09.3.2.2 缓存与数据库一致性策略
所属:全栈开发面试题库 / 09 高阶架构:高并发与分布式 / 09.3 缓存体系 / 09.3.2 缓存一致性与治理
09.3.2.2-001 缓存与 DB 双写为什么会有一致性问题?
一句话结论
缓存和数据库是两套独立存储,写操作要分别更新,两步之间存在时间窗口;并发读写、写失败、顺序颠倒都会让缓存读到旧值;缓存无法参与数据库事务,只能做到最终一致,强一致需要特殊设计。
概念解释
- 双写:一次业务变更涉及 DB 写与缓存删/更新两个动作。
- 不一致窗口:两步完成前,其他请求可能读到旧缓存。
- 独立失败:任一步失败都会留下偏差,需要补偿。
原理流程
写 DB + 删/更缓存
两步非原子 → 并发读可能取旧值
一步失败 → 缓存与 DB 偏离
常见误区
- 误区:给缓存和 DB 加分布式事务就能强一致。跨存储两阶段提交代价高、可用性差,多数业务接受最终一致并配合补偿。
- 误区:缓存更新得越勤越一致。写路径频繁更新缓存反而放大并发覆盖风险,常见做法是删除缓存让读时回填。
追问
- 问:一致性要求分几级?答:强一致(读必见最新)、最终一致(窗口内收敛)、可接受旧值;按业务字段分级处理。
- 问:哪些字段不能容忍旧值?答:余额、库存、状态类关键读写,优先走 DB 或强一致策略;展示字段可接受短窗口旧值。
09.3.2.2-002 Cache Aside 旁路缓存怎么读、怎么写?
一句话结论
读:先查缓存,未命中查 DB 并回填缓存;写:先更新 DB,再删除缓存(不是更新缓存);由应用代码控制缓存读写,缓存只是旁路副本,是业务系统最常用的模式。
概念解释
- 读路径:缓存 → DB → 回填。
- 写路径:更新 DB → 删除缓存。
- 删除而非更新:避免并发写覆盖、减少无效缓存计算。
原理流程
读:GET 缓存 → 命中返回;未命中 → 查 DB → 写缓存 → 返回
写:UPDATE DB → DEL 缓存
常见误区
- 误区:写时更新缓存更及时。并发下后写缓存可能先于先写 DB 落库,导致旧值覆盖新值;删除缓存让下次读按 DB 重建更稳妥。
- 误区:Cache Aside 由缓存组件自动维护。旁路模式下回填与删除都要应用代码实现,框架不保证。
追问
- 问:删除缓存失败怎么办?答:重试/消息队列补偿删除,避免旧值长期驻留。
- 问:回填缓存要不要设 TTL?答:要,TTL 是最终兜底,即使主动删除失败,过期后也会从 DB 重建。
09.3.2.2-003 为什么写路径是先更 DB 再删缓存?
一句话结论
先更新 DB 保证权威数据先落库,再删除缓存让后续读从 DB 取新值;反过来先删缓存再更 DB,删缓存后、更 DB 前的并发读会把旧值回填进缓存,造成更长时间的旧值驻留。
概念解释
- 先 DB 后删缓存:权威源先正确,缓存旧副本被清掉。
- 反向风险:删缓存与写 DB 之间,读请求回源读到旧 DB 值并回填。
- 并发窗口:两种顺序都有小窗口,需结合延迟双删或订阅补偿收敛。
原理流程(并发对比)
正确:写 DB 成功 → 删旧缓存 → 下次读回填新值
反向:删缓存 →(并发读回源旧 DB)→ 回填旧值 → DB 后更新,旧值滞留
常见误区
- 误区:先删缓存性能更好。省不了多少写开销,却引入旧值回填窗口,得不偿失。
- 误区:先更 DB 再删缓存就绝对一致。删除失败或并发读仍可能有短暂旧值,需要兜底补偿。
追问
- 问:写 DB 成功但删缓存失败怎么办?答:发删除消息重试,或依赖 TTL 过期重建,关键数据配补偿任务。
- 问:读回填并发怎么收敛?答:回源加锁/单飞,避免并发读同时回源并重复回填。
09.3.2.2-004 并发读写的脏读窗口怎么分析?
