共计 1328 个字符，预计需要花费 4 分钟才能阅读完成。
作者：京东批发 于泷
一、背景
在高并发场景中，为避免大量申请间接拜访数据库，缓解数据库压力，罕用的形式个别会减少缓存层起到缓冲作用，缩小数据库压力。引入缓存，就会波及到缓存与数据库中数据如何放弃一致性问题，本文将对几种缓存与数据库保证数据一致性的应用形式进行剖析。 为保障高并发性能，以下剖析场景不思考执行的原子性及加锁等强一致性要求的场景，仅谋求最终一致性。
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，次要针对此场景进行剖析
策略 1：先更新 db，再删除缓存（罕用的 Cache-Aside Pattern 旁路缓存）
问题：
1. 如果更新 db 胜利，删缓存失败，将导致数据不统一
2. 极其场景，申请 A 读，B 写
1) 此时缓存刚好生效 2）A 查库失去旧值 3）B 更新 DB 胜利
4）B 删除缓存 5）A 将查到的旧值更新到缓存中
此场景的产生须要步骤 2）查 db 始终慢于 3）的更新 db，能力导致 4）先于 5）执行，通常 db 的查问是要快于写入的，所以此极其场景的产生过于严格，不易产生
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统一
2. 依据读写比，思考是否有必要频繁同步更新缓存，而且，如果结构缓存中数据过于简单，或者数据更新频繁，然而读取并不频繁的状况，还会造成不必要的性能损耗
此种形式不举荐
策略 3: 先更新缓存, 再更新 db
同上，不举荐
策略 4：先删缓存，再更新 db
先删缓存，尽管解决了策略 1 中，后删缓存如果失败的场景，但也会产生不统一的问题
例如：申请 A 删除缓存，这时申请 B 来查，就会击穿到数据库，B 读取到旧的值后写入缓存，A 失常更新 db, 因为时间差导致数据不统一的状况
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 中的不统一场景，该策略能够将延时工夫内（比方延时 10ms）所造成的缓存脏数据，再次删除。然而，如果延时删缓存失败，策略 4 中不统一问题还会产生，同时延时的实现，如创立线程，或者引入 mq 异步，可能会减少零碎复杂度问题。
策略 6：变种双删，前置缓存过期工夫
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工夫（具体工夫依据本身零碎自身评估，如可笼罩 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 工夫后也能保障缓存中无数据。同时，前置 expire 失败，或者更新 db 失败，都不会影响数据统一。
可能解决策略 4 中的问题：申请 A 删除缓存，这时申请 B 来查，就会击穿到数据库，B 读取到旧的值后写入缓存，A 失常更新 db, 因为时间差导致数据不统一的状况，形容图如下：
本策略中步骤 1 为 expire 缓存，不会产生击穿缓存到数据库的状况, 数据将间接返回。除非更极其状况，如下图:
expire 工夫没有覆盖住更新 db 的耗时，相似策略 1 中极其场景，此处不赘述
四、总结
对于每种计划策略，各有利弊，但一致性问题始终存在（文章结尾排除了原子性和锁），只是产生的几率在一点点缓缓变小了，计划的评估不仅要依据本身零碎的业务场景，如读写比、并发量、一致性容忍度，还要思考零碎复杂度，投入产出比等，寻找最合适的计划。