我们这行都很幽默 ，总说编程就是CV，自黑写程序大部分都是靠复制粘贴。实际上，

只要使用Redis缓存，就必然存在缓存和DB数据一致性问题。若数据不一致，则业务应用从缓存读取的数据就不是最新数据，可能导致严重错误。如将商品库存缓存在Redis，若库存数量不对，则下单时就可能出错，这是难以接受的。

一致性包含如下情况：

缓存有数据缓存的数据值需和DB相同

缓存无数据DB是最新值

不符合这两种情况的，都属于缓存和DB数据不一致。

根据是否接收写请求，可将缓存分成读写缓存和只读缓存。

若要对数据进行增删改，需要在Cache进行。同时根据采取的写回策略，决定是否同步写回DB：

写缓存时，也同步写数据库，缓存和数据库中的数据一致。

写缓存时不同步写DB，等到数据从缓存中淘汰时，再写回DB。使用这种策略时，若数据还没有写回DB，缓存就发生故障，则此时，DB就没有最新数据了。

所以，对于读写缓存，要想保证缓存和DB数据一致，就要采用同步直写。若采用这种策略，就需同时更新缓存和DB。所以，要在业务代码中使用事务，保证缓存和DB更新的原子性，即两者：

要么一起更新

要么都不更新，返回错误信息，进行重试

否则，我们无法实现同步直写。

有些场景下，我们对数据一致性要求不高，比如缓存的是电商商品的非关键属性或短视频的创建或修改时间等，则可以使用异步写回。

新增数据直接写DB

删改数据删改DB，删除只读缓存中的数据

这样应用后续再访问这些增删改的数据时，由于Cache无数据 =》缓存缺失。此时，再从DB把数据读入Cache，这样后续再访问数据时，直接读Cache。

下面我们针对只读缓存，看看具体会遇到哪些问题，又该如何解决。

数据直接写到DB，不操作Cache。此时，Cache本身无新增数据，而DB是最新值，所以，此时缓存和DB数据一致。

此时应用既要更新DB，也要删除Cache。这俩操作若无法保证原子性，就可能出现数据不一致。

综上，在更新DB和删除Cache时，无论这俩操作谁先执行，只要有一个操作失败了，就会导致客户端读到旧值。

那怎么办？好像怎么都会导致数据不一致？

要删除的Cache值

或要更新的DB值

暂存到MQ。

当应用删除Cache或更新DB：

成功把这些值从MQ去除，避免重复操作，这时即可保证DB、Cache数据一致性。

失败重试。从MQ重新读取这些值，然后再次进行删除或更新。若重试超过一定次数，还没成功，就向业务层发送报错信息。

在更新数据库和删除缓存值的过程中，其中一个操作失败了：

若删除缓存失败，再次重试后删除成功

其它情况不再赘述。

即使这两个操作第一次执行时都没有失败，当有大量并发请求时，应用还是有可能读到不一致的数据。按不同的删除和更新顺序，分成两种情况来看

假设条件：

时刻t1< t2 < t3

线程 T1、T2

这咋办？可以考虑如下解决方案：

T1更新完DB后，让它sleep一段时间，再删除Cache。

让T2能先从DB读数据，再把缺失数据写入Cache，然后，T1再进行删除。所以，T1 sleep的时间，就要大于T2读取数据再写入Cache的时间。

业务程序运行时，统计一下线程读数据和写缓存的操作时间，以此估算。确保读请求结束，写请求可删除读请求造成的缓存脏数据。

该策略还要考虑 Cache 和 DB 主从同步的耗时。最后写数据的休眠时间：则在读数据业务逻辑的耗时的基础上，加上几百ms即可。

这样，当其它线程读数据时，会发现Cache未命中，所以从DB读最新值。因为该方案会在第一次删除Cache后，延迟一段时间再删除，所以叫“延迟双删”。

cache.delKey(X) db.update(X) Thread.sleep(N) cache.delKey(X)

设置缓存TTL，是保证最终一致性的解决方案。所有写操作以DB为准，只要到达缓存TTL，则后面的读请求自然都会从DB读最新值，然后回填缓存。

结合【双删策略】+【缓存TTL设置】，这样最差情况就是在TTL时间内数据存在不一致，而且又增加写请求耗时。

操作完DB后，由于某原因删除Cache失败，此时可能出现数据不一致，需提供重试补偿方案：

更新DB

Cache因某异常，删除失败（问题点）

将待删除的K发送至MQ

自己消费消息，获得待删除K

重试删除操作，直到成功（解决问题）

该方案有个缺点，对业务代码侵入性太强，于是有方案二。方案二中，启动一个订阅程序去订阅DB的binlog，获得待操作的数据。在应用程序中，另起一段程序，获得这个订阅程序传来的信息，执行删除Cache操作。