一句话结论
写线程更新 DB 的同时,读线程在缓存未命中后回源,按时间线不同交叉可能读到旧值;窗口大小取决于缓存删除时序、DB 读写并发与回填时机;分析要画读/写两条时间线,找出旧值被回填的交叉点。
概念解释
- 写线:更新 DB、删除缓存两个动作。
- 读线:查缓存未命中、查 DB、回填缓存。
- 交叉:读在 DB 旧状态期间回源并回填,形成旧值驻留。
原理流程(时间线)
写: T1 更新 DB → T2 删缓存
读: R1 缓存未命中 → R2 读 DB → R3 回填缓存
若 R2 落在 T1 之前 → 回填旧值
常见误区
- 误区:单线程串行就没有窗口。线上都是并发请求,必须按交叉时序分析,不能假设读写排队。
- 误区:窗口一定很长。多数交叉窗口在毫秒级,是否可接受取决于业务一致性要求。
追问
- 问:怎么缩小窗口?答:写完即删缓存、回源加版本校验、延迟双删、binlog 订阅异步失效。
- 问:哪些交叉可以接受?答:展示类短窗口旧值可接受;关键状态类要消除或主动纠正。
09.3.2.2-005 延迟双删怎么做,边界是什么?
一句话结论
写 DB 前后各删一次缓存:先删一次,更新 DB,短暂延迟后再删一次;第二次删除清掉延迟窗口内被并发读回填的旧值;延迟时长要覆盖一次回源+回填的耗时,且第二次删除仍可能失败,需要重试兜底。
概念解释
- 第一次删除:清掉写前旧缓存。
- 更新 DB。
- 第二次删除:延迟后清掉窗口内回填的旧值。
原理流程(伪代码)
DEL cache
UPDATE DB
sleep(延迟 ≈ 一次读回源耗时)
DEL cache // 清掉并发回填的旧值
常见误区
- 误区:延迟双删是强一致方案。它只是收敛并发回填窗口,第二次删除失败仍会留旧值,且延迟难以精确覆盖所有慢请求。
- 误区:延迟越长越稳。过长阻塞写链路,延迟应按回源 RT 分位设定,异步化执行更佳。
追问
- 问:延迟怎么定?答:参考读请求回源 RT 的 P99,保证窗口内的回填基本完成;不精确的部分由 TTL 与补偿兜底。
- 问:第二次删除失败怎么办?答:消息重试或补偿任务再次删,关键数据加版本号校验。
09.3.2.2-006 先删缓存再更 DB 有什么风险?
一句话结论
删除缓存后、DB 更新前,并发读请求回源读到旧 DB 值并回填缓存;DB 更新完成后缓存里仍是旧值,直到 TTL 过期或下次主动删除;相比先更 DB,这条路径把不一致窗口留给了读回填。
概念解释
- 空窗:缓存已删,DB 未改。
- 回填:读在空窗内取旧值写入缓存。
- 残留:旧值覆盖新值读路径。
原理流程
DEL cache → UPDATE DB(未完成)
并发读:cache miss → 读旧 DB → 回填旧值
DB 更新后 → 缓存仍为旧值
常见误区
- 误区:删了缓存就不会有旧值。缓存被并发读重新填回旧值,等于删了又被写回。
- 误区:小并发下不会发生。只要存在读写交叉就可能触发,概率随并发上升。
追问
- 问:什么情况可以接受这种顺序?答:极少并发、数据变更频率低、有短 TTL 兜底的非关键展示场景;关键链路不建议。
- 问:怎么补救?答:改回先更 DB;已回填旧值用版本号或二次删除纠正。
09.3.2.2-007 Read Through / Write Through / Write Behind 各是什么?
