缓存一致性方案

AI生成声明: 本文档由AI辅助生成，旨在提供缓存一致性方案的完整指南。

缓存一致性是分布式系统中的经典问题，如何在保证性能的同时保证数据一致性是系统设计的难点。

核心问题

一致性级别

1. 强一致性

   • 缓存和数据库完全一致
   • 性能最低
   • 实现复杂

2. 最终一致性

   • 允许短暂不一致
   • 最终会一致
   • 性能较高

3. 弱一致性

   • 不保证一致性
   • 性能最高
   • 可能读取到旧数据

一致性方案

1. 删除缓存策略

先更新数据库，后删除缓存：

// 更新数据库
database.update(key, value);
// 删除缓存
cache.delete(key);

优点：

• 实现简单
• 性能较好

缺点：

• 可能出现短暂不一致

2. 更新缓存策略

先更新数据库，后更新缓存：

// 更新数据库
database.update(key, value);
// 更新缓存
cache.update(key, value);

优点：

• 缓存始终有效
• 减少缓存穿透

缺点：

• 可能更新非热点数据
• 浪费内存

3. 延迟双删策略

// 第一次删除
cache.delete(key);
// 更新数据库
database.update(key, value);
// 延迟删除
Thread.sleep(500);
cache.delete(key);

目的：

• 解决并发问题
• 保证最终一致性

4. 消息队列方案

// 更新数据库
database.update(key, value);
// 发送消息
messageQueue.send(new CacheUpdateMessage(key));

消费者：

// 消费消息
public void consume(CacheUpdateMessage message) {
    cache.delete(message.getKey());
}

优点：

• 解耦
• 保证最终一致性
• 支持重试

并发场景处理

场景1：读写并发

线程A: 更新数据库 (value=1)
线程B: 读取缓存（未命中）
线程B: 读取数据库（value=1）
线程A: 删除缓存
线程B: 写入缓存（value=1）
结果: 缓存是旧值

解决：

• 使用分布式锁
• 或接受短暂不一致

场景2：写写并发

线程A: 更新数据库 (value=1)
线程B: 更新数据库 (value=2)
线程B: 删除缓存
线程A: 删除缓存
结果: 缓存为空，下次读取到value=2 ✓

结果：

• 最终一致
• 可以接受

最佳实践

1. 根据业务选择策略

   • 强一致性：金融场景
   • 最终一致性：大多数场景
   • 弱一致性：统计场景

2. 设置合理的过期时间

   • 平衡一致性和性能
   • 根据数据更新频率

3. 使用版本号

   • 缓存带版本号
   • 比较版本决定是否更新

4. 监控和告警

   • 监控缓存命中率
   • 检测数据不一致

常见面试题

1. 如何保证缓存一致性？

   • 删除缓存策略
   • 更新缓存策略
   • 消息队列方案

2. 最终一致性的实现？

   • 延迟双删
   • 消息队列
   • 定时刷新

3. 强一致性的代价？

   • 性能下降
   • 实现复杂
   • 需要分布式事务