最近，有個(gè)小伙伴美團(tuán)，2面又遇到了這個(gè)問(wèn)題。

這里，給大家梳理一個(gè)科書(shū)式的答案。

首先，什么是Cache-Aside Pattern（旁路緩存模式）？

Cache-Aside Pattern（旁路緩存）模式，又叫旁路路由策略，在這種模式中，讀取緩存、讀取數(shù)據(jù)庫(kù)和更新緩存的操作都是在應(yīng)用程序中完成。此模式是業(yè)務(wù)系統(tǒng)最常用的緩存策略。

旁路緩存又模式分為讀緩存和寫(xiě)緩存。

旁路緩存模式在讀的時(shí)候，先讀緩存，緩存命中的話(huà)，直接返回?cái)?shù)據(jù)；如果緩存沒(méi)有命中的話(huà)，就去讀數(shù)據(jù)庫(kù)，從數(shù)據(jù)庫(kù)取出數(shù)據(jù)，放入緩存后，同時(shí)返回響應(yīng)。

Cache-Aside Pattern（旁路緩存）模式讀操作流程，具體如下：

• step 1：應(yīng)用程序接收用戶(hù)的數(shù)據(jù)查詢(xún)的請(qǐng)求；

• step 2：應(yīng)用程序優(yōu)先從緩存查找數(shù)據(jù)；

• step 3：如果存在（cache hit），從緩存上查詢(xún)出來(lái)，返回查詢(xún)到數(shù)據(jù)；

• Step 4：如果不存在（cache miss），從數(shù)據(jù)庫(kù)中查詢(xún)數(shù)據(jù)并存入緩存中，返回查詢(xún)到數(shù)據(jù)。

Cache-Aside Pattern（旁路緩存）模式讀操作流程，具體如下圖所示：

圖：Cache-Aside Pattern（旁路緩存）模式讀操作流程

Cache-Aside Pattern（旁路緩存）模式寫(xiě)操作流程，具體如下：

• step 1：接收用戶(hù)的數(shù)據(jù)寫(xiě)入的請(qǐng)求；

• step 2：先寫(xiě)入數(shù)據(jù)庫(kù)；

• step 3：再寫(xiě)入緩存。

Cache-Aside Pattern（旁路緩存）模式寫(xiě)操作流程，具體如下圖所示：

圖：Cache-Aside Pattern（旁路緩存）模式寫(xiě)操作流程

數(shù)據(jù)什么時(shí)候從數(shù)據(jù)庫(kù)（如Mysql集群）加載到緩存（如Redis集群）呢？有以下兩種加載模式可被選擇：懶漢模式、餓漢模式。懶漢模式、餓漢模式可以理解為及時(shí)加載模式、延遲加載模式。

所謂懶漢模式，就會(huì)在使用時(shí)臨時(shí)加載緩存。具體來(lái)說(shuō)，就是當(dāng)需要使用數(shù)據(jù)時(shí)，就從數(shù)據(jù)庫(kù)中把它查詢(xún)出來(lái)，然后寫(xiě)入緩存。第一次查詢(xún)之后，后續(xù)的請(qǐng)求都能從緩存中查詢(xún)到數(shù)據(jù)。

所謂餓漢模式，就是提前預(yù)加載緩存。具體來(lái)說(shuō)，在項(xiàng)目啟動(dòng)的時(shí)候，預(yù)加載數(shù)據(jù)到緩存。當(dāng)需要使用數(shù)據(jù)時(shí)，能直接從緩存獲取數(shù)據(jù)，而不需要從數(shù)據(jù)獲取。

餓漢模式，提前預(yù)加載數(shù)據(jù)到緩存的時(shí)機(jī)，能極大地提升請(qǐng)求處理的性能力，極大地提升系統(tǒng)的吞吐量。此模式，適合于緩存那些不是經(jīng)常變更的數(shù)據(jù)（例如商品類(lèi)目數(shù)據(jù)），或者那些訪(fǎng)問(wèn)非常頻繁的極熱數(shù)據(jù)（例如秒殺商品數(shù)據(jù)）。

Cache-Aside如何保證雙寫(xiě)的數(shù)據(jù)一致性？

Cache-Aside是日常開(kāi)發(fā)中使用最多的緩存層高并發(fā)訪(fǎng)問(wèn)模式。所以，面試官也喜歡圍繞這種模式進(jìn)行發(fā)問(wèn)。一個(gè)非常高頻的問(wèn)題是：Cache-Aside在寫(xiě)入的時(shí)候，為什么是刪除緩存而不是更新緩存呢。而且，很多大廠也喜歡問(wèn)這個(gè)領(lǐng)域的問(wèn)題，下面就是一道來(lái)自于社群的美團(tuán)真題。

美團(tuán)面試題

Cache-Aside如何保證DB和Cache雙寫(xiě)的數(shù)據(jù)一致性？

要完美的回答這個(gè)問(wèn)題，咱們把Cache-Aside模式（旁路緩存模式）下的DB和Cache雙寫(xiě)的策略，做一個(gè)系統(tǒng)化的梳理，大概分為如下五大策略。

• 策略一：先更數(shù)據(jù)庫(kù)，再更緩存

• 策略二：先刪緩存，再更新數(shù)據(jù)庫(kù)