一句话结论
Read Through 由缓存层在未命中时加载 DB 并回填;Write Through 写请求先写缓存、同步穿透写 DB,写完成才返回;Write Behind(Write Back)先写缓存、异步批量落 DB;三种模式把读写逻辑收进缓存层,一致性与性能取舍不同。
概念解释
- Read Through:读侧代理回填,应用只跟缓存交互。
- Write Through:写同步落 DB,缓存与 DB 同步写,一致性较好但写 RT 高。
- Write Behind:写先入缓存/队列,异步刷 DB,吞吐高但有丢失与一致性风险。
原理流程
Read Through:cache miss → 缓存代理读 DB → 回填 → 返回
Write Through:写 cache → 同步写 DB → 返回成功
Write Behind:写 cache/队列 → 异步批量落 DB → 稍后返回
常见误区
- 误区:Write Behind 适合关键账务。异步落库在故障时可能丢数据,关键写必须同步持久化或有可靠日志补偿。
- 误区:Read Through 和 Cache Aside 一样靠应用回填。前者加载逻辑在缓存层/代理,后者由应用代码控制。
追问
- 问:业务缓存常用哪种?答:多数互联网业务用 Cache Aside;Read Through 适合托管缓存组件;Write Behind 只用于可容忍丢失的非关键写。
- 问:Write Through 为什么慢?答:每次写都等 DB 落库完成,写 RT 受 DB 限制。
09.3.2.2-008 订阅 binlog 失效缓存怎么做?
一句话结论
应用写 DB 后,通过订阅数据库 binlog(如 Canal/CDC 工具)感知变更,按变更 key 删除或更新缓存;缓存失效动作由数据库变更事件驱动,不依赖应用写路径的删除是否成功,能兜住应用侧漏删。
概念解释
- 流程:binlog 采集 → 解析变更行 → 提取 key → 发失效事件 → 缓存删除。
- 优势:与业务写解耦,应用删缓存失败可由 binlog 补偿。
- 约束:解析延迟、事件顺序、工具与 DB 复制资源开销。
原理流程
应用写 DB → binlog 记录变更
→ CDC 解析行变更 → 生成失效事件
→ 消费者删除对应缓存 key
常见误区
- 误区:binlog 订阅能替代写路径删除。它有解析延迟,窗口内旧值仍在;写路径删除 + binlog 补偿是配合关系。
- 误区:binlog 事件顺序天然可靠。跨表/并发变更要按主键顺序处理,避免旧事件后到覆盖新状态。
追问
- 问:binlog 解析延迟多大可接受?答:按业务一致性窗口评估,展示类可接受秒级,关键数据需结合主动删除。
- 问:失效事件丢了怎么办?答:事件持久化与重试,配合 TTL 兜底;定期对账校验缓存与 DB。
09.3.2.2-009 版本号/时间戳怎么防止旧值回写?
一句话结论
缓存条目带数据版本号或更新时间戳,回填与更新前比较版本:只有新版本才能覆盖旧版本;并发回填、异步刷新、事件乱序时,旧版本不能把已经更新的缓存改回去。
概念解释
- 版本字段:随 DB 数据一起读出。
- 比较规则:新版本号 > 旧版本号才允许写缓存。
- 适用:异步刷新、消息事件回填、多副本合并。
原理流程(伪代码)
读 DB 得到 (value, version)
写缓存前:
if version > cache.version: 写入并更新版本
else: 丢弃旧值
常见误区
- 误区:版本号自增就不会乱。多实例/多分区下发号要保证单调;时间戳回拨会失效,优先用序列号。
- 误区:版本校验只防缓存覆盖。它也用于判断返回数据是否陈旧,可在读取时提示刷新。
追问
- 问:版本从哪来?答:DB 行版本字段(乐观锁版本号/更新时间),随查询带出。
- 问:版本冲突怎么处理?答:丢弃旧值并触发重新加载,不要用旧值覆盖新值。
09.3.2.2-010 分布式锁能不能串行化缓存写?
一句话结论
对同一 key 的写操作加分布式锁,可以把并发写串行化,降低交叉回填概率;但锁增加开销与故障点,缓存一致性不能只依赖锁,配合版本号与删除策略更稳;锁只保护单 key 范围,不解决跨存储事务。
概念解释
- 作用:同一 key 写路径排队执行。
- 边界:锁内完成 DB 写与缓存删除,缩短交叉窗口。
- 代价:抢锁开销、超时死锁、锁服务可用性。
原理流程
写请求 → 拿 key 锁 → 更新 DB → 删缓存 → 释放锁
其他写请求排队等锁
常见误区
- 误区:加了锁缓存就和 DB 强一致。锁内两步仍非数据库事务,进程在两步之间崩溃仍会偏差。
- 误区:锁粒度越粗越好。整库/整表锁会严重降吞吐,应按 key 或业务标识加锁。
追问
- 问:锁超时怎么处理?答:设置合理超时与续约,持锁进程崩溃后锁能自动释放;失败要回滚或补偿。
- 问:什么场景值得加锁?答:并发写激烈、旧值覆盖代价高的关键 key;普通读多写少场景用删除+版本即可。
09.3.2.2-011 缓存一致性级别怎么取舍?
