问题 - 数据库与缓存不一致如何解决

更新缓存的的Design Pattern有四种：Cache aside, Read through, Write through, Write behind caching。

• 问题 - 数据库与缓存不一致如何解决
• 概述
  • Cache Aside Pattern
  • Read/Write Through Pattern
  • Write Behind Caching Pattern

概述

由于我们的缓存的数据源来自于数据库，而数据库的数据是会发生变化的，因此，如果当数据库中数据发生变化，而缓存却没有同步，此时就会有一致性问题存在，其后果是:

用户使用缓存中的过时数据，就会产生类似多线程数据安全问题，从而影响业务，产品等。怎么解决呢？

一般有如下几种方案:

1. Cache Aside Pattern 旁路缓存：缓存调用者在更新完数据库后再去更新缓存，也称之为双写方案

2. Read/Write Through Pattern : 缓存与数据库集成为一个服务，服务保证两者的一致性，对外暴露API接口。调用者调用API，无需知道自己操作的是数据库还是缓存，不关心一致性。

3. Write Behind Caching Pattern：调用者只操作缓存，其他线程去异步处理数据库，实现最终一致。

Cache Aside Pattern

具体逻辑如下：

• 失效：应用程序先从cache取数据，如果没取到，则从数据库中取数据，成功后，再更新到缓存中。
• 命中：应用程序从cache中取数据，取到后返回。
• 更新：先把数据存到数据库中，成功后，再让缓存失效。

Read/Write Through Pattern

Read Through

在查询操作中更新缓存。当缓存失效的时候（过期或LRU换出），Cache Aside是由调用方负责把数据加载入缓存，而Read Through则用缓存服务自己来加载，从而对应用方是透明的。

Write Through

在更新数据时发生。当有数据更新的时候，如果没有命中缓存，直接更新数据库，然后返回。如果命中了缓存，则更新缓存，然后再由Cache自己更新数据库（这是一个同步操作）。

Write Behind Caching Pattern

在更新数据的时候，只更新缓存，不更新数据库。而缓存会异步地批量更新数据库。这个设计的好处就是让数据的I/O操作飞快无比（直接操作内存），因为异步，write backg还可以合并对同一个数据的多次操作，所以性能的提高是相当可观的。