面试频率:★★★★★
建议学习时间:60 分钟
适用岗位:Java 后端 / Java + AI
重点:Cache Aside、更新顺序、并发读写、删除失败、事务边界和最终一致性
今日学习安排
- 10 分钟:理解为什么缓存和数据库会不一致。
- 20 分钟:掌握旁路缓存和常见更新顺序。
- 15 分钟:理解并发读写、删除失败与业务场景。
- 15 分钟:背诵标准回答和面试追问。
⚡ 30 秒速记
Redis 缓存和 MySQL 是两份独立的数据。数据库更新和缓存操作通常无法作为一个本地事务原子提交,因此并发、失败或延迟都可能导致短时间不一致。
常见做法是 Cache Aside(旁路缓存):
读:先查缓存 → 未命中则查数据库 → 写入缓存 → 返回。
写:更新数据库并提交 → 删除缓存 → 下次读取时重建。
这种做法不能保证强一致。常见补救措施包括合理的缓存过期时间、可靠的删除重试、监听数据库变更,以及针对特定并发场景使用版本校验或其他协调机制。选择方案要先看业务允许多长时间不一致。
🎤 一、面试标准回答
Q:Redis 和 MySQL 的数据一致性怎么保证?
标准回答(1~2 分钟):
Redis 和 MySQL 是两个独立的数据存储,数据库更新与缓存操作通常不能靠一个本地事务原子完成,因此首先要明确业务要求的是强一致,还是允许短时间的最终一致。
常见方案是旁路缓存:读取时先查 Redis,未命中再查数据库并回填;更新时先更新并提交数据库,再删除对应缓存,让后续读取从数据库重新加载。删除缓存比直接更新缓存更适合一些多字段组合或高并发更新场景,可以避免部分并发更新导致旧值覆盖新值,但它本身不能保证绝对一致。
主要风险有两个:一是数据库已提交,但删除缓存失败;二是读请求在数据库更新前读到旧值,却在写请求删除缓存之后才把旧值写回 Redis。前者可以结合可靠消息、删除重试或订阅数据库变更处理;后者需要结合业务的一致性要求,考虑版本校验、串行化等协调机制,缓存过期时间也能限制部分脏数据的持续时间。
对于余额、库存扣减等不能接受错误结果的操作,我会以数据库约束和事务中的条件更新作为正确性保障,缓存主要用于展示或加速读取,不能仅依靠缓存和数据库最终一致来保证业务正确。
📚 二、为什么会出现不一致?
以商品价格为例:
MySQL:商品价格 = 100
Redis:商品价格 = 100
商家将价格调整为 120。理想结果是两边最终都反映新价格,但数据库写入和 Redis 操作是两次独立操作:
更新数据库成功
↓
应用异常 / 网络故障 / 缓存删除失败
↓
MySQL = 120,Redis 仍然 = 100
并发读写也可能让旧数据在错误的时间被重新写入缓存,即使数据库更新和删除缓存都成功,也不代表缓存一定立即正确。
数据权威来源在本文场景中是 MySQL;Redis 是用于加速读取的副本。不同系统也可能使用不同架构,必须先明确谁是权威来源。
强一致和最终一致
- 强一致:一次写入完成后,后续读取按所要求的一致性语义看到新值;具体保证取决于系统约定。
- 最终一致:短时间允许读到旧值,但在满足补偿成功、没有新的冲突等条件后,数据最终趋于一致。
“配置了过期时间”不等于自动实现严格的强一致;如果重建失败、持续读到旧数据或补偿不可靠,也不能无条件承诺最终一致。
📚 三、Cache Aside:旁路缓存
1. 读流程
查询商品
↓
读取 Redis
├── 命中 → 返回缓存
└── 未命中 → 查询 MySQL
├── 有数据 → 写入 Redis → 返回
└── 无数据 → 按业务返回不存在
缓存未命中时,多个请求可能同时回源。上次学习的热点 Key 击穿,可以结合互斥重建、逻辑过期等处理。
2. 写流程
修改商品
↓
更新 MySQL
↓
数据库事务提交成功
↓
删除对应 Redis 缓存
↓
下次读取时从数据库重建缓存
这里强调数据库提交之后删除缓存:如果只是执行了 UPDATE,但事务还未提交,就先删除缓存,其他请求可能在提交前查到旧数据并回填缓存。
3. 为什么通常选择删除缓存?
