面试题：Redis 中如何保证缓存与数据库的数据一致性？

在面试中，如果被问到如何保证 Redis 缓存与数据库的数据一致性，可以从以下几个方面进行回答：

1. 数据一致性问题的背景

在使用 Redis 作为缓存时，通常会采用 Cache-Aside Pattern（旁路缓存模式），即应用程序直接管理缓存和数据库的读写操作。这种模式下，缓存和数据库之间的数据一致性是一个常见问题，尤其是在高并发场景下。

2. 常见的数据一致性问题

缓存与数据库不一致：当数据库中的数据更新后，缓存中的数据可能仍然是旧值。
并发写问题：多个线程或进程同时更新数据库和缓存，可能导致数据不一致。

3. 保证数据一致性的常用方案

（1）Cache-Aside Pattern（旁路缓存模式）

这是最常见的缓存模式，核心思想是：

读操作：
1. 先读缓存，如果缓存命中，则直接返回数据。
2. 如果缓存未命中，则从数据库中读取数据，并将数据写入缓存。
写操作：
1. 先更新数据库。
2. 然后删除缓存（而不是更新缓存）。

优点：

简单易实现。
避免了同时更新缓存和数据库的复杂性。

缺点：

在并发写场景下，可能会出现短暂的数据不一致。
如果删除缓存失败，会导致缓存中一直是旧数据。

（2）Write-Through Pattern（写穿透模式）

在这种模式下，写操作会同时更新缓存和数据库：

写操作：
1. 先更新缓存。
2. 然后更新数据库。

优点：

缓存和数据库始终保持一致。

缺点：

写操作的性能较低，因为每次写操作都需要同时更新缓存和数据库。
如果写操作频繁，可能会导致缓存频繁更新，增加系统负载。

（3）Write-Behind Pattern（写回模式）

在这种模式下，写操作只更新缓存，然后异步批量更新数据库：

写操作：
1. 先更新缓存。
2. 异步将缓存中的数据批量写入数据库。

优点：

写操作的性能较高，因为数据库更新是异步的。

缺点：

数据一致性较差，可能会出现数据丢失（如系统崩溃时）。
实现复杂度较高。

（4）双写一致性方案

在 Cache-Aside Pattern 的基础上，可以通过以下方式进一步保证数据一致性：

延迟双删：
1. 先删除缓存。
2. 然后更新数据库。
3. 最后再延迟一段时间（如 500ms），再次删除缓存。
  这是为了防止在更新数据库的过程中，有其他请求将旧数据写入缓存。
分布式锁：
在更新数据库和缓存时，使用分布式锁来保证同一时间只有一个线程可以操作缓存和数据库。

（5）订阅数据库变更日志（如 Binlog）

通过订阅数据库的变更日志（如 MySQL 的 Binlog），在数据库更新时，自动更新或删除缓存：

使用工具（如 Canal）监听数据库的 Binlog。
当数据库发生更新时，根据 Binlog 的内容更新或删除缓存。

优点：

数据一致性较高。
解耦了应用程序和缓存更新逻辑。

缺点：

实现复杂度较高。
需要额外的组件（如 Canal）来监听 Binlog。

4. 实际场景中的选择

强一致性要求：可以使用 Write-Through Pattern 或订阅 Binlog 的方式。
最终一致性要求：可以使用 Cache-Aside Pattern 结合延迟双删或分布式锁的方式。
高性能要求：可以使用 Write-Behind Pattern，但需要容忍一定的数据不一致性。

5. 示例：Cache-Aside Pattern 的 Java 实现

以下是一个简单的 Cache-Aside Pattern 的 Java 实现：

public class CacheAsideService {
    private Jedis jedis; // Redis 客户端
    private Database database; // 数据库客户端

    public CacheAsideService() {
        this.jedis = new Jedis("localhost", 6379);
        this.database = new Database();
    }

    // 读操作
    public String getData(String key) {
        // 1. 先读缓存
        String value = jedis.get(key);
        if (value != null) {
            return value;
        }

        // 2. 缓存未命中，读数据库
        value = database.get(key);
        if (value != null) {
            // 3. 将数据写入缓存
            jedis.set(key, value);
        }
        return value;
    }

    // 写操作
    public void updateData(String key, String value) {
        // 1. 更新数据库
        database.update(key, value);

        // 2. 删除缓存
        jedis.del(key);
    }
}

6. 总结

保证 Redis 缓存与数据库的数据一致性是一个复杂的问题，需要根据具体场景选择合适的方案。
常用的方案包括 Cache-Aside Pattern、Write-Through Pattern、Write-Behind Pattern、延迟双删、分布式锁以及订阅数据库变更日志等。
在实际开发中，通常需要在性能和数据一致性之间进行权衡，选择最适合业务需求的方案。

THE END

Redis 面试题