本文讨论的前提：

1. 不是一个事务，永远无法满足数据库和缓存的强一直性的;
2. 文中会列举不一致的逻辑场景;
3. 一定是依解决业务问题，和业务达成的共同目标为前提；

前言

只要用到多数据源存储同一份相同的数据，在更新时，都会考虑数据一致性问题。这是常见问题，但是对于分布式系统的CAP 理论，相信很多人都听过，它是指：一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance）这三项中的两项。

为什么要理解 CAP 理论？
我能说出很多理由来。如果是在职场上，也许最合适的理由是，当领导给出的任务不靠谱时，我们可以依据 CAP 去否决它。比如，有这么一个任务，给你定了个大目标：

1. 这个系统满足编辑后数据要有实时性可见;
2. 还要系统的可用性，即响应效率高、响应结果合理，不能有bug；
3. 分区容错能力要高故障率99.9999%;
这个目标能完成吗？
本次讨论的数据库和缓存的数据一致性，就是Consistency。

为什么出现数据不一致

我们引入缓存机制，目的是：提高查询效率，这是初衷和前提，在并发场景下，也引入了一个问题，**何时去更新缓存？**在数据更新时，不仅要更新数据库，而且要更新缓存等，有如下集中情况

1.先更新数据库，再更新缓存

举个例子，比如「请求 A 」和「请求 B 」两个请求，同时更新「同一条」数据，则可能出现这样的顺序：

A 请求先将数据库的数据更新为 1，然后在更新缓存前，请求 B 将数据库的数据更新为 2，紧接着也把缓存更新为 2，然后 A 请求更新缓存为 1。
此时，数据库中的数据是 2，而缓存中的数据却是 1，出现了缓存和数据库中的数据不一致的现象。

2. 先更新缓存，再更新数据库

那换成「先更新缓存，再更新数据库」这个方案，还会有问题吗？
依然还是存在并发的问题，分析思路也是一样。
假设「请求 A 」和「请求 B 」两个请求，同时更新「同一条」数据，则可能出现这样的顺序：

A 请求先将缓存的数据更新为 1，然后在更新数据库前，B 请求来了， 将缓存的数据更新为 2，紧接着把数据库更新为 2，然后 A 请求将数据库的数据更新为 1。
此时，数据库中的数据是 1，而缓存中的数据却是 2，出现了缓存和数据库中的数据不一致的现象。
所以，无论是「先更新数据库，再更新缓存」，还是「先更新缓存，再更新数据库」，这两个方案都存在并发问题，当两个请求并发更新同一条数据的时候，可能会出现缓存和数据库中的数据不一致的现象。

3. 先删除缓存，再更新数据库

假设某个用户的年龄是 20，请求 A 要更新用户年龄为 21，所以它会删除缓存中的内容。这时，另一个请求 B 要读取这个用户的年龄，它查询缓存发现未命中后，会从数据库中读取到年龄为 20，并且写入到缓存中，然后请求 A 继续更改数据库，将用户的年龄更新为 21。

最终，该用户年龄在缓存中是 20（旧值），在数据库中是 21（新值），缓存和数据库的数据不一致。
可以看到，先删除缓存，再更新数据库，在「读 + 写」并发的时候，还是会出现缓存和数据库的数据不一致的问题。

4. 先更新数据库，再删除缓存

继续用「读 + 写」请求的并发的场景来分析。
假如某个用户数据在缓存中不存在，请求 A 读取数据时从数据库中查询到年龄为 20，在未写入缓存中时另一个请求 B 更新数据。它更新数据库中的年龄为 21，并且清空缓存。这时请求 A 把从数据库中读到的年龄为 20 的数据写入到缓存中。

最终，该用户年龄在缓存中是 20（旧值），在数据库中是 21（新值），缓存和数据库数据不一致。从上面的理论上分析，先更新数据库，再删除缓存也是会出现数据不一致性的问题，

解决方案

一切的技术方案都要根据业务合理的需求来。引入缓存是为了提高查询效率。

1. 实时性不高的。比如：商详页、评价列表、点赞数等可以使用缓存过期时间+MQ/canal异步删除
2. 实时性高的。比如商品库存、优惠券数量、保存在redis。并采用redisson提供的读写锁保证数据同步。