这个时候线程 B 读到的还是旧数据 1；

不过，这种情况发生的概率很小，线程 A 会很快删除缓存中值。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。所以，这种情况对业务的影响较小。

由此，我们可以采用这种方案，来尽量避免数据库和缓存在并发情况下的一致性问题。

下面，我们继续分析「第二步操作失败」，我们该如何处理？

如何保证「第二步操作失败」的双写一致？

前面我们分析到，无论是「更新缓存」还是「删除缓存」，只要第二步发生失败，那么就会导致数据库和缓存不一致。

这里的关键在于如何保证第二步执行成功。

首先，介绍一种方法：「基于消息队列的重试机制」。

具体来说，就是把「第二步」（操作缓存，或者操作数据库）的请求暂存到队列中。通过消费队列来重新处理这些请求。

流程如下：

请求 A 先对数据库进行更新操作；
在对 Redis 进行删除操作的时候发现删除失败；
此时将 对 Redis 的删除操作 作为消息体发送到消息队列中；
系统接收到消息队列发送的消息，再次对 Redis 进行删除操作。

消息队列的两个特性满足了我们重试的需求：

保证可靠性：写到队列中的消息，成功消费之前不会丢失（重启项目也不担心）；
保证消息成功投递：下游从队列拉取消息，成功消费后才会删除消息，否则还会继续投递消息给消费者（符合我们重试的场景）。

引入队列带来的问题：

业务代码造成大量的侵入，同时增加了维护成本；
写队列时也会存在失败的问题。

对于这两个问题，第一个，我们在项目中一般都会用到消息队列，维护成本并没有新增很多。而且对于同时写队列和缓存都失败的概率还是很小的。

如果是实在不想在应用中使用队列重试的，目前也有比较流行的解决方案：订阅数据库变更日志，再操作缓存。我们对MySQL 数据库进行更新操作后，在binlog 日志中我们都能够找到相应的操作，那么我们可以订阅 MySQL 数据库的 binlog 日志对缓存进行操作。

订阅变更日志，目前也有了比较成熟的开源中间件，例如阿里的 canal。

大概流程如下：

系统修改数据库，生成 binlog 日志；
canal 订阅这个日志，获取具体的操作数据，投递给消息队列；
通过消息队列，删除缓存中的数据。

总结：推荐采用「先更新数据库，再删除缓存」方案，并配合「消息队列」或「订阅变更日志」的方式来保证数据库和缓存一致性。

如何保证并发场景下的数据一致性

我们前面分析，在并发场景下，「先删除缓存，再更新数据库」，由于存在网络延迟等，可能会存在数据不一致问题。我再把上面的图贴过来。

这个问题的核心在于：缓存都被种了「旧值」。

解决这种问题，最有效的办法就是，把缓存删掉。但是，不能立即删，而是需要「延迟删」，这就是业界给出的方案：缓存延迟双删策略。

在线程 A 更新完数据库值以后，我们可以让它先 sleep 一小段时间，再进行一次缓存删除操作。

之所以要加上 sleep 的这段时间，就是为了让线程 B 能够先从数据库读取数据，再把缺失的数据写入缓存，然后，线程 A 再进行删除。

但问题来了，这个「延迟删除」缓存，延迟时间到底设置要多久呢？
线程 A sleep 的时间，需要大于线程 B 读取数据再写入缓存的时间。这需要在实际业务运行时估算。

除此之外，其实还有一种场景也会出现不一致问题：如果数据库采用读写分离架构，主从同步之间也会有时间差，也可能会导致不一致：

线程 A 更新主库 x = 2（原值 x = 1）；
线程 A 删除缓存；
线程 B 查询缓存，没有命中，查询「从库」得到旧值（从库 x = 1）；
从库「同步」完成（主从库 x = 2）;
线程 B 将「旧值」写入缓存（x = 1）。

最终缓存中的 x 是旧值 1，而主从库最终值是新值 2。发生了数据不一致问题。

针对该问题的解决办法是，对于线程 B 的这种查询操作，可以强制将其指向主库进行查询，也可以使用上述「延迟删除」策略解决。

采用这种方案，也只是尽可能保证一致性而已，极端情况下，还是有可能发生不一致。

所以实际使用中，还是建议采用「先更新数据库，再删除缓存」的方案，同时，要尽可能地保证「主从复制」不要有太大延迟，降低出问题的概率。

总结

系统引入缓存提高应用性能问题
引入缓存后，需要考虑缓存和数据库双写一致性问题，可选的方案有：「更新数据库 + 更新缓存」、「更新数据库 + 删除缓存」
不管哪种方案，只要第二步操作失败，都无法保证数据的一致性，针对这类问题，可以通过消息队列重试解决
「更新数据库 + 更新缓存」方案，在「并发」场景下无法保证缓存和数据一致性，且存在「缓存资源浪费」和「机器性能浪费」的情况发生，一般不建议使用
在「更新数据库+删除缓存」的方案中，「先删除缓存，再更新数据库」在「并发」场景下依旧有数据不一致问题，解决方案是「延迟双删」，但这个延迟时间很难评估，所以推荐用「先更新数据库，再删除缓存」的方案
在「先更新数据库，再删除缓存」方案下，为了保证两步都成功执行，需配合「消息队列」或「订阅变更日志」的方案来做，本质是通过「重试」的方式保证数据一致性
在「先更新数据库，再删除缓存」方案下，「读写分离 + 主从库延迟」也会导致缓存和数据库不一致，缓解此问题的方案是「强制读主库」或者「延迟双删」，凭借经验发送「延迟消息」到队列中，延迟删除缓存，同时也要控制主从库延迟，尽可能降低不一致发生的概率。