← 课程目录 🚀 从零到一
📐 学习维度 阶段4 · 第17章 分布式理论与方案 🚀 从零到一 📚 课程目录 🏠 首页 🛤️ 学习路径

17.5 一致性案例:缓存与数据库双写

审校 2026-09-25 · 素材来源:2026真题_05、深度文06、10.6 延伸
📑 本篇章节导航 (共7节,点击直达)
标准答案:Cache Aside 四个字加强一:延迟双删加强二:订阅变更(canal 方案)顺带把三个兄弟方案判一判踩坑清单面试怎么问一句话总结

10.6 从缓存侧讲过更新策略,这一篇换裁判视角:把「缓存和数据库双写一致」当一道完整案例题打——从标准答案(Cache Aside)的每个「为什么」,到延迟双删、订阅变更的层层加强。这道题阿里字节年年问,问的不是结论,是你对每个反例的推演。

标准答案:Cache Aside 四个字

Cache Aside(旁路缓存:读miss回填、写后删缓存的经典模式)两条规则:读——先读缓存,miss 读库回填;写——先更新数据库,再删除缓存(注意是删不是改)。四个字谁都会背,面试的分水岭在下面三个「为什么」。

为什么删缓存而不是更新缓存?两个理由。并发写场景:写A更新缓存为值1前被写B抢先更新为值2,A缓一拍把缓存覆盖回 1——数据库是 2、缓存是 1,旧值反杀新值。计算成本:缓存的值若要聚合多表算出来,每次写都重算一遍,而它可能根本没人读——白忙。删除是「懒惰的正确」:下次谁读谁回填最新值。

为什么先更库再删缓存,不能反过来?推演先删缓存:删完的一瞬间,读请求 miss 读到旧库值回填——随后数据库更新完成,缓存里躺的是旧值,且再也没人删它,不一致直到过期。先更库再删缓存:库已是新值,删除后下一个读请求回填的就是新值——最坏只有「删到回填之间」一个短窗口的不一致,且方向正确(读到旧值,不会读到比库更旧的脏值长期驻留)。

为什么还敢说它不完美?两个残存窗口:读写并发的窗口一——读请求 miss 后、回填前,别人更新了库删了缓存,读请求拿着旧值回填(旧值复活);删除失败的窗口二——库更新成功、缓存删除抛异常,旧值驻留。窗口概率极低但非零——所以面试要主动说:Cache Aside 是最终一致的工程默认解,不是绝对一致,绝对一致要上加强件。

加强一:延迟双删

针对窗口一的经典补丁:更新库 → 删缓存 → 延迟几百毫秒再删一次:


@Transactional
public void updateOrder(Order order) {
    orderMapper.updateById(order);            // 1 更新库
    redis.delete(key(order.getId()));         // 2 首删
    scheduleDelete(key, 500);                 // 3 500ms后补一刀
}

第二刀专砍「并发读回填的旧值」:500ms 覆盖回填窗口后旧值必被清除。两个工程细节:延迟取「一次读请求的耗时+冗余」(读库+回填的 P99 再放余量),通常 200ms~1s;补删本身可能失败,要有重试或落补偿表。它仍是概率性加强——延迟期内读到的还是旧值,只是把不一致窗口压到毫秒级。

加强二:订阅变更(canal 方案)

治本路线把「删缓存」从业务代码里摘出去:canal 伪装 MySQL 从库订阅 binlog(17.3 的机制),数据一落库,canal 解析出变更事件发到 MQ,专门的缓存消费者收到后删除/更新缓存。三个质变:业务零侵入——代码里没有一行缓存维护逻辑,写业务的人不可能忘;不漏事件——binlog 是数据库事实的最终记录,任何写(包括 DBA 手改数据)都逃不过;可重放——MQ 未消费的消息重启后接着消费,删除失败重试有基建支撑。

代价也明码:多出 canal 和 MQ 两个组件的运维;链路变长——库变更到缓存刷新有毫秒到秒级延迟(对多数业务无感);团队要有能力排障这条旁路(消费者积压时缓存刷新滞后)。选型口径:中小系统 Cache Aside + 合理过期时间足够;规模上来、一致性要求上台阶,canal 方案把一致性从业务纪律升级为基础设施保证。

顺带把三个兄弟方案判一判

先更新缓存再更新库:缓存成功库失败,缓存里是「从未存在过的值」——脏数据性质最恶劣,直接排除。双写加分布式锁:写路径串行化保序,正确但吞吐大损——高并发写场景自杀,只有极低频的强一致配置类写值得。设置较短 TTL 兜底:不是方案是保险带——所有方案都该配上,让最坏不一致有界(过期时间就是不一致的时间上限)。另外两个同族方案顺带判一判:Read/Write Through(读写穿透:缓存层代理全部读写、库的更新由缓存组件自己完成——业务代码只见缓存不见库)组件化程度高但 Java 生态少有原生落地,需要自研缓存中间件支撑;Write Behind(异步写回:先写缓存立即返回、批量刷库)性能最猛但库挂了数据就丢——只适合点赞数这类允许极小丢失的计数字段。

踩坑清单

面试怎么问

一句话总结

双写一致性的答题阶梯:Cache Aside 默认解(删不改、库先行)→ 延迟双删压窗口 → canal 订阅变更治本——每上一级都在回答「上一级的哪个窗口还没堵死」,把阶梯讲成因果链就是满分答卷。