如何保证分布式缓存与数据库的数据一致性？

题目

如何保证分布式缓存与数据库的数据一致性？

信息

• 类型：问答
• 难度：⭐⭐

考点

缓存更新策略,数据一致性设计,分布式系统故障处理

快速回答

保证分布式缓存与数据库数据一致性的核心策略包括：

• Cache-Aside模式：读时加载缓存，写时更新数据库并失效缓存
• 双写策略：更新数据库后同步更新缓存（需事务保证）
• 补偿机制：通过消息队列实现最终一致性
• 过期时间兜底：设置合理的TTL防止长期不一致

关键原则：根据业务场景选择合适的一致性级别（强一致/最终一致），优先考虑失效而非更新缓存。

解析

一、原理说明

分布式缓存与数据库的数据不一致主要源于：1）并发读写导致脏数据 2）操作失败未回滚 3）网络延迟。典型场景如：

• 写后读不一致：线程A更新DB后未及时失效缓存，线程B读取到旧缓存
• 并发写冲突：两个线程同时更新同一条数据，缓存更新时序错乱

二、核心策略与代码示例

1. Cache-Aside（旁路缓存）

// 读操作示例
public User getUser(String id) {
    User user = cache.get(id);
    if (user == null) {
        user = db.query("SELECT * FROM users WHERE id = ?", id);
        if (user != null) {
            cache.set(id, user, 300); // 设置TTL
        }
    }
    return user;
}

// 写操作示例
@Transactional
public void updateUser(User user) {
    db.update(user);  // 先更新数据库
    cache.delete(user.getId());  // 再失效缓存
}

优点：简单通用，读多写少场景高效
风险：并发时可能短暂不一致（如A更新DB后B读旧缓存）

2. 双写策略（Write-Through）

// 结合事务的同步更新
@Transactional
public void updateUser(User user) {
    db.update(user); 
    cache.update(user); // 同步更新缓存
    // 需保证cache.update与db.update在同一事务
}

适用场景：强一致性要求高的业务（如金融账户）
挑战：分布式事务成本高，可用性下降

3. 最终一致性（消息队列）

// 数据库更新后发送事件
@Transactional
public void updateUser(User user) {
    db.update(user);
    messageQueue.send("cache_invalidate", user.getId());
}

// 消费者处理
public void handleMessage(String id) {
    cache.delete(id); // 异步失效缓存
    // 需实现幂等性和重试机制
}

三、最佳实践

• 优先失效而非更新：直接更新缓存易引发并发冲突，失效更安全
• 设置二级兜底：缓存值带版本号或时间戳，读取时校验
• 读写分离设计：写请求直连数据库，读请求走缓存
• 熔断降级：缓存故障时自动切到DB，避免雪崩

四、常见错误

• 先更新缓存后更新DB：DB失败会导致永久不一致
• 无过期时间：缓存永久存在可能传播脏数据
• 忽略重试：缓存失效失败时无补偿机制
• 过度强一致：在可接受延迟的场景使用分布式事务造成性能瓶颈

五、扩展知识

• 一致性哈希：动态扩缩容时减少缓存失效范围
• 布隆过滤器：防止缓存穿透导致DB压力
• 多级缓存：本地缓存+分布式缓存组合（如Caffeine+Redis）
• 数据版本控制：使用Vector Clock等算法解决冲突