小编点评

## 缓存与数据库保证数据一致性使用方式分析 **2. 读取过程** * 1. 如果缓存里没有值，那就读取数据库的值 * 2. 同时把这个值写进缓存中 **3. 更新过程** * 1.并发更新场景下，更新缓存会导致数据不一致 * 2. 考虑是否有必要频繁同步更新缓存，而且，如果构造缓存中数据过于复杂，或者数据更新频繁，但是读取并不频繁的情况，还会造成不必要的性能损耗 * 3. 先更新缓存,再更新db 同样，不推荐策略4：先删缓存，再更新db * 4. 先更新缓存,再更新db同上，不推荐策略5：缓存延时双删 * 5. 缓存延时双删，兼容了策略1和策略4，解决了先删缓存还是后删缓存的问题，但如果延时删缓存失败，策略4中不一致问题还会发生，同时延时的实现，如创建线程，或者引入mq异步，可能会增加系统复杂度问题 **6. 总结** * 策略1：先更新db，再删除缓存，适用于并发更新场景下缓存失效时 * 策略2：先更新db,再更新缓存，适用于一致性问题可能发生，但频繁同步更新缓存 * 策略3：先更新缓存,再更新db，适用于数据复杂度高且读取频繁的情况 * 策略4：先删缓存，再更新db，适用于先删缓存还是后删缓存的问题，但如果延时删缓存失败，策略4中不一致问题可能会发生 * 策略5：缓存延时双删，适用于缓存数据过期时间充足，但可能会影响并发性能的场景 * 策略6：变种双删，可解决策略4中数据更新失败的情况，但需要设置缓存数据过期时间

正文

作者：京东零售 于泷

一、背景

在高并发场景中，为防止大量请求直接访问数据库，缓解数据库压力，常用的方式一般会增加缓存层起到缓冲作用，减少数据库压力。引入缓存，就会涉及到缓存与数据库中数据如何保持一致性问题，本文将对几种缓存与数据库保证数据一致性的使用方式进行分析。为保证高并发性能，以下分析场景不考虑执行的原子性及加锁等强一致性要求的场景，仅追求最终一致性。

二、读取过程

• 读缓存

• 如果缓存里没有值，那就读取数据库的值

• 同时把这个值写进缓存中

三、更新过程

更新操作有多种策略，各有优劣，主要针对此场景进行分析

策略1：先更新db，再删除缓存（常用的Cache-Aside Pattern旁路缓存）

问题：

1.如果更新db成功，删缓存失败，将导致数据不一致

2.极端场景，请求A读，B写

1)此时缓存刚好失效 2）A查库得到旧值 3）B更新DB成功

4）B删除缓存 5）A将查到的旧值更新到缓存中

此场景的发生需要步骤2）查db 始终慢于 3）的更新db，才能导致4）先于5）执行，通常db的查询是要快于写入的，所以此极端场景的产生过于严格，不易发生

策略2：先更新db,再更新缓存

问题：

1.并发更新场景下，更新缓存会导致数据不一致

2.根据读写比，考虑是否有必要频繁同步更新缓存，而且，如果构造缓存中数据过于复杂，或者数据更新频繁，但是读取并不频繁的情况，还会造成不必要的性能损耗

此种方式不推荐

策略3:先更新缓存,再更新db

同上，不推荐

策略4：先删缓存，再更新db

先删缓存，虽然解决了策略1中，后删缓存如果失败的场景，但也会发生不一致的问题

例如：请求 A 删除缓存，这时请求B来查，就会击穿到数据库，B读取到旧的值后写入缓存，A正常更新db,由于时间差导致数据不一致的情况

策略5：缓存延时双删

该策略兼容了策略1和策略4,解决了先删缓存还是后删缓存的问题，如策略1中，更新db后删缓存失败和策略4中的不一致场景，该策略可以将延时时间内（比如延时10ms）所造成的缓存脏数据，再次删除。但是，如果延时删缓存失败，策略4中不一致问题还会发生，同时延时的实现，如创建线程，或者引入mq异步，可能会增加系统复杂度问题。

策略6：变种双删，前置缓存过期时间

该策略针对策略1中后删缓存失败的场景，前置一层缓存数据过期时间（具体时间根据自身系统本身评估，如可覆盖db读写耗时或一致性容忍度等），更新db后就算删缓存失败，在expire时间后也能保证缓存中无数据。同时，前置expire失败，或者更新db失败，都不会影响数据一致。

能够解决策略4中的问题：请求 A 删除缓存，这时请求B来查，就会击穿到数据库，B读取到旧的值后写入缓存，A正常更新db,由于时间差导致数据不一致的情况，描述图如下：

本策略中步骤1为expire缓存，不会发生击穿缓存到数据库的情况,数据将直接返回。除非更极端情况，如下图:

expire时间没有覆盖住更新db的耗时，类似策略1中极端场景，此处不赘述

四、总结

对于每种方案策略，各有利弊，但一致性问题始终存在（文章开头排除了原子性和锁），只是发生的几率在一点点慢慢变小了，方案的评估不仅要根据自身系统的业务场景，如读写比、并发量、一致性容忍度，还要考虑系统复杂度，投入产出比等，寻找最合适的方案。