写入数据库后直接更新缓存并非绝对不行,但并发写入时,后执行的缓存写入不一定对应数据库中最新的业务版本。
请求 A:数据库写 100
请求 B:数据库写 120
请求 B:缓存写 120
请求 A:缓存写 100
最终数据库可能是 120,而缓存被后到的旧值覆盖为 100。删除缓存能避免这种直接以旧值更新缓存的典型问题;但并发读取回填旧值等问题依然存在。
如果缓存结果由多个表或复杂计算组成,删除后按统一查询逻辑重建,也可以减少更新时遗漏字段的风险。
🔥 四、为什么不先删除缓存,再更新数据库?
假设数据库原值和缓存都是 100,请求 A 更新为 120:
请求 A:删除缓存
请求 B:查询缓存,未命中
请求 B:查询数据库,读到旧值 100
请求 B:将 100 写入缓存
请求 A:更新数据库为 120 并提交
最终可能是:
MySQL = 120
Redis = 100
原因是删除缓存后到数据库提交前存在时间窗口,读请求可能把旧数据重新放回缓存。
**面试回答:**先删除缓存再更新数据库,并发读可能在数据库更新前读到旧值并回填缓存,所以通常更倾向于数据库提交后删除缓存。但后者仍不能彻底消除所有并发不一致。
🔥 五、先更新数据库,再删除缓存就一定一致吗?
不一定。 下面两个问题都可能发生。
场景一:数据库提交成功,删除缓存失败
请求 A:更新数据库为 120,并提交成功
请求 A:删除 Redis 缓存失败
结果:数据库是 120,缓存可能仍是 100
处理思路
- 重试删除:记录失败事件并重试,操作要支持重复执行。
- 可靠消息或事务性发件箱:把业务变更和待处理事件在同一个数据库事务内持久化,再由后台可靠投递并消费,成功后删除缓存。需要处理重复消费、积压和持续失败。
- 订阅数据库变更:通过数据库变更日志等方式获取已提交变更,再删除或更新对应缓存。需要处理延迟、断点恢复、重复消息和顺序等问题。
- 缓存过期时间:作为兜底缩短部分错误数据存在时间,但不能替代可靠补偿。
普通“先提交数据库,再发一条消息”也可能在两步之间失败;要关注消息或事件是如何可靠产生的。
场景二:旧读结果在删除后才写入缓存
这个并发时序比较隐蔽:
初始:MySQL = 100,缓存不存在
请求 B:查缓存,未命中
请求 B:查数据库,读到旧值 100,暂时没有回填
请求 A:更新数据库为 120,并提交
请求 A:删除缓存
请求 B:将旧值 100 写入缓存
最终可能是 MySQL = 120、Redis = 100。
这个场景需要特定并发时序,但确实可能发生;“先更新数据库再删除缓存”减少了一类风险,不是强一致保证。
如何处理?
- 如果业务允许短时间不一致,可以结合合理的 TTL、监控和补偿控制影响;TTL 从错误值写入开始计算,不能保证所有情况下在某个固定业务时点内恢复。
- 如果需要避免旧数据覆盖新版本,可设计版本校验:回填时通过原子操作比较版本或失效标记,拒绝已经过期的旧版本。版本的生成、传递和比较需要完整设计;简单地在值里加一个版本字段并不自动解决问题。
- 对特别关键的数据,可以考虑针对同一业务 Key 的读写协调或串行化,但要评估吞吐量、锁故障与复杂度。
- 对无法接受读到旧值的关键操作,改从权威数据源读取并结合事务、锁或版本控制等保证所需语义。
🔥 六、延迟双删是什么?
