缓存优先还是数据库？" />

hen多时候，我们为了追求那极致的响应速度，恨不得把所有数据dou塞进Redis里让数据库“冷宫”吃灰。但现实往往hen骨感，一旦数据出现不一致，老板的咆哮声可Neng比服务器的风扇声还要大。今天我们就抛开那些教科书式的教条，用Zui接地气的方式，聊聊在高并发这个大熔炉里缓存与数据库到底该如何相处。

一、 缓存的本质：是“加速器”还是“绊脚石”？

咱们先别急着上硬核方案，回到原点思考一下。为什么我们需要缓存？

这就好比你家楼下有个便利店，而沃尔玛超市大量的I/O操作会让磁盘累得冒烟，CPU和内存资源也会被迅速耗尽。

所以缓存的主要目的，就是把那些“热点数据”——也就是大家经常查、经常用的数据，临时搬到内存里。这样一来后续的查询请求直接从内存拿，速度飞起，数据库的压力也小了。这听起来hen美好，对吧？

但问题来了：便利店的数据Ru果和沃尔玛不一样了怎么办？你刚这个问题会被无限放大。

二、 四种常见的geng新策略，谁才是你的“真命天子”？

既然要保证一致，那在写数据的时候，我们该怎么处理缓存呢？目前业界主流的玩法大概有四种，咱们一个个来扒一扒它们的底裤。

1. 先写缓存，再写数据库：kan似捷径，实则深渊

有些朋友觉得，既然缓存快，那我先geng新缓存，再慢吞吞地去geng新数据库，这样用户不就NengZui快kan到新数据了吗？

千万别这么干！这绝对是个大坑。你想啊，Ru果你刚把缓存geng新成了Zui新值，结果写数据库的时候网络抖了一下或者数据库挂了事务回滚了。这时候会发生什么？缓存里是新数据，数据库里是旧数据。这就相当于你告诉全世界“我发财了”，结果你银行卡里余额还是零。这就是典型的“脏数据”问题，一旦发生，后果不堪设想。

所以先写缓存再写数据库，这种方案基本没人用，风险太大。

2. 先写数据库，再写缓存：资源的无谓浪费

那反过来了呢？先geng新数据库，成功之后再把缓存geng新一遍。这听起来稳妥多了毕竟数据库是源头。

但是这里有个隐藏的逻辑漏洞。假设两个请求同时来了：请求A和请求Bdou要修改同一条数据。请求A先改了数据库，请求B后改了数据库。按理说数据库里Zui后应该是B的值。但是Ru果网络原因，Bgeng新缓存的操作比A快呢？

这时候，缓存里存的是A的旧值，数据库里是B的新值。两边又不一致了。而且，这个方案还有一个hen现实的问题：浪费资源。Ru果你的缓存数据不是简单的字符串，而是要经过复杂的计算、聚合才Neng得出结果，那你每次写数据库dou要算一遍，CPU不干了吗？

geng别提那些“写多读少”的业务场景了你辛辛苦苦算出来写进缓存，结果根本没人来读，这不是典型的“瞎忙活”吗？

3. 先删缓存，再写数据库：并发下的“幽灵”

既然直接geng新缓存有这么多坑，那我们换个思路：我不geng新了我直接把缓存删了行不行？下次有人来查的时候，再去数据库读，然后回填缓存，这叫“懒加载”。

于是方案变成了：先删缓存，再写数据库。

这个方案在低并发下没问题，但在高并发下又要出幺蛾子了。想象一下此时有一个写请求D，要把数据改成新值。它先把缓存删了。就在这一瞬间，一个读请求C过来了。它一kan缓存没数据，赶紧去数据库查。好巧不巧，它查到的是D还没写入的旧值。然后C把这个旧值写回了缓存。

紧接着，D把新值写入了数据库。

结局hen悲惨：数据库是新值，缓存里却稳稳地躺着旧值。而且这个旧值要一直待到过期，或者下次有写操作来清理它。这显然不是我们想要的结果。

4. 先写数据库，再删缓存：相对Zui优解，但仍有隐患

既然先删缓存不行，那Zui后一种方案：先写数据库，成功之后再删缓存。

为什么这个方案被hen多人推崇？因为从概率上讲，写数据库的操作通常比删缓存要慢。所以读请求一般比写请求先完成。也就是说当写请求准备删缓存的时候，读请求早就把旧数据读走并结束了。这时候删缓存，影响Zui小。

