并发场景下,如何保证redis缓存和数据库的一致性, redis和数据库都是单机,不存在分布式问题
- User
并发场景下,如何保证redis缓存和数据库的一致性, redis和数据库都是单机,不存在分布式问题
- Assistant
如何在并发场景下保证 Redis 缓存与单机数据库的一致性?
约束条件
• Redis 和数据库都是单机(不考虑节点间复制失效)
• 应用层面可能有多线程 / 多进程并发访问
• 既要保证“写一致”(写后立即读不会脏),又要兼顾性能下面先给出一份**“可落地的参考方案”**,再解释为什么要这么做,以及其他可选做法。
1. 推荐写流程 —— 「更新数据库 ➜ 延迟双删缓存」
┌────────────┐ │ 写请求 │ └────────────┘ │ ① 事务内更新 DB(行锁) —— 保证数据库本身一致性 │ COMMIT ② 立即删除缓存 —— 使后续读 miss │ ③ (可选) 休眠 N ms(10~50) —— 下游读请求可能刚回源并写入旧值 │ ④ 再次删除缓存 —— 抹掉并发读写入的旧数据 ↓ 写流程结束(返回客户端)核心要点
- 写操作只做 “更新 DB + 删缓存”,绝不先更新缓存。
- 延迟双删防止 并发 window 内出现“旧值被重新写回缓存”。
伪代码示例(Java):
public void updateUser(User newUser){ // ① 更新 DB (带事务) try(Connection conn = ds.getConnection()){ conn.setAutoCommit(false); dao.updateUser(conn, newUser); // 行锁 or 条件更新 conn.commit(); } // ② 第一次删缓存 String cacheKey = "user:" + newUser.getId(); redis.del(cacheKey); // ③/④ 延迟双删 Thread.sleep(30); // 10~50ms 视业务流量调节 redis.del(cacheKey); // 第二次删 }为什么不是 “先删缓存,再更新数据库”?
如果删缓存后进程宕机或 SQL 回滚,缓存已经丢,下一次读会 miss → 回源拿到旧数据 → 再写入缓存,导致脏数据。
2. 推荐读流程 —— Cache Aside + 本地互斥锁 (防击穿)
┌────────────┐ │ 读请求 │ └────────────┘ │ ① 读 Redis,命中直接返回 │ ② miss ➜ tryLock(key) —— 本地/Redis lock │ (2.1) 获取到锁: ─> 再检查一次缓存(双检) │ miss ➜ 读 DB ➜ set cache(带 TTL) │ hit ➜ 直接返回 │ (2.2) 未抢到锁: ─> 适当自旋/睡眠后重试读缓存要点
• 单机下用ConcurrentHashMap<key, ReentrantLock>或 GuavaStriped<Lock>即可。
• 缓存写入必须带合理TTL(如 30~60 min),留给“极端失败”时自动纠正的机会。
3. 边界情况与补偿
-
删除缓存失败
- Redis 单机挂掉,读写都回源数据库,等 Redis 恢复、TTL 过期即可。
- 可以落个异步重删队列(LinkedBlockingQueue + 定时线程补偿)。
-
第二次删除之前刚好有读请求
- 该请求读取 DB 写入缓存的是旧值;但延迟双删最终抹掉,仍能收敛。
-
无法接受「最多几十毫秒的不一致」
- 在写流程里对同一条业务数据加互斥锁(同读锁重用)。
- 或者:直接在数据库表里做“行级队列”/ 状态机方案(乐观锁 + Version 字段)。
4. 为什么这些步骤能保证一致性?
并发时最常见的时序问题(写–读交叉):
T1 T2 删缓存 读缓存 miss 读DB(旧值) 写缓存(旧值) 更新DB(新值)通过「删缓存 → 更新DB → 延迟再次删缓存」,可以让 T2 写入的旧值最终被擦除。
只要第一次写库成功,第二次删缓存必定成功(即使失败也有 TTL/补偿任务兜底),从而保证缓存最终与 DB 一致。
5. 还有哪些可选方案?
方案 关键思路 优缺点 Write-through / Write-around 写时同时写缓存和 DB 写路径变慢,需要一致性事务或两阶段提交;单机下实现成本较高 Binlog/CDC 异步刷缓存 DB -> 解析 Binlog -> 更新/删缓存 彻底解耦应用层,无需双删睡眠;需要解析 binlog、确保实时性 业务强制“走库” 对关键表完全放弃缓存 一致性最强,性能最差 乐观锁 + 版本字段 读时带 version;写时 CAS 代码入侵度大,需要所有地方带 version 在单机场景下,延迟双删 + 本地锁 往往是投入/收益比最高、实施最快的方案。
6. 实践小贴士
- 删除缓存时可以使用
UNLINK(Redis >= 4.0)异步删除,减少阻塞。 - 本地锁数组 (
Striped<Lock>) 记得做 hash slot,防止过多对象。 - 如果写流量很大,双删前的
sleep建议用Thread.yield()+ 自旋几次,避免线程池大量sleep。 - TTL 不能太长也不能太短 → 既能兜底又避免大量回源。
- 监控指标:缓存命中率、删缓存失败次数、读写延迟分位。
总结
在单机并发环境中,最常用也最简单可落地的“保证 Redis 缓存与数据库一致性”的办法就是:
- 写:更新 DB 成功后「延迟双删缓存」
- 读:Cache-Aside + 本地互斥锁 + TTL
只要实现好这两个关键流程,配合日志&监控做补偿,就能在 99.9% 的场景下把一致性问题控制在毫秒级,既安全又高效。
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.