面试题答案
一键面试1. 双写模式
- 实现方案：在更新 MySQL 数据时，同时更新 Redis 缓存数据。
- 优点：实现简单，业务逻辑直观，在大多数情况下能保证数据一致性。
- 缺点：在高并发场景下，可能出现更新 MySQL 成功但更新 Redis 失败，或者更新 Redis 成功但更新 MySQL 失败的情况，导致数据不一致。而且双写操作会增加系统复杂度和性能开销。
2. 先更新数据库，再删除缓存
- 实现方案：业务操作先更新 MySQL 数据库，然后删除对应的 Redis 缓存数据。当下次请求读取数据时，发现缓存中没有数据，再从数据库读取并重新写入缓存。
- 优点：相比双写模式，减少了写操作的复杂度，降低了缓存与数据库数据不一致的概率。因为只要删除缓存操作成功，下次请求就能获取到最新数据。
- 缺点：在高并发场景下可能出现缓存击穿问题。比如在删除缓存和再次读取并写入缓存之间的短暂时间内，大量请求同时进来，这些请求都去查询数据库，可能对数据库造成较大压力。另外，如果删除缓存操作失败，也会导致数据不一致。
3. 先删除缓存，再更新数据库
- 实现方案：业务操作先删除 Redis 缓存数据，然后更新 MySQL 数据库。
- 优点：可以避免先更新数据库再删除缓存时可能出现的缓存击穿问题，因为先删除缓存后，后续请求就不会从旧的缓存中读取数据。
- 缺点：在高并发场景下，如果删除缓存后，更新数据库操作还未完成，另一个请求进来读取数据，会从数据库读到旧数据并写入缓存，导致数据不一致。此外，如果删除缓存成功但更新数据库失败，也会出现数据不一致情况。
4. 基于订阅 - 发布模式
- 实现方案：利用消息队列（如 Kafka、RabbitMQ 等），在数据库数据发生变化时，数据库的 binlog 日志会被捕获并发送到消息队列，订阅该消息的服务接收到消息后，对 Redis 缓存进行相应的更新或删除操作。
- 优点：解耦了数据库和缓存的更新操作，降低了业务系统的耦合度。通过消息队列的异步处理，可以提高系统的整体性能和吞吐量，并且能较好地应对高并发场景，减少数据不一致的概率。
- 缺点：引入消息队列增加了系统架构的复杂性，需要处理消息的可靠性投递、重复消费、消息积压等问题。同时，消息处理存在一定的延迟，可能导致短时间内数据不一致。
5. 缓存一致性框架（如 Canal + Redis）
- 实现方案：Canal 模拟 MySQL 从库，监听 MySQL 的 binlog 日志，解析 binlog 中的数据变更事件，然后根据配置将这些变更同步到 Redis 缓存中。
- 优点：基于数据库 binlog 同步，能保证数据的准确性和一致性，对业务侵入性小，不需要在业务代码中大量编写缓存更新逻辑。适用于大规模数据一致性同步场景。
- 缺点：同样增加了系统的复杂性，需要部署和维护 Canal 服务。对 binlog 的依赖可能存在兼容性问题，不同数据库版本的 binlog 格式可能有所差异，配置和维护成本较高。