一句话结论
强一致:读必须见最新,成本高、可用性低,适合余额库存等核心状态;最终一致:允许短暂窗口后收敛,配合主动失效与补偿,适合多数业务;可接受旧值:展示类数据用短 TTL 兜底即可。按字段分级,不要全链路追求强一致。
概念解释
- 强一致:任何读都返回已提交最新值。
- 最终一致:不一致窗口有限并自动收敛。
- 旧值容忍:明确接受短期陈旧,用 TTL 与版本控制风险。
原理流程
按字段分级:
核心状态 → 强一致策略(直读 DB/版本校验/锁)
一般业务 → 最终一致(旁路删除 + 补偿 + TTL)
展示数据 → 旧值容忍(TTL + 主动刷新)
常见误区
- 误区:所有缓存都要强一致。为展示字段做强一致设计会牺牲吞吐与可用性,收益不匹配。
- 误区:最终一致等于不管。必须有失效、补偿、对账机制保证窗口收敛,否则只是放任不一致。
追问
- 问:怎么判断一个字段该哪一级?答:看旧值造成的业务后果(资损/误操作 vs 展示偏差)与读写并发强度。
- 问:强一致读怎么做?答:关键状态直接读 DB 或主库,缓存只做非关键字段加速。
09.3.2.2-012 缓存删除失败怎么补偿?
一句话结论
删除失败不能静默丢弃:写入重试队列/本地失败表,按退避重试删除;超过阈值转人工或对账任务纠正;补偿动作要幂等,重复删除不产生副作用。
概念解释
- 补偿载体:MQ 重试队列、失败记录表。
- 重试:间隔退避、次数上限。
- 兜底:周期对账扫描缓存与 DB 差异并纠正。
原理流程
删缓存失败 → 记录失败事件/入库
→ 异步重试删除(退避)
→ 多次失败 → 告警 + 对账任务纠正
常见误区
- 误区:重试一直无限进行。无上限重试会堆积消息与占用资源,要有次数上限与人工介入通道。
- 误区:补偿消息不用幂等。重复投递可能多次删除,删除本身幂等,但关联动作要设计成可重复执行。
追问
- 问:补偿任务扫什么?答:按变更时间窗比对 DB 最新值与缓存版本,发现旧值即删/刷新。
- 问:补偿延迟多久可接受?答:按字段一致性窗口定,关键数据补偿链路要短且有监控。
09.3.2.2-013 读写分离下从库延迟怎么导致回源旧值?
一句话结论
缓存未命中后回源若读从库,而主从复制有延迟,读到的是旧 DB 值并回填缓存;即使主库已更新,缓存仍被旧值占据;关键回源应读主库或等待复制追上,读从库要纳入一致性评估。
概念解释
- 回源路径:缓存 miss → 读从库 → 回填。
- 延迟:主写成功到从库可见之间的窗口。
- 旧值回填:从库旧值进入缓存滞留到 TTL/主动删除。
原理流程
写主库成功 → 复制到从库(延迟 Δ)
缓存 miss 回源读从库(Δ 内)→ 取旧值回填
常见误区
- 误区:回源读从库分担压力就没风险。复制延迟期间回填的旧值会污染缓存,关键数据回源必须走主库。
- 误区:从库延迟只影响直接读从库的请求。经缓存回填后,旧值会被后续读放大。
追问
- 问:怎么判断回源走了从库?答:检查缓存回填数据源配置,读路由是否按一致性要求分流。
- 问:从库延迟大时怎么办?答:关键读切主库,或延迟超阈值时从库摘流,等复制追平再开放读。
09.3.2.2-014 本地缓存副本的一致性怎么失效?