一种常见讨论方式是:
删除缓存
↓
更新数据库并提交
↓
等待一段时间
↓
再次删除缓存
意图是清理第一次删除后、数据库更新期间可能被回填的旧值。有些方案也会在更新并首次删除之后安排一次延迟删除,具体流程需要明确。
**局限:**等待多久无法覆盖所有可能的请求延迟;第二次删除本身也可能失败;它会增加额外延迟或后台任务。延迟双删可以降低某些时序下旧缓存残留的概率,不能单独保证强一致,也不能替代可靠重试。
面试回答
延迟双删是用一次延迟删除来清理并发请求可能回填的旧缓存,但延迟时间不能保证覆盖所有并发时序,第二次删除也可能失败,所以它只能缓解问题,不能当作严格一致性的保证。
📚 七、事务提交和删除缓存的顺序
假设 Java 方法开启数据库事务:
开始事务
↓
更新数据库,但还没有提交
↓
删除缓存
↓
其他请求查缓存未命中,查询数据库旧值并回填
↓
原事务提交
即使代码看起来是“先 UPDATE,再删除缓存”,如果删除发生在数据库事务提交之前,仍存在读旧值回填的窗口。
因此需要明确数据库真正提交的时间点。可以使用事务提交后的处理机制触发删除,但还要考虑:数据库已经提交后,进程可能在回调执行前或执行中宕机;只依赖内存中的提交后回调,不能保证删除一定执行。对于重要业务,应结合持久化事件和可靠补偿。
如果数据库事务最终回滚,不能把未提交的数据当作已生效变更去更新缓存;应根据实际实现检查回调和异常处理。
💼 八、业务场景题
场景一:商品价格修改后,用户还看到旧价格,怎么排查?
标准回答:
我会先确认 MySQL 中价格是否已经提交,以及查询接口实际读取的是哪个缓存 Key、哪个数据源。再检查缓存删除是否执行成功、是否存在不同维度的关联缓存,以及是否发生并发读取旧值后回填。
同时查看应用日志、缓存 TTL、数据库变更时间和请求链路,区分删除失败、删错 Key、事务提交顺序以及并发回填等原因。处理时先删除或修复受影响缓存,再根据根因补充可靠失效、版本校验或监控。实际下单价格还应以业务定义的权威校验结果为准。
场景二:数据库更新成功,但 Redis 删除失败,怎么办?
标准回答:
这时不能因为 Redis 删除失败就认为数据库更新也回滚了,数据库事务可能已经提交。我会记录受影响的业务标识和待失效缓存,使用可靠的事件或任务进行重试,并做好告警和幂等处理。缓存过期可以作为兜底,但不能只依靠进程内异步任务;如果业务无法接受旧值,还需要相应的读取或降级策略。
场景三:订单库存可以只依赖 Redis 和 MySQL 最终一致吗?
标准回答:
要先明确库存的权威来源和一致性要求。对于不能超卖的数据库库存扣减,通常需要在数据库事务中通过条件更新、版本号或其他并发控制保证正确性,例如在库存足够时才扣减,并检查受影响行数。缓存可以用于展示或减轻读取压力,但不能仅依靠最终一致性来保证扣减正确。高并发架构也可以设计其他库存权威方案,但必须完整考虑扣减、失败、补偿和一致性,不能只靠一句“先扣 Redis”。
场景四:删除缓存成功,为什么还是出现旧数据?
标准回答:
可能是并发读请求早已从数据库读到旧值,在删除之后才将旧值写回缓存;也可能是删错 Key、存在其他缓存副本,或者读取了延迟的数据库副本。需要通过时间线、Key、数据源和日志确认具体原因,再考虑版本校验、读写协调或其他针对性措施。
🎯 九、面试追问
Q1:为什么一般先更新数据库,再删除缓存?
