1. 缓存一致性概述

1.1 什么是缓存一致性

缓存一致性（Cache Consistency）是指在分布式系统中，缓存层与数据库（或其他数据源）之间保持数据内容同步的程度。当业务数据在数据库中被更新后，缓存中对应的副本数据应当及时反映这一变化，否则就会出现“缓存与数据库数据不一致”的问题。

从技术实现角度看，缓存一致性包含两个核心维度：

• 时间维度：数据更新后，缓存多久能感知并同步最新值
• 空间维度：同一份数据在多个缓存节点或副本之间是否一致

1.2 为什么需要缓存一致性治理

在互联网高并发架构中，缓存是提升系统吞吐量的核心手段。然而，缓存与数据库之间的数据不一致会引发严重的业务问题。缓存一致性治理的目标是在性能与一致性之间找到可接受的平衡点。

1.3 常见缓存不一致场景

在实际生产环境中，缓存不一致问题通常由以下六类典型场景引发。理解这些场景是制定治理策略的前提。

1.4 场景深度分析

以下对最典型的两个场景进行代码级分析，帮助理解不一致产生的根本原因。

场景1：先写数据库，后删缓存（Cache-Aside 模式）

// 伪代码：先写DB后删缓存
public void updateOrder(Order order) {
    // 1. 更新数据库
    orderDao.update(order);
    // 2. 删除缓存（可能失败）
    cache.delete("order:" + order.getId());
}

不一致原因： 步骤2删除缓存时，如果Redis宕机、网络超时或删除命令被丢弃，缓存中仍保留旧数据。后续读请求会命中旧缓存，直到缓存过期。

场景2：先删缓存，后写数据库

// 伪代码：先删缓存后写DB
public void updateOrder(Order order) {
    // 1. 删除缓存
    cache.delete("order:" + order.getId());
    // 2. 更新数据库（耗时较长）
    orderDao.update(order);
    // 3. 并发读请求在步骤1-2之间回填了旧数据
}

不一致原因： 在步骤1删除缓存后、步骤2更新数据库完成前，如果有并发读请求发现缓存为空，会从数据库读取旧数据并回填到缓存，导致缓存中永久存储旧值。

1.5 一致性治理的权衡模型

缓存一致性治理本质上是在以下三个目标之间寻找平衡：