• 策略三：先更數(shù)據(jù)庫(kù)，再刪緩存

• 策略四：延遲雙刪策略

• 策略五：邏輯刪除策略

• 策略六：先更數(shù)據(jù)庫(kù)，再基于隊(duì)列刪緩存

如果能在面試的時(shí)候，把其中每一種策略的角色功能、適用場(chǎng)景、執(zhí)行流程、優(yōu)勢(shì)弱點(diǎn)、改進(jìn)策略進(jìn)行系統(tǒng)化、體系化的陳述，無(wú)論是那個(gè)廠，無(wú)論是什么頂級(jí)的大廠，一定會(huì)對(duì)候選人的能力有十分的認(rèn)可。

這里的內(nèi)容，來(lái)自于《Java高并發(fā)核心編程 卷3加強(qiáng)版》

有關(guān)6中策略的代碼實(shí)操介紹，請(qǐng)參見(jiàn) 100Wqps三級(jí)緩存組件實(shí)操

策略一：先更數(shù)據(jù)庫(kù)，再更緩存

在實(shí)際的業(yè)務(wù)場(chǎng)景中，一種常見(jiàn)的并發(fā)場(chǎng)景是：微服務(wù)Provider實(shí)例A、B同時(shí)進(jìn)行同一個(gè)數(shù)據(jù)的更新操作。按照先更數(shù)據(jù)庫(kù)，再更緩存的策略，則微服務(wù)Provider實(shí)例A、B可能會(huì)出現(xiàn)下面的執(zhí)行次序：

• step 1：微服務(wù)A去執(zhí)行update DB

• step 2：微服務(wù)B去執(zhí)行update DB

• step 3：微服務(wù)B去執(zhí)行update Cache

• step 4：微服務(wù)A去執(zhí)行update Cache

上面的執(zhí)行流程，具體如下圖所示：

圖：先更數(shù)據(jù)庫(kù)，再更緩存的并發(fā)執(zhí)行案例

上面的執(zhí)行流程，是典型的并發(fā)寫(xiě)入場(chǎng)景。

在圖中的并發(fā)寫(xiě)入的場(chǎng)景中，Provider A進(jìn)行數(shù)據(jù)的寫(xiě)入，Provider B也進(jìn)行數(shù)據(jù)的寫(xiě)入。

最終的結(jié)果是：DB中的數(shù)據(jù)是Provider B的數(shù)據(jù)，Cache中的數(shù)據(jù)是Provider A的數(shù)據(jù)，出現(xiàn)DB和Cache數(shù)據(jù)不一致問(wèn)題。

具體的原因是：Provider B的更新在Cache中的數(shù)據(jù)，被Provider A的更新在Cache中的數(shù)據(jù)覆蓋了。DB的更新次序先A后B，理論上Cache中的數(shù)據(jù)更新也應(yīng)該是先A后B。理論上，最終Cache中的數(shù)據(jù)應(yīng)該是Provider B的數(shù)據(jù)，而不是Provider A的數(shù)據(jù)。所以，在流程執(zhí)行完畢后，緩存中的Provider A的數(shù)據(jù)為臟數(shù)據(jù)。

而之出現(xiàn)這個(gè)問(wèn)題，是因?yàn)橐陨狭鞒讨衧tep 3與step 4的執(zhí)行均為操作緩存，都是高并發(fā)的操作，很難保證先后次序，所以緩存出現(xiàn)臟數(shù)據(jù)的概率很大。

為何不更新緩存而是刪除緩存？

核心面試題

一個(gè)非常高頻的問(wèn)題是：Cache-Aside在寫(xiě)入的時(shí)候，為什么是刪除緩存而不是更新緩存呢？

回到上一節(jié)的例子，在圖中的并發(fā)寫(xiě)入的場(chǎng)景中，Provider A進(jìn)行數(shù)據(jù)的寫(xiě)入，Provider B也進(jìn)行數(shù)據(jù)的寫(xiě)入。

在這個(gè)例子中，寫(xiě)入DB的次序如下：

• Provider A先發(fā)起一個(gè)寫(xiě)操作，第一步先更新數(shù)據(jù)庫(kù)

• Provider B再發(fā)起一個(gè)寫(xiě)操作，第二步更新了數(shù)據(jù)庫(kù)

現(xiàn)在，由于分布式系統(tǒng)，無(wú)法保證并發(fā)操作的有序性，寫(xiě)入Cache的次序可能如下：

• Provider B先發(fā)起一個(gè)Cache寫(xiě)操作，第一步先更新Cache

• Provider A再發(fā)起一個(gè)Cache寫(xiě)操作，第二步更新了Cache

這時(shí)候，Cache保存的是Provider A的數(shù)據(jù)（老數(shù)據(jù)），DB保存的是B的數(shù)據(jù)（新數(shù)據(jù)），于是發(fā)生了DB和Cache數(shù)據(jù)不一致，Cache中出現(xiàn)臟數(shù)據(jù)。

