面试题：缓存设计：简述数据库与缓存一致性问题的常见场景及简单解决方案

常见业务场景及解决方案

写操作后读操作
- 场景描述：在对数据库进行写操作（如插入、更新、删除）后，紧接着进行读操作。如果缓存未及时更新，读操作可能会从缓存中读取到旧数据，导致数据库与缓存数据不一致。
- 解决方案：采用先更新数据库，再删除缓存的策略。这样在写操作后，下次读操作就会因为缓存中数据已被删除，从而从数据库读取最新数据并重新填充缓存。例如在Java中使用Spring Data JPA操作数据库和Redis作为缓存，代码如下：

@Service
public class UserService {
    @Autowired
    private UserRepository userRepository;
    @Autowired
    private StringRedisTemplate stringRedisTemplate;

    public void updateUser(User user) {
        userRepository.save(user);
        stringRedisTemplate.delete("user:" + user.getId());
    }
}

高并发写操作
- 场景描述：多个并发的写操作同时进行，不同线程执行更新数据库和更新/删除缓存的顺序可能不同，导致缓存和数据库最终状态不一致。比如线程A先更新数据库，线程B后更新数据库，但线程B先更新缓存，线程A后更新缓存，最终缓存数据可能是线程A的旧数据。
- 解决方案：使用分布式锁。在进行写操作前获取分布式锁，保证同一时间只有一个线程能进行写操作及后续的缓存更新。以Redis实现分布式锁为例，使用Redisson框架：

@Service
public class ProductService {
    @Autowired
    private RedissonClient redissonClient;
    @Autowired
    private ProductRepository productRepository;
    @Autowired
    private StringRedisTemplate stringRedisTemplate;

    public void updateProduct(Product product) {
        RLock lock = redissonClient.getLock("product:lock:" + product.getId());
        try {
            lock.lock();
            productRepository.save(product);
            stringRedisTemplate.delete("product:" + product.getId());
        } finally {
            lock.unlock();
        }
    }
}

缓存失效时大量读请求
- 场景描述：当缓存过期失效时，大量读请求同时涌入，这些请求都会去查询数据库，然后再更新缓存。如果部分请求在更新缓存前，其他请求又来读取数据库，就可能导致缓存和数据库不一致，并且还可能造成数据库压力过大。
- 解决方案：采用缓存预热和互斥锁机制。缓存预热即在系统启动时就将一些热点数据加载到缓存中。对于缓存失效时的读请求，使用互斥锁，只允许一个请求去查询数据库并更新缓存，其他请求等待。当第一个请求更新完缓存后，等待的请求直接从缓存读取数据。以下是Python中使用Flask框架和Redis实现的示例：

import redis
from flask import Flask
import threading

app = Flask(__name__)
redis_client = redis.StrictRedis(host='localhost', port=6379, db=0)

def get_data_from_db(key):
    # 模拟从数据库获取数据
    return "data from db"

def set_data_to_cache(key, value):
    redis_client.setex(key, 3600, value)

def get_data(key):
    data = redis_client.get(key)
    if data is None:
        lock_key = "lock:" + key
        with redis_client.lock(lock_key, blocking_timeout=10):
            data = redis_client.get(key)
            if data is None:
                data = get_data_from_db(key)
                set_data_to_cache(key, data)
    return data

星途面试题库

面试题：缓存设计：简述数据库与缓存一致性问题的常见场景及简单解决方案

知识考点

面试题答案

常见业务场景及解决方案