緩存與數據庫的操作時序，不管是《Cache Aside Pattern》中的方案，還是《究竟先操作緩存，還是數據庫?》中的方案，都會遇到緩存與數據庫不一致的問題。今天聊聊這個問題。

[[236541]]

一、數據庫主從不一致

先回顧下，無緩存時，數據庫主從不一致問題。

如上圖，發生的場景是，寫后立刻讀：

• 主庫一個寫請求(主從沒同步完成)
• 從庫接著一個讀請求，讀到了舊數據
• ***，主從同步完成

導致的結果是：主動同步完成之前，會讀取到舊數據。

可以看到，主從不一致的影響時間很短，在主從同步完成后，就會讀到新數據。

二、緩存與數據庫不一致

再看，引入緩存后，緩存和數據庫不一致問題。

如上圖，發生的場景也是，寫后立刻讀：

• (1+2)先一個寫請求，淘汰緩存，寫數據庫
• (3+4+5)接著立刻一個讀請求，讀緩存，cache miss，讀從庫，寫緩存放入數據，以便后續的讀能夠cache hit(主從同步沒有完成，緩存中放入了舊數據)
• (6)***，主從同步完成

導致的結果是：舊數據放入緩存，即使主從同步完成，后續仍然會從緩存一直讀取到舊數據。

可以看到，加入緩存后，導致的不一致影響時間會很長，并且最終也不會達到一致。

三、問題分析

可以看到，這里提到的緩存與數據庫數據不一致，根本上是由數據庫主從不一致引起的。當主庫上發生寫操作之后，從庫binlog同步的時間間隔內，讀請求，可能導致有舊數據入緩存。

假如主從不一致沒法徹底解決，引入緩存之后，binlog同步時間間隔內，也無法避免讀舊數據。

但是，有沒有辦法做到，即使引入緩存，不一致不會比“不引入緩存”更糟呢?這是更為實際的優化目標。

思路轉化為：在從庫同步完成之后，如果有舊數據入緩存，應該及時把這個舊數據淘汰掉。

四、不一致優化

如上圖所述，在并發讀寫導致緩存中讀入了臟數據之后：

• (6)主從同步
• (7)通過工具訂閱從庫的binlog，這里能夠最準確的知道，從庫數據同步完成的時間

畫外音：本圖畫的訂閱工具是DTS，可以是cannal，也可以自己訂閱和分析binlog

• (8)從庫執行完寫操作，向緩存再次發起刪除，淘汰這段時間內可能寫入緩存的舊數據

如此這般，至少能夠保證，引入緩存之后，主從不一致，不會比沒有引入緩存更壞。

畫外音：即使引入緩存，也只有一個很小的時間間隔，可能讀到舊數據。

五、結尾

問：如何完全避免，主從同步時間差，數據的一致性?

答：詳見《數據庫主從不一致，怎么解?》。

問：該方案，只能優化，并發讀寫情況下，緩存與數據庫一致性問題。如果，緩存與數據庫兩次操作，原子性被破壞(例如：修改數據庫成功，淘汰緩存失敗，導致的數據不一致)，如何優化數據的一致性呢?

答：詳見《究竟先操作緩存，還是數據庫?》。

【本文為51CTO專欄作者“58沈劍”原創稿件，轉載請聯系原作者】

戳這里，看該作者更多好文