如果使用刪除操作取代更新操作，則Cache不會(huì)出現(xiàn)上面的臟數(shù)據(jù)問(wèn)題。具體如下圖所示：

圖：為何不更新緩存而是刪除緩存

除了能夠減少臟數(shù)據(jù)之外，更新緩存相對(duì)于刪除緩存，還有兩點(diǎn)劣勢(shì)：

（1）如果寫(xiě)入Cache的值，是經(jīng)過(guò)復(fù)雜計(jì)算才得到的話(huà)。更新緩存頻率高的話(huà)，就會(huì)大大降低性能。

（2）及時(shí)更新緩存屬于餓漢模式，適用于數(shù)據(jù)讀取高頻的場(chǎng)景。在寫(xiě)多讀少的情況下，數(shù)據(jù)很多時(shí)候還沒(méi)被讀取到，又被更新了，這也浪費(fèi)了Cache的空間，也降低了性能。

策略二：先刪緩存，再更新數(shù)據(jù)庫(kù)

在實(shí)際的業(yè)務(wù)場(chǎng)景中，一種常見(jiàn)的并發(fā)場(chǎng)景是：微服務(wù)Provider實(shí)例A進(jìn)行數(shù)據(jù)的寫(xiě)入，而服務(wù)Provider實(shí)例 B同時(shí)進(jìn)行同一個(gè)數(shù)據(jù)的讀取操作。按照先刪緩存，再更新數(shù)據(jù)庫(kù)的策略，則微服務(wù)Provider實(shí)例A、B可能會(huì)出現(xiàn)下面的執(zhí)行次序：

• step 1：微服務(wù)A去執(zhí)行delete Cache

• step 2：微服務(wù)B去執(zhí)行l(wèi)oad from DB

• step 3：微服務(wù)B去執(zhí)行update Cache

• step 4：微服務(wù)A去執(zhí)行update DB

上面的執(zhí)行流程，具體如下圖所示：

圖:先刪緩存，再更新數(shù)據(jù)庫(kù)的并發(fā)執(zhí)行案例

上面的執(zhí)行流程，是典型的并發(fā)讀寫(xiě)場(chǎng)景。

在圖中的并發(fā)讀寫(xiě)的場(chǎng)景中，Provider A進(jìn)行數(shù)據(jù)的寫(xiě)入，Provider B進(jìn)行數(shù)據(jù)的查詢(xún)。

最終，DB中的數(shù)據(jù)是Provider A的更新數(shù)據(jù)，Cache中的數(shù)據(jù)是Provider B從DB加載的數(shù)據(jù)，而這個(gè)數(shù)據(jù)已經(jīng)過(guò)時(shí)，出現(xiàn)DB和Cache數(shù)據(jù)不一致問(wèn)題。

具體的原因是：Provider B查詢(xún)Cache的時(shí)候，Cache中的數(shù)據(jù)被刪除，Provider B只能去DB查找，然后將數(shù)據(jù)更新在Cache。而Provider A在Provider B查完之后，竟然更新了DB，導(dǎo)致了DB和Cache的不一致。

出現(xiàn)這個(gè)DB和Cache的不一致問(wèn)題的根本原因，大致如下：

寫(xiě)操作是先刪Cache（操作1）再寫(xiě)DB（操作2），如果在此期間發(fā)生并發(fā)讀，讀取的動(dòng)作很容易發(fā)生操作1、操作2的中間，從而讀取到過(guò)時(shí)的數(shù)據(jù)，最終導(dǎo)致Cache和DB不一致。更為嚴(yán)重的時(shí)候，讀操作把過(guò)期數(shù)據(jù)刷入Cache后，會(huì)導(dǎo)致后面比較長(zhǎng)時(shí)間的不一致。這個(gè)時(shí)間，一直持續(xù)到緩存過(guò)期，如說(shuō)4個(gè)小時(shí)（以項(xiàng)目中的配置時(shí)間為準(zhǔn)）。

上面的Cache和DB不一致，將導(dǎo)致一個(gè)嚴(yán)重的后面：后續(xù)的讀取操作，都會(huì)使用Cache中的數(shù)據(jù)，所以，后面的讀取操作都會(huì)使用過(guò)時(shí)數(shù)據(jù)。

這里的內(nèi)容，來(lái)自于《Java高并發(fā)核心編程 卷3加強(qiáng)版》 （注意，是加強(qiáng)版）的 策略2

策略2的代碼實(shí)操介紹，請(qǐng)參見(jiàn) 尼恩的 100Wqps三級(jí)緩存組件實(shí)操

策略三：先更數(shù)據(jù)庫(kù)，再刪緩存

先更數(shù)據(jù)庫(kù)，再刪緩存，基本上可以解決并發(fā)讀寫(xiě)場(chǎng)景中，Cache和DB數(shù)據(jù)不一致的問(wèn)題。

但是，在一些特殊的場(chǎng)景中，還是會(huì)存在數(shù)據(jù)不一致的問(wèn)題。

一種非常特殊的并發(fā)場(chǎng)景是：

微服務(wù)Provider實(shí)例A進(jìn)行數(shù)據(jù)的寫(xiě)入操作，先寫(xiě)DB（操作1），再刪Cache（操作2），如果由于某種原因出現(xiàn)了卡頓，沒(méi)有及時(shí)把數(shù)據(jù)放入Cache，或者說(shuō)放入Cache的操作，簡(jiǎn)單的說(shuō)，操作2發(fā)生了滯后。

