你知道缓存的这个问题到底把多少程序员坑惨了吗?

在现代系统中,缓存可以极大地提升性能,减少数据库的压力。

然而,一旦缓存和数据库的数据不一致,就会引发各种诡异的问题。

我们来看看几种常见的解决缓存与数据库不一致的方案,每种方案都有各自的优缺点

先更新缓存,再更新数据库

这种方案看似简单,实际上很少被推荐。

原因在于如果在更新数据库之前发生了错误,缓存中的数据将和数据库中的数据不一致,最终导致更大的问题。

先更新数据库,再更新缓存

这种方法解决了更新缓存失败的问题,但可能引发另外一个问题:

在高并发场景下,数据库已经更新,但缓存还没有更新时,其他请求可能会读到旧的缓存数据。

先删除缓存,后更新数据库

这种方案在高并发下容易产生问题:

在缓存删除和数据库更新之间的时间窗口内,其他请求可能会读取到旧的数据,导致短时间内的数据不一致

先更新数据库,后删除缓存

这是较为推荐的一种方法,但在高并发场景下也有一定的局限性:

如果数据库更新成功但缓存删除失败,可能导致短时间内的数据不一致。

强一致性与最终一致性

在讨论一致性的时候,我们常常会提到强一致性和最终一致性。

根据业务需求权衡这两者,是缓存策略设计中的重要一步。

后面我会给出一个弱一致性的推荐方案,供大家参考。

SpringCache是一个非常实用的缓存管理框架,能帮助我们简化缓存操作。

以下是一个简单的SpringCache配置示例:

缓存预热策略

缓存预热的重要性不言而喻,上线后瞬时大流量可能导致缓存击穿。

以下是几种常见的缓存预热方案:

  1. 启动时加载:系统启动时加载常用数据到缓存。

  2. 定时加载:定时任务定期加载数据。

  3. 手动加载:手动执行预热脚本。

推荐方案

综合考虑各种方案的优缺点,我给大家一种工作中真正常用的方案,也是我待过的互联网公司中实践过的方案。

这是一种非常简单且成本很低的操作,但能解决绝大多数的缓存与数据库不一致问题。

原理很好理解,就是更新数据库之后设置合理的休眠时间,然后再次删除掉其他线程请求进来导致的旧缓存,最终达到缓存和数据库都是最新数据的目的。

其中休眠时间要根据自身业务的平均耗时来决定,而延迟双删其实就够了,延迟三删只是为了开阔大家的思路,因为真有些公司删除三次来保证一些极端情况的不一致,但我觉得没必要,太极端就不是弱一致性了。

如果是比较复杂的项目,甚至能再进一步的优化,也就是借用定时任务MQ来替代休眠线程,实现异步删除缓存,达到弱一致性的结果。

最后说一句(求关注!别白嫖!)

如果这篇文章对您有所帮助,或者有所启发的话,求一键三连:点赞、转发、在看。

关注公众号:woniuxgg,在公众号中回复:笔记 就可以获得蜗牛为你精心准备的java实战语雀笔记,回复面试、开发手册、有超赞的粉丝福利!

相关推荐
Y第五个季节9 小时前
Redis - HyperLogLog
数据库·redis·缓存
Justice link10 小时前
企业级NoSql数据库Redis集群
数据库·redis·缓存
〆、风神11 小时前
Guava Cache 实战:构建高并发场景下的字典数据缓存
缓存·guava
极客天成ScaleFlash19 小时前
极客天成NVFile:无缓存直击存储性能天花板,重新定义AI时代并行存储新范式
人工智能·缓存
morris13121 小时前
【redis】redis实现分布式锁
数据库·redis·缓存·分布式锁
纪元A梦1 天前
Redis最佳实践——首页推荐与商品列表缓存详解
数据库·redis·缓存
松韬1 天前
Spring + Redisson:从 0 到 1 搭建高可用分布式缓存系统
java·redis·分布式·spring·缓存
·云扬·1 天前
深度剖析 MySQL 与 Redis 缓存一致性:理论、方案与实战
redis·mysql·缓存
汤姆大聪明1 天前
Redisson 操作 Redis Stream 消息队列详解及实战案例
redis·spring·缓存·maven
敲上瘾2 天前
高并发内存池(二):Central Cache的实现
linux·服务器·c++·缓存·哈希算法