Redis 缓存怎么更新？—— 四种模型与一次“迟到的删除”

一、为什么"更新缓存"值得单独聊

缓存位于内存，数据库位于磁盘，两者天生有时差；再加上并发请求可能交错读写，如果不设计好更新路径，就会出现"缓存里一直是老数据"的现象。下面按"一致性强度"从高到低，梳理四种常见模型，并补充一个工程上常用的"迟到删除"技巧。

---

二、Write-Through（读写穿）------ 缓存代理一切

流程

• 读 miss：缓存自己去数据库加载，再返回

• 写：缓存同步写数据库，两边都成功才返回客户端

特点

• 业务代码最简洁；缓存与数据库强一致

• 写延迟 = 数据库延迟；缓存层要实现 Loader/Writer 接口

• 适合对一致性要求极高、写量可控的系统，如计费、银行核心账务

---

三、Write-Behind（写回）------ 先写内存，再异步刷盘

流程

• 写请求只到达缓存立即返回

• 缓存按"时间窗口"或"队列长度"批量回写数据库

特点

• 写操作极快，可轻松抗住十万级 TPS

• 数据库压力被批量平滑

• 宕机窗口内可能丢失数据；读也可能短暂读到脏数据

• 适用场景：计数器、日志、秒杀库存（允许少量超卖后补偿）

---

四、Cache-Aside（旁路缓存）------ 业务自己掌握读写

流程

• 读：缓存 miss → 查数据库 → 把结果写回缓存

• 写：先更新数据库 → 然后删除缓存（注意是删除，而不是修改）

为什么写后选择"删除"

1. 缓存可能是聚合对象（JSON/Hash），局部字段更新成本高

2. 删除是幂等操作，无需考虑并发写顺序

3. 下一次读请求会重新加载最新数据，天然保持最终一致

不足

数据库提交与缓存删除之间仍有微小时间窗，极端并发下可能把旧值重新载入缓存。要缩小这个窗口，就出现了"延迟双删"。

---

五、延迟双删------把窗口再压短一点

思路

1. 立即删除：挡住大多数并发读

2. 延迟一段时间（通常 0.5--2 秒）后再删除一次：把"刚被回填的旧值"清掉

实现示例

@Transactional
public void updateUser(User u) {
    userDao.update(u);                 // 1. 写库
    redis.del("user:" + u.getId());    // 2. 立即删
    // 3. 延迟删（线程池、MQ、Redisson 延迟队列均可）
    scheduler.schedule(() -> redis.del("user:" + u.getId()), 1, TimeUnit.SECONDS);
}

关键参数

• 延迟时长 ≈ 主从复制延迟 + 业务 RT 的 99 分位

• 延迟任务需保证"至少一次"投递，失败要有重试或监控

延迟双删并未突破 CAP，只是把"最终一致"的"最终"两字压到亚秒级，成本低，落地简单。

---

六、MQ 双写------用消息流解耦缓存

流程

1. 业务只负责写数据库并提交事务

2. 事务提交后发送 binlog 或自定义消息

3. 下游消费者异步重建缓存

特点

• 写链路零侵入，缓存与业务彻底解耦

• 可削峰、可重试、可批量聚合

• 秒级延迟；需要保证消息不丢、不乱序

• 适合订单、物流等读远大于写，且能接受秒级滞后的系统

---

七、如何选型

1. 强一致 + 写量可控 → Write-Through

2. 写极高并发 + 可丢少量数据 → Write-Behind

3. 读多写少 + 亚秒级可接受 → Cache-Aside，配合延迟双删

4. 读多写少 + 可接受秒级延迟 → MQ 双写

先按"一致性"要求划定范围，再根据"写入吞吐量"微调，就能落到唯一象限。

---

八、结语

缓存更新没有万能答案，只有在"一致性---性能---复杂度"三角形里最适合自己的点。

理解每种模型的前提与代价，才能在真实场景里做出可靠的选择。祝你落地顺利，少踩坑。