读写操作一致性分析引言

首先，先说一下。老外提出了一个缓存一致性设计套路，名为《Cache-Aside pattern》。其中就指出

跟新：应用程序先从cache取数据，没有得到，则从数据库中取数据，成功后，放到缓存中。

命中：应用程序从cache中取数据，取到后返回。

失效：先把数据存到数据库中，成功后，再让缓存失效。

另外，知名社交网站facebook也在论文《Scaling Memcache at Facebook》中提出，他们用的是先更新数据库，再删缓存的策略

读操作业务流程，大家应该没啥疑问,操作流程如下:写操作流程分歧比较严重，如下分析三种更新缓存策略先更新数据库，再更新缓存先删除缓存，再更新数据库先更新数据库，再删除缓存第一种:先更新数据库，再更新缓存分析

这种业界比较统一，从性能，业务，技术角度都不建议

线程安全角度

同时有请求A和请求B进行更新操作，那么会出现

（1）线程A更新了数据库

（2）线程B更新了数据库

（3）线程B更新了缓存

（4）线程A更新了缓存

这就出现请求A更新缓存应该比请求B更新缓存早才对，但是因为网络等原因，B却比A更早更新了缓存。这就导致了脏数据，因此不考虑。业务场景角度

有如下两点：

（1）如果你是一个写数据库场景比较多，而读数据场景比较少的业务需求，采用这种方案就会导致，数据压根还没读到，缓存就被频繁的更新，浪费性能。

（2）如果你写入数据库的值，并不是直接写入缓存的，而是要经过一系列复杂的计算再写入缓存。那么，每次写入数据库后，都再次计算写入缓存的值，无疑是浪费性能的。显然，删除缓存更为适合。

接下来讨论的就是争议最大的，先删缓存，再更新数据库。还是先更新数据库，再删缓存的问题。第二种:先删缓存，再更新数据库

该方案会导致不一致的原因是。同时有一个请求A进行更新操作，另一个请求B进行查询操作。那么会出现如下情形:

（1）请求A进行写操作，删除缓存

（2）请求B查询发现缓存不存在

（3）请求B去数据库查询得到旧值

（4）请求B将旧值写入缓存

（5）请求A将新值写入数据库

上述情况就会导致不一致的情形出现。而且，如果不采用给缓存设置过期时间策略，该数据永远都是脏数据。

如何解决呢？采用延时双删策略，伪代码如下:

 redis.deleteKey(key); userService.update(id);        Thread.sleep(1000); redis.deleteKey(key);

这种情况极端情况会存在并发问题么,假设这会有两个请求，一个请求A做查询操作，一个请求B做更新操作，那么会有如下情形产生

（1）缓存刚好失效

（2）请求A查询数据库，得一个旧值

（3）请求B将新值写入数据库

（4）请求B删除缓存

（5）请求A将查到的旧值写入缓存

分析发生这种情况的概率又有多少呢？发生上述情况有一个先天性条件，就是步骤(3)的写数据库操作比步骤(2)的读数据库操作耗时更短，才有可能使得步骤(4)先于步骤(5)可是，大家想想，数据库的读操作的速度远快于写操作的（不然做读写分离干嘛，做读写分离的意义就是因为读操作比较快，耗资源少)，因此步骤(3)耗时比步骤(2)更短；这种情况发生概览极其低的, 正如引言所言fackbook采用的是这种方案;

小结： 没有一种方案策略是完美的，一致性问题是分布式存储解决方案一直以来的痛点, 问题都需要根据具体的业务场景再具体的分析，如上方案仅供参考;