只要使用Redis做缓存，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。比如将商品的库存缓存在Redis，若库存数量不对，则下单时就可能出错，这是不能接受的。

1 什么是缓存和DB的数据一致性

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必须是最新值

不符合这两种情况的，都属于缓存和DB数据不一致。

2 缓存的读写模式

根据是否接收写请求，可将缓存分成读写缓存和只读缓存。

2.1 读写缓存

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：

2.1.1 同步直写

写缓存时，也同步写数据库，缓存和数据库中的数据一致。

2.1.2 异步写回

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。

2.2 只读缓存

• 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。

3 新增数据

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。

4 删改数据

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。

4.1 先删Cache，再更新DB

4.2 先更新DB，再删除Cache

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？

5 数据不一致的解决方案

5.1 无并发

重试

将：

• 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：

先更新DB，再删除缓存

• 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

5.2 高并发

5.2.1 先删除Cache，再更新DB

假设现有时刻t1< t2 < t3，线程 T1、T2：

	T1	T2	问题
t1	删除缓存 X 的缓存值
t2		1. 读取数据，缓存缺失， 从 DB 读 X，读到旧值 2.把数据 X 写入缓存	1.T1 尚未更新 DB，导致 T2 读到旧值 2.T2 把旧值写入缓存，导致其它线程可能读到旧值
t3	更新DB 中的 X		缓存中是旧值，DB 是新值，二者不一致

此时，该怎么办呢？

解决方案

T1更新完DB后，让它sleep一段时间，再删除缓存。

为什么要sleep一段时间呢？

为了让T2能够先从DB读数据，再把缺失数据写入缓存，然后，T1再进行删除。
所以，T1 sleep的时间，就需要大于T2读取数据再写入缓存的时间。

这个时间怎么确定？

在业务程序运行时，统计下线程读数据和写缓存的操作时间，以此为基础来进行估算。

这样，当其它线程读数据时，会发现缓存缺失，所以会从DB读最新值。因为这个方案会在第一次删除缓存值后，延迟一段时间再次进行删除，所以称为“延迟双删”。

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

5.2.2 先更新DB，再删除Cache

	T1	T2	问题
t1	删除 DB 的数据 X
t2		读数据X，Cache命中， 从Cache读X，读到旧值	T1 尚未删除 Cache 导致 T2 读到 Cache 旧值
t3	删除 Cache的数据 X

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。

6 直接更新 Cache

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。

6.1 无并发

先更新数据库，再更新缓存

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。

先更新缓存，再更新数据库

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。

6.2 并发读写

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。

先更新数据库，再更新缓存

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。

先更新缓存，再更新数据库

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。

先更新数据库，再更新缓存

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。

先更新缓存，再更新数据库

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。

总结

延时双删策略

写DB前后都执行redis.del(key)，并设定合理超时时间。

执行流程

1. 先删除缓存
2. 再写数据库
3. 休眠xx毫秒（根据具体业务时间）
4. 再次删除缓存

xx毫秒怎么确定？

需要评估项目读数据业务逻辑耗时,以确保读请求结束，写请求可删除读请求造成的缓存脏数据。

该策略还要考虑 redis 和数据库主从同步的耗时。最后的写数据的休眠时间：则在读数据业务逻辑的耗时的基础上，加上几百ms即可。比如：休眠1秒。

设置缓存过期时间

理论上，设置缓存过期时间，是保证最终一致性的解决方案。
所有的写操作以DB为准，只要到达缓存过期时间，则后面的读请求自然会从DB读取新值，然后回填缓存。

结合双删策略+缓存超时设置，这样最差的情况就是在超时时间内数据存在不一致，而且又增加写请求耗时。

写完数据库后，再次删除缓存成功保证

上述的方案有一个缺点，那就是操作完数据库后，由于种种原因删除缓存失败，这时，可能就会出现数据不一致的情况。
需提供保障重试方案。

方案一

具体流程

1. 更新数据库数据
2. 缓存因为种种问题删除失败
3. 将需要删除的key发送至消息队列
4. 自己消费消息，获得需要删除的key
5. 继续重试删除操作，直到成功

然而，该方案有一个缺点，对业务线代码造成大量的侵入。于是有了方案二。
在方案二中，启动一个订阅程序去订阅数据库的binlog，获得需要操作的数据。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，进行删除缓存操作。

方案二

具体流程

1. 更新数据库数据
2. 数据库会将操作信息写入binlog日志当中
3. 订阅程序提取出所需要的数据以及key
4. 另起一段非业务代码，获得该信息
5. 尝试删除缓存操作，发现删除失败
6. 将这些信息发送至消息队列
7. 重新从消息队列中获得该数据，重试操作。

以上方案都是在业务中经常会碰到的场景，可以依据业务场景的复杂和对数据一致性的要求来选择具体的方案。