因为先删除缓存再更新数据库时,其他请求容易在数据库提交前读到旧值并回填。数据库提交后删除缓存能避免这个典型时间窗口,但仍可能发生更早读到旧值、删除后才回填的情况。
Q2:为什么是删除缓存,而不是更新缓存?
删除缓存能让后续读取按统一逻辑重建,避免一些并发更新时旧值覆盖新值的问题。直接更新缓存也可用于特定场景,但要处理更新顺序、版本和失败,并不是绝对不能使用。
Q3:删除缓存失败了怎么办?
通过可靠持久化的事件、任务或数据库变更订阅进行重试,配合告警、幂等和死信处理;TTL 可作为兜底。要检查事件本身是否可靠产生。
Q4:删除操作为什么需要考虑幂等?
消息或任务可能重复投递,删除同一 Key 通常可以重复执行。但如果同时涉及业务更新、发送通知等其他操作,仍要分别保证这些操作的幂等性。
Q5:TTL 能保证缓存一致性吗?
不能保证强一致。TTL 可以限制某次写入缓存后的存活时间,但期间仍可能读到旧值,且缓存被错误重建、续期或补偿持续失败等情况都要另行考虑。
Q6:删除缓存应该在数据库事务提交前还是提交后?
通常在数据库提交成功后。提交前删除可能使并发请求读到尚未更新的数据库旧值并回填;同时要考虑提交后进程故障导致删除未执行。
Q7:事务提交后执行删除,就不会有任何问题了吗?
不会。删除可能失败,或者有更早读取数据库旧值的请求在删除后才回填。需要按业务要求处理失败与并发时序。
Q8:监听 binlog 就一定不会丢消息或延迟吗?
不能这样保证。仍需要处理订阅组件故障、断点恢复、重复消费、积压和延迟。它是一种获取已提交变更的方式,需要完整的可靠性设计。
Q9:读写数据库主从分离时有什么额外风险?
主库更新并删除缓存后,读请求如果从尚未追上主库的从库读取,可能把旧值回填缓存。需要结合业务考虑读主、读取路由或副本延迟等措施。
Q10:如何选择最终一致还是更严格的一致性?
先看业务能否容忍旧数据以及容忍多久,再评估错误的影响、吞吐量和实现成本。商品介绍可能允许短暂旧值;库存扣减、余额等关键操作应在权威数据源上使用适当的并发与事务控制。
Q11:延迟双删为什么不是万能方案?
请求或系统暂停可能超过设定的等待时间,第二次删除也可能失败。它依赖时序,只能降低特定问题出现的概率。
⚠️ 十、常见易错点
- 把“先更新数据库,再删缓存”说成绝对强一致。 它仍有删除失败和并发旧值回填风险。
- 只看代码顺序,不看事务提交时间。 UPDATE 执行成功不等于数据库事务已经提交。
- 以为提交后回调必然执行。 数据库提交后应用仍可能宕机,需要可靠事件或补偿。
- 认为延迟双删或 TTL 一定解决所有并发问题。 它们都有前提和局限。
- 忽略从库延迟和多层缓存。 删除一个 Redis Key 不代表所有数据副本都已更新。
- 把最终一致当作库存、余额等关键操作的正确性保障。 先明确权威来源并使用合适的事务与并发控制。
📌 十一、考前必背
缓存和数据库是独立存储,更新和删除通常不能作为一个本地事务原子完成。常见旁路缓存方案是读时先查缓存,未命中查库回填;写时更新并提交数据库后删除缓存。
该方案仍可能出现删除失败,或并发读到旧值后再回填缓存。需要按业务一致性要求结合可靠重试、数据库变更订阅、版本校验和合理 TTL 等手段。
对库存和余额等关键操作,应明确权威数据源,使用事务和并发控制保证正确性,不能只依赖缓存最终一致。