014-blog

Appearance

Redis 缓存与数据库一致性 ​

通俗讲解：缓存和数据库，如何保持一致？

问题引入：为什么会出现不一致？ ​

一、缓存读写模式 ​

1. 先写缓存，还是先写数据库？ ​

问题：更新数据时，先更新缓存还是先更新数据库？

2. 旁路缓存模式（Cache-Aside） ​

二、保证一致性的方案 ​

方案一：延迟双删 ​

解决方案：延迟双删

代码实现：

java
public void updateUser(User user) {
    // 1. 删除缓存
    redis.del("user:" + user.getId());
    
    // 2. 更新数据库
    userMapper.update(user);
    
    // 3. 延迟双删（等待线程B把脏数据写入缓存后再删除）
    threadPool.execute(() -> {
        try {
            Thread.sleep(500);
            redis.del("user:" + user.getId());
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
        }
    });
}

方案二：分布式锁 ​

代码实现：

java
public void updateUserWithLock(User user) {
    String lockKey = "lock:user:" + user.getId();
    RLock lock = redissonClient.getLock(lockKey);
    
    try {
        // 获取锁（等待10秒，持有30秒）
        if (lock.tryLock(10, 30, TimeUnit.SECONDS)) {
            try {
                // 1. 更新数据库
                userMapper.update(user);
                
                // 2. 删除缓存
                redis.del("user:" + user.getId());
            } finally {
                lock.unlock();
            }
        }
    } catch (InterruptedException e) {
        Thread.currentThread().interrupt();
    }
}

方案三：订阅 Binlog（Canal） ​

代码实现：

java
@CanalMessageListener(topic = "mysql.product")
public void handleProductChange(CanalEntry.Entry entry) {
    CanalEntry.RowChange rowChange = CanalEntry.RowChange.parseFrom(entry.getStoreValue());
    
    for (CanalEntry.RowData rowData : rowChange.getRowDatasList()) {
        if (rowChange.getEventType() == CanalEntry.EventType.UPDATE) {
            // 获取更新后的 id
            Long id = null;
            for (Column column : rowData.getAfterColumnsList()) {
                if ("id".equals(column.getName())) {
                    id = Long.parseLong(column.getValue());
                }
            }
            if (id != null) {
                // 删除缓存，触发重新加载
                redis.del("product:" + id);
            }
        }
    }
}

三、一致性强度对比 ​

方案一致性性能复杂度适用场景
延迟双删最终一致高低大多数场景
分布式锁强一致低中并发较高
Binlog 订阅最终一致高高大型分布式
直接更新缓存可能不一致高低不推荐

四、实际项目推荐方案 ​

五、一句话总结 ​

缓存一致性核心原则：

  1. 写操作：先写数据库，再删缓存
  2. 删除缓存失败：使用延迟双删兜底
  3. 并发场景：使用分布式锁保证原子性
  4. 大型系统：使用 Canal 订阅 Binlog 异步同步

记住：缓存是用来"加速"的，不是用来"持久化"的！

六、常见面试题 ​

Q1：为什么是删除缓存，而不是更新缓存？ ​

Q2：延迟双删的延迟时间怎么设置？ ​

经验值：500ms - 1s

考虑因素：

  • 线程B 读取数据库的时间（通常几百毫秒）
  • 系统负载
  • 业务对一致性的要求

简单理解：等待线程B把脏数据写入缓存后，再删除

Q3：可以只用缓存，不走数据库吗？ ​

不能！缓存的特点：

  • 内存存储，可能丢失
  • 数据是 DB 的副本，不是源数据
  • 必须以数据库为准