此時(shí)，服務(wù)Provider實(shí)例 B進(jìn)行一個(gè)數(shù)據(jù)的讀取操作，讀取的次序仍然是先讀Cache，再讀DB，很容易發(fā)生DB和Cache的不一致性。

按照先更數(shù)據(jù)庫(kù)，再刪緩存的策略，則微服務(wù)Provider實(shí)例A、B可能會(huì)出現(xiàn)下面的執(zhí)行次序：

• step 1：微服務(wù)A去執(zhí)行update DB

• step 2：微服務(wù)B去執(zhí)行l(wèi)oad from Cache

• step 3：微服務(wù)A去執(zhí)行delete Cache，但是發(fā)生了延遲

上面的執(zhí)行流程，具體如下圖所示：

圖：先更數(shù)據(jù)庫(kù)，再刪緩存的并發(fā)執(zhí)行案例

在圖中的并發(fā)讀寫(xiě)的場(chǎng)景中，Provider A進(jìn)行數(shù)據(jù)的寫(xiě)入，Provider B進(jìn)行數(shù)據(jù)的查詢(xún)。

微服務(wù)Provider實(shí)例A先寫(xiě)DB（操作1），再刪Cache（操作2），如果Provider實(shí)例A發(fā)生卡頓、或者網(wǎng)絡(luò)延遲等異常的問(wèn)題，導(dǎo)致操作2嚴(yán)重滯后。在操作2執(zhí)行完成之前，DB和Cache的數(shù)據(jù)是不一致的。

在此期間，其他的數(shù)據(jù)讀取操作，都會(huì)讀取Cache中的過(guò)期數(shù)據(jù)，出現(xiàn)DB和Cache數(shù)據(jù)不一致問(wèn)題。

出現(xiàn)這個(gè)DB和Cache的不一致問(wèn)題的根本原因，大致如下：

寫(xiě)操作是先寫(xiě)DB（操作1）再刪Cache（操作2），如果在此期間發(fā)生并發(fā)讀，讀操作很容易發(fā)生操作1、操作2的中間，從而，并發(fā)讀操作從Cache讀取到過(guò)時(shí)的數(shù)據(jù)，最終導(dǎo)致Cache和DB不一致。

但是等到寫(xiě)操作刪除Cache（操作2）的動(dòng)作執(zhí)行完成之后，Cache和DB的數(shù)據(jù)，會(huì)恢復(fù)一致性。

無(wú)論如何，策略三（先寫(xiě)DB再刪Cache），比策略二（先刪Cache再寫(xiě)DB）發(fā)生數(shù)據(jù)不一致的時(shí)間短。相比較而言，推薦大家使用策略三，而不是策略二。

那么，策略三的問(wèn)題是啥呢？

（1）寫(xiě)DB（操作1）和刪Cache（操作2）之間，存在短時(shí)間的數(shù)據(jù)不一致；

（2）如果刪Cache失敗，存在較長(zhǎng)時(shí)間的數(shù)據(jù)不一致，這個(gè)時(shí)間會(huì)一直持續(xù)到Cache過(guò)期；

如何解決策略三中Cache刪除失敗所導(dǎo)致的DB和Cache較長(zhǎng)時(shí)間的數(shù)據(jù)不一致呢？可以使用策略四：延遲雙刪。

策略四：延遲雙刪策略

什么是延遲雙刪呢？延遲雙刪是基于策略二進(jìn)行改進(jìn)，就是先刪Cache，后寫(xiě)DB，最后延遲一定時(shí)間，再次刪Cache。

在實(shí)際的業(yè)務(wù)場(chǎng)景中，一種常見(jiàn)的并發(fā)場(chǎng)景是：微服務(wù)Provider實(shí)例A進(jìn)行數(shù)據(jù)的寫(xiě)入，而服務(wù)Provider實(shí)例 B同時(shí)進(jìn)行同一個(gè)數(shù)據(jù)的讀取操作。按照先刪Cache，后寫(xiě)DB，最后延遲一定時(shí)間，再次刪Cache策略，則微服務(wù)Provider實(shí)例A、B可能會(huì)出現(xiàn)下面的執(zhí)行次序：

• step 1：微服務(wù)A去執(zhí)行delete Cache

• step 2：微服務(wù)B去執(zhí)行l(wèi)oad from DB

• step 3：微服務(wù)B去執(zhí)行update Cache

• step 4：微服務(wù)A去執(zhí)行update DB

• step 5：微服務(wù)A去執(zhí)行 delay delete Cache

上面的執(zhí)行流程，具體如下圖所示：

圖：先刪Cache，后寫(xiě)DB，再次延遲刪Cache的并發(fā)執(zhí)行案例

在圖中的并發(fā)讀寫(xiě)的場(chǎng)景中，Provider A進(jìn)行數(shù)據(jù)的寫(xiě)入，Provider B進(jìn)行數(shù)據(jù)的查詢(xún)。