一句话结论
分布式缓存删除后,各实例本地副本仍可能保留旧值;需要通过广播/MQ/配置推送向所有实例发送失效事件,各实例 evict 本地 key;事件丢失由本地 TTL 与对账兜底,本地缓存一致性窗口通常大于 Redis 层。
概念解释
- 双层失效:先删分布式缓存,再广播删本地副本。
- 事件通道:MQ 广播、发布订阅、配置中心推送。
- 兜底:本地短 TTL、版本校验、周期对账。
原理流程
更新 DB → 删 Redis → 广播本地失效事件
→ 各实例收到 → 删本地缓存
→ 事件丢失 → 本地 TTL 过期兜底
常见误区
- 误区:删了 Redis 本地就自动更新。本地副本独立存在,不随 Redis 删除而变化。
- 误区:广播到达所有实例。消息丢失、实例刚上线未订阅、处理顺序都会造成残留旧值。
追问
- 问:本地副本 TTL 设多长?答:比 Redis 更短,配合主动失效;不能让本地旧值比分布式缓存更久。
- 问:实例很多时广播怎么扩散?答:按订阅分组走 MQ 广播,控制事件量,失效事件尽量轻量(只带 key 与版本)。
09.3.2.2-015 多实例写竞争怎么避免旧值覆盖?
一句话结论
多个实例并发写同一数据时,缓存回填/更新若不带版本,后到的旧写可能覆盖新写;用 DB 乐观锁保证写入顺序,缓存侧按版本号比较覆盖,事件按版本排序;写竞争激烈的关键数据减少缓存直接更新,改为删除回填。
概念解释
- 竞争来源:多实例同时处理同一业务变更。
- 风险:旧值晚到覆盖新值(缓存或 DB 层)。
- 控制:版本号、乐观锁、按 key 串行化。
原理流程
实例 A/B 并发写
DB 乐观锁:版本不符则重试/失败
缓存回填:只接受版本更高的值
常见误区
- 误区:先写缓存的实例后执行 DB 也能保持一致。顺序无法保证,必须以 DB 版本为准约束缓存写入。
- 误区:消息事件按接收顺序处理就不会乱。实例处理快慢不同,事件要带版本按序合并。
追问
- 问:乐观锁冲突怎么处理?答:重读最新值、重试业务或提示冲突,不要无条件覆盖。
- 问:缓存直接更新为什么风险高?答:多实例并发更新缓存没有 DB 那样的约束,旧值覆盖更难发现。
09.3.2.2-016 哪些数据必须做强一致处理?
一句话结论
涉及资金、库存、权限、订单状态、关键标识的数据,旧值会导致资损、超卖、越权或状态错乱,应直读 DB/主库、用版本与事务约束,不依赖可陈旧缓存;展示、画像、推荐、列表等可容忍短旧值的数据才适合缓存加速。
概念解释
- 强一致候选:余额、库存、优惠券、权限、支付状态。
- 可缓存:商品详情展示、用户资料概览、排行榜、推荐列表。
- 分界:旧值后果是否涉及资金、安全或不可逆操作。
原理流程
字段评估旧值后果
资损/越权/超卖 → 走 DB 强一致路径
展示偏差 → 缓存 + 最终一致兜底
常见误区
- 误区:库存用缓存计数就能保证不超卖。缓存计数与 DB 扣减不一致会超卖,扣减动作必须以 DB 事务/乐观锁为准。
- 误区:权限缓存短期旧值没事。权限旧值可能造成越权访问,失效链路要更短更可靠。
追问
- 问:关键数据完全不缓存吗?答:非关键展示字段可缓存,权威判定字段直读 DB;读压力大时用受控副本与版本校验。
- 问:强一致数据怎么缓解 DB 压力?答:读写分离主库兜底、本地读副本加版本校验、热点只读数据分级缓存。
09.3.2.2-017 失效事件的顺序与幂等怎么保证?