更新DB数据

DB会将操作信息写入binlog日志

订阅程序提取出所需要的数据及K

另起一段非业务代码，获得该信息

尝试删除Cache操作，发现删除失败

将这些信息发送至MQ

重新从MQ获得该数据，重试删除操作

以上方案都是在业务中经常会碰到的场景，可据业务对数据一致性的要求选择具体方案。

电脑

这种情况下，如果其他线程并发读缓存的请求不多，那么，就不会有很多请求读取到旧值。而且，线程A一般也会很快删除缓存值，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。

至此，Cache和DB数据不一致的原因也都有了对应解决方案。

删除Cache或更新DB失败而导致数据不一致重试，确保删除或更新成功

在删除Cache、更新DB这两步操作中，有其他线程的并发读操作，导致其他线程读取到旧值延迟双删

绝大多数场景都会将Redis作为只读缓存：

既可以先删除缓存值再更新数据库

也可以先更新数据库再删除缓存

推荐优先使用先更新数据库再删除缓存：

先删除缓存值再更新数据库，有可能导致请求因缓存缺失而访问数据库，给数据库带来压力

如果业务应用中读取数据库和写缓存的时间不好估算，那么，延迟双删中的等待时间就不好设置

不过，当使用先更新数据库再删除缓存时，也有个地方需要注意，如果业务层要求必须读取一致的数据，那么，我们就需要在更新数据库时，先在Redis缓存客户端暂存并发读请求，等数据库更新完、缓存值删除后，再读取数据，从而保证数据一致性。

在只读缓存中进行数据的删改操作时，需要在缓存中删除相应的缓存值。若此过程不是删除缓存，而是直接更新缓存，效果如何？

这种情况相当于把Redis当做读写缓存使用，删改操作同时操作DB、Cache。

若更新DB成功，但Cache更新失败，此时DB最新值，但缓存旧值，后续读请求会直接命中缓存，得到旧值。

如果更新缓存成功，但数据库更新失败：

缓存中是最新值

数据库中是旧值

后续读请求会直接命中缓存，但得到的是最新值，短期对业务影响不大。但一旦缓存过期或满容后被淘汰，读请求就会从数据库中重新加载旧值到缓存中，之后的读请求会从缓存中得到旧值，对业务产生影响。

针对这种其中一个操作可能失败的情电脑况，类似只读缓存方案，也可使用重试。把第二步操作放入到MQ中，消费者从MQ取出消息，再更新缓存或数据库，成功后把消息从消息队列删除，否则进行重试，以此达到数据库和缓存的最终一致。

也会产生不一致，分为以下4种双写场景。

双写模式下，更新DB有返回值，更新Redis的操作可放到更新DB返回后进行，通过数据库的行锁机制，可以避免更新DB是线程A，B，但更新Redis是线程B，A的情况。

写+读并发。线程A先更新数据库，之后线程B读取数据，此时线程B会命中缓存，读取到旧值，之后线程A更新缓存成功，后续的读请求会命中缓存得到最新值。

这时，线程A未更新完缓存之前，在这期间的读请求会短暂读到旧值，对业务短暂影响。

写+读并发。线程A先更新缓存成功，之后线程B读取数据，此时线程B命中缓存，读取到最新值后返回，之后线程A更新数据库成功。这种场景下，虽然线程A还未更新完数据库，数据库会与缓存存在短暂不一致，但在这之前进来的读请求都能直接命中缓存，获取到最新值，所以对业务没影响。

写+写并发。线程A和线程B同时更新同一条数据，更新数据库的顺序是先A后B，但更新缓存时顺序是先B后A，这会导致数据库和缓存的不一致。

写+写并发。与场景3类似，线程A和线程B同时更新同一条数据，更新缓存的顺序是先A后B，但是更新数据库的顺序是先B后A，这也会导致数据库和缓存的不一致。

场景1和2对业务影响较小，场景3和4会造成数据库和缓存不一致，影响较大。即读写缓存下，写+读并发对业务的影响较小，而写+写并发时，会造成数据库和缓存的不一致。

针对场景3、4解决方案：对于写请求，配合分布式锁。写请求进来时，针对同一资源的修改操作，先加分布式锁，这样同一时间只允许一个线程去更新DB和Cache，没有拿到锁的线程把操作放入到MQ，延时处理。这样保证多个线程操作同一资源的顺序性，以此保证一致性。

综上，使用读写缓存同时操作数据库和缓存时，因为其中一个操作失败导致不一致的问题，同样可以通过MQ重试解决。而在并发的场景下，读+写并发对业务没有影响或者影响较小，而写+写并发时需要配合分布式锁的使用，才能保证缓存和数据库的一致性。

另外，读写缓存模式由于会同时更新数据库和缓存：

优点缓存一直会有数据。若更新后立即访问，可直接命中缓存，能降低读请求对DB的压力（没有只读缓存的删除缓存导致缓存缺失和再加载的过程）

缺点若更新后的数据，之后很少再被访问到，会导致缓存中保留的不是最热数据，缓存利用率不高（只读缓存中保留的都是热数据）

所以读写缓存比较适合用于读写相当的业务场景。

快为你的项目选择一套合适的方案吧~