引言
缓存与数据库一致性的问题自从出现了缓存概念后就一直被提及，它是一个缓存方案的先天缺陷，只要存在缓存，就势必会讨论缓存与数据库一致性的问题。
一致性问题还广泛存在于各种分布式存储场景中，如主从一致性等等。
本篇博客讨论和整理了缓存、数据库一致性问题的一些思路，在实际的缓存业务场景中，可以对技术实现的起到一定指导作用。
一、为什么会出现一致性问题
缓存作为应用程序与数据库之间的数据存储池，主要作用就是热数据备份的作用，它的主要目的就是提高热数据的查询效率。因此，在读取缓存方面，普遍的做法是没有疑问的，基本都是按照如下流程执行：
在写数据方面，却存在很多问题，其中一点就是——如何保证数据库的数据与缓存的数据保持一致。
二、强一致性、弱一致性、最终一致性
在一致性问题上，分为事务一致性和数据一致性，而缓存、数据库一致性很明显就是数据一致性。
其实只有两类数据一致性，强一致性和弱一致性。除此之外，所有其他的一致性都是弱一致性的特殊情况。
2.1 强一致性与弱一致性
强一致性又叫线性一致性，顾名思义，就是在多个数据源之间以同步的方式复制数据。
弱一致性，即复制是异步的。在时间中，我们通常使一个从库是同步的，而其他的则是异步的。如果这个的从库出现问题，则使另一个异步从库同步。
这样可以确保永远有两个节点拥有完整数据。主库和同步从库，这种配置成为半同步。
2.2 最终一致性
最终一致性表示不一致的状态可能会出现，但这也只是暂时的，不同的数据源会在未来某个时点保持同步。
而为缓存设置过期时间可以有效的保证最终一致性。
三、缓存更新策略
解决缓存、数据库一致性问题的方法，无非就是在更新数据库时尽可能的减少不一致的情况出现。
但只要存在缓存，就无法保证数据的强一致性，选择不同的缓存更新策略，也只是在弱一致性的前提下，尽可能保证数据的同步，或达到最终一致性。
从理论上来讲，共有四种更新策略：
- 先更新数据库，再更新缓存
- 先更新数据库，再删除缓存
- 先更新缓存，再更新数据库
- 先删除缓存，再更新数据库
一般情况下，为了保证数据的安全，都会第一时间将数据更新到数据库中，所以先操作缓存的方式往往不被采纳。
对于先更新数据库的情况，到底是选择更新缓存还是删除缓存呢？
3.1 先更库，更缓存
结论是，这种方案普遍不被采纳。
第一点原因，线程安全性，如果同时有请求A 和 请求 B 都要更新数据，那么会出现如下情况：
- 线程 A 更新了数据库
- 线程 B 更新了数据库
- 线程 B 更新了缓存
- 线程 A 更新了缓存
本来按照先后顺序，A的更新操作在 B 之前，最终也应该是缓存中存放 B 更新的数据，但是由于一些特殊原因，导致后更新数据的 B 先于 A 更新了缓存，就导致了脏数据。
第二点原因，如果是一个写多读少的场景，采用这种方案由于每次更新数据都要去更新缓存，但从缓存中查询的次数却寥寥无几，不仅没有起到提高查询性能的目的，反而还极大的浪费性能。
3.2 先更库，删缓存
该方案同样会导致数据不一致。例如，同时有一个请求 A 查询数据，另一个请求 B 更新数据，会产生如下情形：
- 缓存刚好失效被清除
- 请求 A 查询数据库，得到一个旧数据
- 请求 B 将新数据写入数据库
- 请求 B 删除缓存
- 请求 A 将查询到的旧数据写入缓存
上面的情况是有可能发生的，它产生的原因是由于 A 将取得的旧数据（在 B 更新完数据并执行了删除缓存操作之后）又放入到了缓存，即缓存中的数据是 A 之前取得的旧数据。
但是这种情况发生的概率很低，这是因为写库操作的速度要远低于读库的速度。正因为如此，请求 B 在将新数据写入到数据库后才会大概率在请求 A 将旧数据写入缓存之后执行删除缓存操作。
即大概率发生的情形应该是：
- 缓存刚好失效被清除
- 请求 A 查询数据库，得到一个旧数据
- 请求 B 将新数据写入数据库
- 请求 A 将查询到的旧数据写入缓存
- 请求 B 删除缓存
由于写库操作要更加缓慢，因此，大概率会在最后，在其他读操作的写入缓存执行后再将缓存删除，从而保证数据的一致性。
另外，更新缓存实际上可以看做是先删除再添加的两步操作，那么对于删缓存的操作，无非就是将添加缓存安排到了下次查询的时候，这也在查询情况较少的时候避免了频繁更新缓存的尴尬。
因此，先更库，再删除缓存是一种较为可行的解决一致性问题的方案。
四、先更库再删缓存的其他问题
如果缓存删除失败了怎么办？
的确，如果更新了数据库之后，由于特殊原因，导致缓存删除失败，缓存中依然保留了旧数据，那么同样存在不一致的问题。
这个时候，我们需要为业务系统增加全局的缓存失效时间，这样可以保证不一致也只是暂时的，即达到最终一致性的效果。
或者使用下面的解决方案，使用消息队列保存数据库更新后失败的缓存删除操作，再某一时点进行重试，其中 binlog 订阅程序可以选择现成的MySQL binlog订阅中间件 “canal”。
鸣谢：
《缓存与数据库的一致性问题解析》