一句话结论
失效事件带 key、版本与时间戳,消费时按版本判断是否执行;删除类事件天然幂等(删不存在的 key 无副作用),重复投递不影响结果;乱序到达时旧版本事件不能覆盖新版本状态。
概念解释
- 顺序:版本号/时间戳标识先后。
- 幂等:同一事件执行多次结果相同。
- 乱序处理:低版本丢弃,高版本执行失效/更新。
原理流程
事件 (key, version)
消费:version ≥ 缓存当前版本 → 执行删除/更新
重复投递 → 结果不变
常见误区
- 误区:MQ 全局有序就能保证事件顺序。分区内有序不等于跨分区有序,跨 key 顺序仍要靠版本。
- 误区:删除事件重复执行有副作用。DEL 幂等,但如果事件里带了值更新,就要做版本与幂等设计。
追问
- 问:事件丢失怎么发现?答:周期对账比对 DB 与缓存版本,差异触发纠正。
- 问:版本号怎么单调?答:用 DB 行版本或单调序列号,避免依赖可能回拨的时间戳。
09.3.2.2-018 一致性校验监控怎么做?
一句话结论
周期任务抽样比对 DB 最新值与缓存条目版本/值,记录差异率;对关键数据提高比对频率,差异超阈值告警并自动纠正;校验结果纳入缓存治理报表,主动发现漏删、乱序与补偿失败。
概念解释
- 比对对象:缓存条目版本/值 vs DB 当前行。
- 抽样:按业务重要性与 key 规模定比例。
- 动作:告警、自动删除旧缓存、输出差异清单。
原理流程
抽样 key → 读 DB 最新版本/值
→ 对比缓存条目
→ 不一致 → 删除/刷新缓存 + 记录差异
常见误区
- 误区:有 TTL 就不用对账。TTL 窗口内旧值仍可能被读到,关键数据需要主动发现差异。
- 误区:全量比对实时跑。全量比对压 DB 与缓存,应抽样、低峰、分批执行。
追问
- 问:差异率多少需要关注?答:按业务一致性要求定基线,持续上升或关键字段出现差异即告警。
- 问:对账发现旧值怎么处理?答:版本确认后删除缓存让下次回源重建,不要直接用对账任务写复杂业务值。
09.3.2.2-019 典型场景:商品库存与详情一致性怎么落?
一句话结论
商品详情展示字段可缓存并旁路删除;库存数量是强一致字段,扣减以 DB 事务/乐观锁为准,缓存只做展示预览并标注非权威;详情变更删缓存,库存变更不依赖缓存计数做最终扣减。
概念解释
- 详情:标题、图片、描述等展示字段,可短暂旧值。
- 库存:可售数量直接影响下单,必须 DB 为准。
- 配合:缓存预热详情,库存读 DB 或受控副本。
原理流程
详情变更 → 更新 DB → 删详情缓存
下单扣库存 → DB 事务扣减 → 库存缓存失效/刷新
常见误区
- 误区:用 Redis 库存做最终扣减。Redis 与 DB 不一致或故障都会超卖,Redis 计数只能做前置校验/限流预览。
- 误区:详情和库存放一个缓存条目。字段一致性要求不同,应分开 key 与失效策略。
追问
- 问:库存缓存怎么减轻 DB 读压力?答:只读副本/缓存展示可售状态,真正扣减走 DB;超卖防护在 DB 层。
- 问:详情更新后缓存多久生效?答:旁路删除即时生效,兜底 TTL;本地副本靠广播失效。
09.3.2.2-020 一致性策略落地要检查哪些点?
一句话结论
落地检查:读写路径是否先更 DB 再删缓存、删除失败有无补偿、条目是否带版本、回源数据源是否符合一致性要求、本地副本失效链路是否闭环、有无对账与差异监控、TTL 兜底是否生效;逐项核对而非笼统说“用了缓存”。
概念解释
- 写路径顺序与失败补偿。
- 版本与数据源约束。
- 双层失效与对账兜底。
- 监控:差异率、补偿失败、回源旧值。
原理流程
评审读写路径 → 核对失效/补偿/版本
→ 校验回源数据源与本地广播
→ 检查对账任务与 TTL 兜底
→ 上线后监控差异率
常见误区
- 误区:代码里写了 DEL 缓存就算闭环。删除失败、并发回填、本地副本、乱序事件都要单独覆盖。
- 误区:策略写在文档里就行。上线后要靠监控和对账验证实际一致性表现。
追问
- 问:新功能上线前一致性怎么评审?答:列字段一致性级别、写路径动作、失败补偿链路、回源数据源与兜底 TTL。
- 问:复盘旧值问题看什么?答:写时序、回源数据源、版本是否生效、补偿是否执行、对账为何未提前发现。