微服務(wù)Provider實(shí)例A先刪Cache（操作1），再寫(xiě)DB（操作2），最后再二次延遲刪除Cache（操作3）。在操作2之前，如果發(fā)生并發(fā)讀，從DB讀取到過(guò)時(shí)數(shù)據(jù)，可能出現(xiàn)DB和Cache數(shù)據(jù)不一致問(wèn)題。

出現(xiàn)這個(gè)DB和Cache的不一致問(wèn)題的根本原因，大致如下：

寫(xiě)操作是先刪Cache（操作1）再寫(xiě)DB（操作2），如果在此期間發(fā)生并發(fā)讀，讀操作容易發(fā)生操作1、操作2的中間，從DB讀到過(guò)時(shí)數(shù)據(jù)，最終導(dǎo)致Cache和DB不一致。但是，這一輪的數(shù)據(jù)不一致，持續(xù)時(shí)間不會(huì)太長(zhǎng)。為啥呢？寫(xiě)操作還有一個(gè)兜底的動(dòng)作：二次延遲刪除Cache（操作3），從而保證數(shù)據(jù)一致。

所以，延遲雙刪也會(huì)存在數(shù)據(jù)不一致，不過(guò)是持續(xù)時(shí)間比較短而已。

那么，策略四的問(wèn)題是啥呢？

（1）如果寫(xiě)操作比較頻繁，可能會(huì)對(duì)Redis造成一定的壓力；

（2）極端情況下，第二次延遲刪Cache失敗，操作的效果退化到策略二。DB和Cache存在較長(zhǎng)時(shí)間的數(shù)據(jù)不一致，這個(gè)時(shí)間會(huì)一直持續(xù)到Cache過(guò)期，比如說(shuō)4個(gè)小時(shí)（以項(xiàng)目中的配置時(shí)間為準(zhǔn)）。

如何解決策略四的以上兩個(gè)問(wèn)題呢？可以使用策略五：先更數(shù)據(jù)庫(kù)，再基于隊(duì)列刪緩存。

策略五：邏輯刪除/邏輯過(guò)期的問(wèn)題

首先什么是邏輯過(guò)期時(shí)間呢。

邏輯代表什么，假的刪除，不是真正的刪除。而是空間換時(shí)間，設(shè)置一些額外的標(biāo)志

比如：

在存儲(chǔ)數(shù)據(jù)的時(shí)候加個(gè)字段，比如 logicExpireTime 給它設(shè)置值。

這個(gè)值，跟我們緩存key的有效時(shí)間肯定不一樣。

比如，永不過(guò)期

比如，當(dāng)前時(shí)間再加上 幾個(gè)小時(shí) 轉(zhuǎn)為時(shí)間戳的方式跟數(shù)據(jù)一起存入redis。

邏輯過(guò)期時(shí)間= 業(yè)務(wù)過(guò)期時(shí)間

物理過(guò)期時(shí)間= 邏輯過(guò)期時(shí)間 + 高并發(fā)冗余時(shí)間

查詢(xún)的時(shí)候，檢查 logicExpireTime ，如果發(fā)現(xiàn)到時(shí)間了，

另外有一個(gè)緩存的重建線(xiàn)程，進(jìn)行異步重建

更新的時(shí)候， 更改 邏輯過(guò)期時(shí)間 = 當(dāng)前時(shí)間

策略六：先更數(shù)據(jù)庫(kù)，再基于隊(duì)列刪緩存

來(lái)到策略六：先更數(shù)據(jù)庫(kù)，再基于隊(duì)列刪緩存。那么，如何基于任務(wù)隊(duì)列刪緩存呢？實(shí)質(zhì)上，策略六是基于策略三進(jìn)行改進(jìn)。首先回顧一下策略三的問(wèn)題？

（1）寫(xiě)DB（操作1）和刪Cache（操作2）之間，存在短時(shí)間的數(shù)據(jù)不一致；

（2）如果刪Cache失敗，存在較長(zhǎng)時(shí)間的數(shù)據(jù)不一致，這個(gè)時(shí)間會(huì)一直持續(xù)到Cache過(guò)期；

策略六主要的操作次序，和策略三保持一致，依然是先寫(xiě)DB后刪除Cache。不同的是，策略六引入隊(duì)列，把刪Cache的操作加入隊(duì)列，后臺(tái)會(huì)有一個(gè)異步線(xiàn)程、或者進(jìn)程去異步消費(fèi)隊(duì)列中的刪除任務(wù)，去執(zhí)行刪Cache的操作。

基于隊(duì)列刪緩存，可以細(xì)分為：

• 第1種細(xì)分的方案：基于內(nèi)存隊(duì)列刪除緩存

• 第2種細(xì)分的方案：基于消息隊(duì)列刪除緩存

• 第3種細(xì)分的方案：基于binlog+消息隊(duì)列刪除緩存

首先來(lái)看第一種細(xì)分的方案：基于內(nèi)存隊(duì)列刪除緩存。

此策略把刪Cache的操作加入任務(wù)隊(duì)列，后臺(tái)會(huì)有一個(gè)異步線(xiàn)程去異步消費(fèi)任務(wù)隊(duì)列里面的刪除任務(wù)，去執(zhí)行刪Cache的操作，如果緩存刪除失敗，可以重試多次，確保刪除成功。

