2. 缓存一致性概述

缓存一致性是分布式系统与合规治理共同关注的交叉点。在合规框架下，数据一致性不仅影响业务正确性，更直接关系到审计证据链的完整性。本节从问题根源与理论模型两个维度展开分析。

2.1 缓存一致性问题产生的根源

缓存一致性问题本质上是多副本数据在时间窗口内的状态偏差。其根源可归纳为两类核心场景：

2.1.1 读写并发

当多个线程或服务实例同时对同一份数据进行读、写操作时，由于缓存与数据库的更新顺序无法原子化，导致出现脏读、不可重复读或幻读。典型场景如下：

2.1.2 副本延迟

在分布式缓存集群（如Redis Cluster、Memcached分布式部署）中，数据副本的异步同步机制必然引入时间窗口。副本延迟的典型成因包括：

• 网络传输延迟：主节点写入后，从节点尚未收到同步指令。
• 异步复制机制：主节点确认写入即返回成功，副本异步追赶。
• 节点故障恢复：宕机节点重启后，从持久化快照恢复期间数据落后。
• 分区容忍性取舍：网络分区期间，分区两侧各自写入，合并时产生冲突。

2.2 CAP理论在缓存场景下的体现

CAP理论（Consistency, Availability, Partition Tolerance）是分布式缓存设计的基石。在缓存一致性治理中，三者之间的权衡直接决定了技术选型与合规策略。

2.2.1 缓存场景下的CAP权衡矩阵

不同业务场景对CAP的取舍不同，合规治理需要为每种场景定义可接受的一致性等级：

• CP场景（放弃A）： 金融交易、订单状态、库存扣减。网络分区时暂停服务，等待分区恢复后强一致同步。合规要求：审计日志必须记录分区事件及恢复时间戳。
• AP场景（放弃C）： 商品详情页、用户推荐、非关键配置。网络分区时继续服务，允许短暂不一致，最终通过异步补偿达成一致。合规要求：数据版本号必须携带，用于审计追溯。
• CA场景（放弃P）： 单机缓存、同机房强一致缓存。不涉及网络分区，但扩展性受限。合规要求：需证明系统不存在跨分区部署。

2.3 合规视角下的缓存一致性分类

从合规治理角度，缓存一致性可划分为三个等级，每个等级对应不同的审计要求：