3. 数据库缓存一致性：缓存与数据库双写一致性策略

在数据库与缓存并存的架构中，保证两者数据一致是核心挑战。本章聚焦三种主流双写一致性策略：Cache-Aside、Read-Through 和 Write-Through，分析其工作原理、适用场景及在契约测试中的校验要点。

3.1 一致性问题的根源

缓存与数据库是两套独立的存储系统，写入顺序、并发操作、网络延迟都可能导致数据不一致。常见问题包括：

• 脏读：缓存中残留旧数据，数据库已更新。
• 缓存穿透：大量请求绕过缓存直接访问数据库。
• 缓存雪崩：缓存大面积失效，数据库压力骤增。
• 并发覆盖：多个线程同时写入，导致数据错乱。

3.2 Cache-Aside 策略

Cache-Aside（旁路缓存）是最常用的策略，应用程序直接管理缓存与数据库的读写操作。

3.2.1 读操作流程

1. 应用先查询缓存。
2. 缓存命中，直接返回数据。
3. 缓存未命中，查询数据库。
4. 将数据库结果写入缓存，并设置过期时间。
5. 返回数据给调用方。

3.2.2 写操作流程

1. 应用更新数据库。
2. 删除或更新缓存中的对应数据。

3.3 Read/Write Through 策略

Read/Write Through（读写穿透）将缓存层作为数据访问的唯一入口，应用不直接操作数据库。

3.3.1 Read-Through 流程

• 应用只与缓存交互。
• 缓存未命中时，缓存组件自动从数据库加载数据。
• 加载完成后，缓存返回数据给应用。

3.3.2 Write-Through 流程

• 应用写入数据到缓存。
• 缓存组件同步将数据写入数据库。
• 写入成功后，缓存返回确认给应用。

3.4 策略对比表

3.5 双写一致性流程对比图

下图展示了 Cache-Aside 与 Write-Through 在写操作时的核心差异：

3.6 契约测试中的一致性校验

在回归冒烟测试中，缓存API的响应格式必须包含以下字段以支持一致性校验：

{
  "status": "success",
  "data": {
    "id": "user_123",
    "name": "张三",
    "updated_at": "2025-03-21T10:30:00Z"
  },
  "meta": {
    "source": "cache",        // 数据来源：cache / database
    "cache_hit": true,        // 是否缓存命中
    "consistency_strategy": "cache-aside",  // 当前策略
    "ttl_remaining": 120      // 缓存剩余生存时间（秒）
  }
}

3.7 策略选择建议