在實(shí)際的業(yè)務(wù)場(chǎng)景中，一種常見(jiàn)的并發(fā)場(chǎng)景是：微服務(wù)Provider實(shí)例A進(jìn)行數(shù)據(jù)的寫(xiě)入，而服務(wù)Provider實(shí)例 B同時(shí)進(jìn)行同一個(gè)數(shù)據(jù)的讀取操作。Provider實(shí)例A先寫(xiě)DB，然后將刪Cache加入任務(wù)隊(duì)列；Provider實(shí)例 B則是先讀緩存，沒(méi)有數(shù)據(jù)再讀DB。微服務(wù)Provider實(shí)例A、B可能會(huì)出現(xiàn)下面的執(zhí)行次序：

• step 1：微服務(wù)A去執(zhí)行update DB

• step 2：微服務(wù)A將delete Cache操作進(jìn)入任務(wù)隊(duì)列

• step 3：微服務(wù)B去執(zhí)行l(wèi)oad from Cache

• step 4：消費(fèi)線(xiàn)程從任務(wù)隊(duì)列提取delete Cache操作，執(zhí)行刪除Cache的操作，直到刪除成功。

上面的執(zhí)行流程，具體如下圖所示：

圖:先更數(shù)據(jù)庫(kù)，后基于內(nèi)存隊(duì)列刪緩存的并發(fā)執(zhí)行案例

在圖中的并發(fā)讀寫(xiě)的場(chǎng)景中，Provider A進(jìn)行數(shù)據(jù)的寫(xiě)入，Provider B進(jìn)行數(shù)據(jù)的查詢(xún)。

微服務(wù)Provider實(shí)例A先寫(xiě)DB（操作1），再將刪Cache操作加入任務(wù)隊(duì)列（操作2）。在刪除Cache操作真正執(zhí)行完成之前，其他的數(shù)據(jù)讀取操作，都會(huì)讀取Cache中的過(guò)期數(shù)據(jù)，出現(xiàn)DB和Cache數(shù)據(jù)不一致問(wèn)題。但是這種不一致，是短暫的。任務(wù)隊(duì)列的消費(fèi)線(xiàn)程，會(huì)異步執(zhí)行刪除Cache的任務(wù)，并且會(huì)不斷重試確保成功，刪除Cache之后，DB和Cache數(shù)據(jù)不一致問(wèn)題就會(huì)得到解決。

說(shuō) 明

保存刪除Cache任務(wù)的隊(duì)列，建議使用阻塞隊(duì)列。任務(wù)隊(duì)列的消費(fèi)線(xiàn)程，可參考Rocketmq源碼中的ServiceThread異步服務(wù)線(xiàn)程，其設(shè)計(jì)思想和執(zhí)行性能都非常優(yōu)越。后面尼恩會(huì)通過(guò)視頻，介紹一下基于隊(duì)列刪除緩存的實(shí)操。

策略六也會(huì)出現(xiàn)這個(gè)DB和Cache的不一致問(wèn)題，尤其是如果寫(xiě)操作非常頻繁，隊(duì)列的任務(wù)比較多，可能消費(fèi)會(huì)比較慢，導(dǎo)致DB和Cache的不一致的時(shí)間會(huì)延長(zhǎng)。在這種情況下，可以根據(jù)任務(wù)隊(duì)列的擁塞程度，開(kāi)啟多個(gè)線(xiàn)程，提升并發(fā)執(zhí)行的效率。

與策略四相比，策略六的優(yōu)勢(shì)是：

（1）在寫(xiě)操作比較頻繁的場(chǎng)景，策略四有兩次刪Cache操作，可能會(huì)對(duì)Redis造成一定的壓力；策略六只有一次刪Cache操作，Redis壓力小一半。

（2）策略四如果刪Cache失敗，沒(méi)有引入重試策略；策略六會(huì)多次重試，確保刪Cache成功，如果重試多次仍然不成功，可以執(zhí)行運(yùn)維預(yù)警。

（3）策略四將寫(xiě)DB、刪Cache這兩個(gè)操作耦合在了一起，沒(méi)有很好的做到單一職責(zé)；策略六將寫(xiě)DB、刪Cache兩個(gè)操作解耦，模塊職責(zé)更加單一。

那么，策略六的問(wèn)題是啥呢？

（1）如果寫(xiě)操作非常頻繁，隊(duì)列的任務(wù)比較多，可能消費(fèi)會(huì)比較慢；需要引入多線(xiàn)程機(jī)制，加快消費(fèi)速度。

（2）程序復(fù)雜度成倍上升，引入消費(fèi)線(xiàn)程、任務(wù)隊(duì)列，并且還需要不斷進(jìn)行性能優(yōu)化。

（3）內(nèi)存隊(duì)列是JVM進(jìn)程的內(nèi)部隊(duì)列，如果JVM崩潰，內(nèi)存隊(duì)列沒(méi)有來(lái)得及處理的Cache記錄刪除任務(wù)會(huì)丟失，這些數(shù)據(jù)的Cache記錄和DB記錄會(huì)長(zhǎng)時(shí)間不一致。