但是这并不意味着它完美无缺。Ru果删缓存的那一步失败了怎么办？比如Redis抖动了一下没删掉。那数据库是新值，缓存还是旧值，不一致的问题依然存在。

三、 如何填补“删除失败”的深坑？

既然“先写数据库，再删缓存”是目前的优选，那我们就得想办法解决“删缓存失败”这个致命伤。这时候，就需要祭出我们的“重试机制”大法了。

你可Neng会说那我在代码里直接加个`try-catch`，失败了就重试几次不就行了吗？

想法hen丰满，现实hen骨感。Ru果你的业务接口本身并发量就hen高，你在这个接口里Zuo同步重试，会阻塞当前线程，严重影响接口的性Neng。万一重试几次dou失败，客户端是不是要等到天荒地老？

所以同步重试只Neng作为一种辅助手段，不Neng完全依赖它。我们需要geng优雅的异步方案。

1. 消息队列重试：解耦与自动补偿

我们Ke以引入消息队列，比如RabbitMQ或者RocketMQ。流程是这样的：

业务代码在geng新完数据库后Ru果删除缓存失败，或者不管成功与否，我们dou发送一条“删除缓存”的消息到MQ服务器。然后有一个专门的消费者服务，监听这个消息，收到消息后去执行真正的删除缓存操作。

MQ的一大优势就是自带重试机制。Ru果消费者删除失败了MQ会自动把消息重新投递过来直到成功为止。Ru果重试多次还是不行，还Ke以把消息扔进死信队列，人工介入处理。

这种方案虽然好，但对业务代码有一定的侵入性，你得引入MQ客户端，还得处理消息发送的逻辑。不过为了系统的稳定性，这点代价通常是值得的。

2. 定时任务重试：兜底的Zui后防线

除了MQ，还有一种比较“笨”但有效的办法：定时任务。

我们Ke以搞一张“重试表”。当业务代码geng新数据库后Ru果删除缓存失败，就把这条数据的key写入重试表。然后写一个定时任务，比如每分钟跑一次扫描这张表，把里面的缓存key删掉，删成功后就把记录从表里删掉。

这个方案的缺点是实时性差点意思。定时任务有延迟，可Neng数据库dou改了半天了缓存才被删掉。但对于一些对实时性要求没那么苛刻的业务，这招挺好使，而且技术实现成本低。

四、 终极绝招：缓存双删与Binlog监听

Ru果你觉得上面的方案还不够完美，或者你的系统对一致性要求到了“变态”的程度，那我们还有geng高级的招数。

1. 缓存双删：以时间换空间

还记得前面说的“先删缓存，再写数据库”在并发下的问题吗？我们Ke以用“缓存双删”来缓解。

具体操作是： 1. 先删除缓存。 2. geng新数据库。 3. 休眠一小会儿。 4. 删除缓存。

为什么要休眠？就是为了等那个“倒霉”的读请求把旧数据写进缓存。等它写完了我再来一次删除，把它的劳动成果清空。这样就Neng保证Zui终缓存里要么是空的，要么是下次读请求重新填的新数据。

这个方案虽然Neng解决问题，但那个“休眠”时间hen难把控。太短了没用，太长了影响性Neng。而且，Ru果第二次删除又失败了还是得配合重试机制使用。

2. 订阅Binlog：Zui优雅的解耦方案

这是目前大厂里非常流行的一种方案，堪称“优雅”。

它的核心思想是：业务代码只管操作数据库，完全不用操心缓存！

我们利用MySQL的Binlog机制，使用像Canal这样的中间件，成MySQL的从库，订阅Binlog。一旦检测到数据库有数据变geng，Canal就会解析出变geng的数据，然后发送到MQ，或者直接调用程序去删除对应的缓存。

这套方案Zui大的优点就是彻底解耦。业务接口里只有数据库操作，逻辑简单清晰，性Neng自然高。缓存删除的工作完全交给了异步的订阅者去Zuo。而且，因为数据是落库的，Binlog里有记录，所以不会丢数据，可靠性极高。

当然架构复杂度也会随之上升，你需要维护Canal、MQ等一系列中间件。但对于高并发、大数据量的系统来说这笔投入绝对是划算的。

五、 ：没有银弹，只有权衡

聊了这么多，其实我想表达的是：缓存优先还是数据库？”这个问题上，从来没有一个标准的“正确答案”。

Ru果你的系统只是几千几万的并发，那“先写数据库，再删缓存”加上简单的重试，可Neng就足够了。别为了那一点点理论上的不一致，把系统搞得过于复杂。

但Ru果你面对的是百万、千万级的流量，那“订阅Binlog+异步删除”可Neng就是你不得不上的选择。

技术架构的设计，本质上就是在一致性、可用性、分区容错性以及成本之间Zuo权衡。不要迷信某种特定的模式，要结合自己的业务场景，读多还是写多？对实时性要求高不高？团队Neng否驾驭复杂的中间件？

希望这篇文章Neng让你在面对缓存和数据库的纠结时Neng多一份从容，少一份焦虑。毕竟架构师的价值，不就是在这些两难的抉择中，找到那条Zui适合当下的路吗？

---