详解更新缓存的五种组合方式

更新缓存的步骤特别简单，共两步：更新数据库和更新缓存。但这简单的两步中需要考虑很多问题。

• 先更新数据库还是先更新缓存？更新缓存时先删除还是直接更新？

• 假设第一步成功了，第二步失败了怎么办？

• 假设两个线程同时更新同一个数据，A 线程先完成第一步，B 线程先完成第二步怎么办？

其中第一步就有五种组合：

1、先更新缓存，再更新数据库

对于这个组合，会遇到这种情况：假设第二步更新数据库失败了，要求回滚缓存的更新，这时该怎么办呢？Redis 不支持事务回滚，除非采用手工回滚的方式，先保存原有数据，然后再将缓存更新回原来的数据，这种解决方案有些缺陷。

这里简单举个例子。

1）原来缓存中的值是 a，两个线程同时更新库存。

2）线程 A 将缓存中的值更新成 b，且保存了原来的值 a，然后更新数据库。

3）线程 B 将缓存中的值更新成 c，且保存了原来的值 b，然后更新数据库。

4）线程 A 更新数据库时失败了，它必须回滚，那现在缓存中的值更新成什么呢？

理论上应该更新成 c，因为数据库中的值是 c，但是，线程 A 里面无从获得 c 这个值。如果在线程 A 更新缓存与数据库的整个过程中，先把缓存及数据库都锁上，确保别的线程不能更新，是否可行？当然是可行的。

但是其他线程能不能读取？假设线程 A 更新数据库失败回滚缓存时，线程 C 也加入进来，它需要先读取缓存中的值，这时又返回什么值？不错，这就是典型的事务隔离级别场景。所以就不推荐这个组合，因为此处只是需要使用一下缓存，而这个组合就要考虑事务隔离级别的一些逻辑，成本太大。接着考虑别的组合。

2、先删除缓存，再更新数据库

使用这种方案，即使更新数据库失败了也不需要回滚缓存。这种做法虽然巧妙规避了失败回滚的问题，却引出了两个更大的问题。

1）假设线程 A 先删除缓存，再更新数据库。在线程 A 完成更新数据库之前，后执行的线程 B 反而超前完成了操作，读取 Key 发现没有数据后，将数据库中的旧值存放到了缓存中。线程 A 在线程 B 都完成后再更新数据库，这样就会出现缓存（旧值）与数据库的值（新值）不一致的问题。

2）为了解决一致性问题，可以让线程 A 给 Key 加锁，因为写操作特别耗时，这种处理方法会导致大量的读请求卡在锁中。

以上描述的是典型的高可用和一致性难以两全的问题。

3、先更新数据库，再更新缓存

对于这个方案，同样需要考虑两个问题。

1）假设第一步（更新数据库）成功，第二步（更新缓存）失败了怎么办？因为缓存不是主流程，数据库才是，所以不会因为更新缓存失败而回滚第一步对数据库的更新。此时一般采取的做法是重试机制，但重试机制如果存在延时还是会出现数据库与缓存不一致的情况，不好处理。

2）假设两个线程同时更新同一个数据，线程 A 先完成了第一步，线程 B 先完成了第二步怎么办？线程 A 把值更新成 a，线程 B 把值更新成 b，此时数据库中的最新值是 b，因为线程 A 先完成了第一步，后完成第二步，所以缓存中的最新值是 a，数据库与缓存的值还是不一致，这个逻辑还是有问题的。

因此，也不建议采用这个组合。

4、先更新数据库，再删除缓存

针对组合 4，先看看它能不能解决组合 3 的第二个问题。

假设两个线程同时更新同一个数据，线程 A 先完成第一步，线程 B 先完成第二步怎么办？

线程 A 把值更新成 a，线程 B 把值更新成 b，此时数据库中的最新值是 b，因为线程 A 先完成了第一步，所以第二步谁先完成已经不重要了，因为都是直接删除缓存数据。这个问题解决了。

那么，它能解决组合 3 的第一个问题吗？假设第一步成功，第二步失败了怎么办？这种情况的出现概率与组合 3 相比明显低不少，因为删除比更新容易多了。

虽然这个组合方案不完美，但出现一致性问题的概率较低。除了组合 3 会碰到的问题，组合 4 还会碰到别的问题吗？

是的。假设线程 A 要更新数据，先完成第一步更新数据库，在线程 A 删除缓存之前，线程 B 要访问缓存，那么取得的就是旧数据。这是一个小小的缺陷。那么，以上问题有办法解决吗？

5、先删除缓存，更新数据库，再删除缓存

还有一个方案，就是先删除缓存，再更新数据库，再删除缓存。这个方案其实和先更新数据库，再删除缓存差不多，因为还是会出现类似的问题：假设线程 A 要更新数据库，先删除了缓存，这一瞬间线程 C 要读缓存，先把数据迁移到缓存；然后线程 A 完成了更新数据库的操作，这一瞬间线程 B 也要访问缓存，此时它访问到的就是线程 C 放到缓存里面的旧数据。

不过组合 5 出现类似问题的概率更低，因为要刚好有 3 个线程配合才会出现问题（比先更新数据库，再删除缓存的方案多了一个需要配合的线程）。

但是相比于组合 4，组合 5 规避了第二步删除缓存失败的问题——组合 5 是先删除缓存，再更新数据库，假设它的第三步“再删除缓存”失败了，也没关系，因为缓存已经删除了。

其实没有一个组合是完美的，它们都有读到脏数据（这里指旧数据）的可能性，只不过概率不同。根据以上分析，组合 5 相对来说是比较好的选择。

任何一个方案都不是完美的，但如果剩下 1%的问题需要花好几倍的代价去解决，从技术上来讲得不偿失，这就要求架构师去说服业务方，去平衡技术的成本和收益。