其次，來(lái)看第二種細(xì)分的方案：基于消息隊(duì)列刪除緩存。

在前面的第一種細(xì)分方案中，將刪除Cache的任務(wù)保存在內(nèi)存隊(duì)列，并不是高可靠的。

為了保證高可靠的刪除Cache記錄，這里引入高可用的獨(dú)立組件——Rocketmq消息隊(duì)列。需要注意的是，這里引入的RocketMq消息隊(duì)列是高可用的類(lèi)型消息隊(duì)列，不是單節(jié)點(diǎn)的類(lèi)型消息隊(duì)列，從而保障消息記錄的高可用，保障Cache的刪除操作只要沒(méi)有被執(zhí)行成功，就不會(huì)丟失。

引入高可用RocketMq消息隊(duì)列之后，執(zhí)行雙寫(xiě)操作的Provider A的操作流程，有小幅度的調(diào)整。Provider A需要將刪除Cache的操作，序列化成Rocketmq消息，然后寫(xiě)入高可用Rocketmq消息隊(duì)列中間件即可。然后，由專(zhuān)門(mén)的消費(fèi)者（Cache Delete Consumer）進(jìn)行消息的消費(fèi)，根據(jù)消息內(nèi)容執(zhí)行Cache記錄刪除工作。

DB和Redis雙寫(xiě)的場(chǎng)景下，Provider A先更數(shù)據(jù)庫(kù)，后基于消息隊(duì)列刪緩存的并發(fā)執(zhí)行案例的執(zhí)行流程，具體如下圖所示：

圖：先更數(shù)據(jù)庫(kù)，后基于消息隊(duì)列刪緩存的并發(fā)執(zhí)行案例

引入高可用的獨(dú)立組件RocketMq消息隊(duì)列之后，Provider A的寫(xiě)入邏輯變得很簡(jiǎn)單，刪Cache的時(shí)候，只需要發(fā)送消息到RocketMq即可，大大簡(jiǎn)化了Provider A程序的寫(xiě)入邏輯。只是為了保證消息的高可靠傳遞，這里Provider A在發(fā)送消息的時(shí)候，需要使用同步發(fā)送模式，而不能使用異步發(fā)送的模式。

在消息投遞的環(huán)節(jié)，由RocketMq高可用組件的ACK機(jī)制保證消息的高可靠投遞。如果消息第一次消費(fèi)失敗，RocketMq會(huì)重復(fù)多次進(jìn)行投遞，確保消息被正常消費(fèi)，如果一直不能被成功消費(fèi)，在重復(fù)投遞一定的次數(shù)之后（默認(rèn)16次），消息會(huì)進(jìn)入死信隊(duì)列。系統(tǒng)的監(jiān)控程序會(huì)對(duì)死信隊(duì)列進(jìn)行監(jiān)控，一旦發(fā)現(xiàn)死信消息，監(jiān)控程序會(huì)進(jìn)行運(yùn)維告警，由運(yùn)維人員解決最終的緩存刪除問(wèn)題。除非Redis集群崩潰，一般都不會(huì)出現(xiàn)這樣的極端情況。

和基于內(nèi)存隊(duì)列刪除緩存，基于消息隊(duì)列刪除緩存的方案的優(yōu)勢(shì)是：

增加了Cache刪除的可靠性，避免了因JVM崩潰所導(dǎo)致的內(nèi)存隊(duì)列中的記錄丟失的問(wèn)題。

那么，Provider在執(zhí)行DB和Cache雙寫(xiě)時(shí)，能不能進(jìn)一步減少雙寫(xiě)的負(fù)擔(dān)，將發(fā)送刪除Cache消息的操作，從雙寫(xiě)邏輯中剝離，交給其他的組件去完成呢？答案是可以的。具體來(lái)說(shuō)，就是使用基于基于binlog+消息隊(duì)列去刪除Cache的方案。

最后，來(lái)看第三種細(xì)分的方案：基于binlog+消息隊(duì)列刪除緩存。

以Mysql為例，可以使用阿里的Canal中間件，采集在數(shù)據(jù)寫(xiě)入Mysql時(shí)生成的binlog日志，然后將日志發(fā)送到RocketMq隊(duì)列。在消費(fèi)端，可以編寫(xiě)一個(gè)專(zhuān)門(mén)的消費(fèi)者（Cache Delete Consumer）完成緩存binlog日志訂閱，篩選出其中的更新類(lèi)型log，解析之后進(jìn)行對(duì)應(yīng)Cache的刪除操作，并且通過(guò)RocketMq隊(duì)列ACK機(jī)制確認(rèn)處理這條更新log，保證Cache刪除能夠得到最終的刪除。

DB和Redis雙寫(xiě)的場(chǎng)景下，Provider A先更數(shù)據(jù)庫(kù)，后基于基于binlog+消息隊(duì)列刪除緩存的并發(fā)執(zhí)行案例的執(zhí)行流程，具體如下圖所示：

圖：先更數(shù)據(jù)庫(kù)，后基于消息隊(duì)列刪緩存的并發(fā)執(zhí)行案例

基于binlog+消息隊(duì)列去刪除Cache的方案的優(yōu)勢(shì)是：

微服務(wù)Provider在執(zhí)行DB和Cache雙寫(xiě)時(shí)，只需要執(zhí)行寫(xiě)入DB的操作就可以了，大大簡(jiǎn)化了微服務(wù)Provider的業(yè)務(wù)邏輯。Cache的刪除工作已經(jīng)完全被Canal、RocketMq、專(zhuān)門(mén)的消費(fèi)者（Cache Delete Consumer）三者相互結(jié)合去接管了。

如何選型呢

這么多的Cache-Aside如何保證雙寫(xiě)的數(shù)據(jù)一致性方案，改如何選型呢？只有更合適、沒(méi)有最合適。大家可以根據(jù)項(xiàng)目和團(tuán)隊(duì)的情況選擇最合適的。具體的方案選型，大家可以在高并發(fā)社群——瘋狂創(chuàng)客圈的微信群里邊交流。

這里對(duì)應(yīng)到 《Java高并發(fā)核心編程 卷3 加強(qiáng)版》的 策略5，寫(xiě)書(shū)的時(shí)候， 沒(méi)有寫(xiě)邏輯刪除策略

策略6的代碼實(shí)操介紹，請(qǐng)參見(jiàn) 尼恩的 100Wqps三級(jí)緩存組件實(shí)操

基于隊(duì)列的方案，主要有兩種：

• 第2種細(xì)分的方案：基于消息隊(duì)列刪除緩存

• 第3種細(xì)分的方案：基于binlog+消息隊(duì)列刪除緩存

如何選型呢？

很多小伙伴選擇基于binlog+消息隊(duì)列刪除緩存， 但是這種方案， 在很多場(chǎng)景下是不可以使用的。具體原因比較復(fù)雜，請(qǐng)參考尼恩的 100Wqps三級(jí)緩存組件實(shí)操，里邊有詳細(xì)的介紹。

從CAP視角分析DB與Cache的數(shù)據(jù)一致性

CAP理論作為分布式系統(tǒng)的基礎(chǔ)理論，它描述的是一個(gè)分布式系統(tǒng)在以下三個(gè)特性中：

• 一致性（Consistency）

• 可用性（Availability）

• 分區(qū)容錯(cuò)性（Partition tolerance）

分布式系統(tǒng)最多滿(mǎn)足其中的兩個(gè)特性：要么滿(mǎn)足CA，要么CP，要么AP，無(wú)法同時(shí)滿(mǎn)足CAP。也就是說(shuō)AP和CP是一組天敵，要滿(mǎn)足AP高性能，只能舍棄CP。

在DB和Cache的分布式架構(gòu)中，加入分布式Cache的目的是為了獲得高性能、高吞吐，就是為了獲得分布式系統(tǒng)的AP特性。所以，如果需要數(shù)據(jù)庫(kù)和緩存數(shù)據(jù)保持強(qiáng)一致（強(qiáng)CP特性），就不適合使用緩存。

所以，從CAP的理論出發(fā)，使用緩存提升性能，就是會(huì)有數(shù)據(jù)更新的延遲，就會(huì)產(chǎn)生數(shù)據(jù)的不一致。

使用分布式Cache，可以通過(guò)一些方案優(yōu)化，保證弱一致性，最終一致性的。我們只能通過(guò)不斷的方案迭代，減少不一致性的時(shí)間長(zhǎng)度。這需要Cache設(shè)計(jì)時(shí)：結(jié)合業(yè)務(wù)仔細(xì)思考是否適合用緩存；結(jié)合業(yè)務(wù)仔細(xì)思考緩存過(guò)期時(shí)間。

緩存一定要設(shè)置過(guò)期時(shí)間，這個(gè)時(shí)間太短、或者太長(zhǎng)都不好。

如果過(guò)期時(shí)間太短，請(qǐng)求可能會(huì)比較多的落到數(shù)據(jù)庫(kù)上，這也意味著失去了緩存的優(yōu)勢(shì)。如果過(guò)期時(shí)間太長(zhǎng)，緩存中的臟數(shù)據(jù)會(huì)使系統(tǒng)長(zhǎng)時(shí)間處于一個(gè)延遲的狀態(tài)，而且，系統(tǒng)中長(zhǎng)時(shí)間沒(méi)有人訪(fǎng)問(wèn)的數(shù)據(jù)一直存在內(nèi)存中不過(guò)期，浪費(fèi)內(nèi)存。

為啥DB和Cache沒(méi)有辦法強(qiáng)一致呢？

主要是寫(xiě)DB和刪Cache是兩個(gè)獨(dú)立的操作，兩個(gè)操作并沒(méi)有保證原子性。如果一定要強(qiáng)CP，就需要非常復(fù)雜的低性能方案保證寫(xiě)DB和刪Cache兩個(gè)操作的原子性，比如引入分布式鎖，并且需要引入CP類(lèi)型的Zookeeper分布式鎖，或者引入CP類(lèi)型的Redis RedLock，而不是引入AP類(lèi)型的普通Redis分布式鎖。

所以，如果一定要強(qiáng)CP，就需要非常復(fù)雜的低性能方案，有點(diǎn)得不償失。

說(shuō)在后面

如果遇到難題，可以來(lái)找尼恩，給大家做起底式、絞殺式、系統(tǒng)化梳理， 幫大家真正讓面試官愛(ài)到死去活來(lái)。