Redis缓存与数据库一致性的原理及最佳实践

作者：袖梨 2026-07-29

1. 不一致为何会发生？（通俗原理）

数据库（MySQL）与缓存（Redis）彼此独立，更新数据就像要把同一封信分别送到两座房子。

如果先给 Redis 送信（删/改），再给 MySQL 送信，但 MySQL 送信慢了，别人来 Redis 查发现没数据，去 MySQL 查到了旧数据，又写回 Redis，导致 Redis 变成旧数据。
如果先给 MySQL 送信，再给 Redis 送信（删缓存），中间有极短时间（毫秒级）Redis 还是旧数据，但一删掉就没了，别人再来只能查 MySQL 的新数据。

我们只能追求这一核心结论：“最终一致”（允许短时间存在差异，但会迅速修复），绝对强一致无法用低成本实现。

2. 为何选择“删除缓存”而非“更新缓存”？

假定两个线程在同一时间更新数据：

线程A 将 age 修改为 18，并把缓存更新成 18。
age 的值被线程B改为 20，缓存随后由它更新为 20（后执行）。
受网络延迟影响，若 B 的请求先抵达缓存、A 后抵达，缓存最后会成为旧值 18。

但“删除缓存”不会带来这一困扰：无论执行有先有后，删除后缓存都不存在；下次读取会先查库再回填，从而写入最新的 DB 值。

3. Cache-Aside 模式的最佳实践核心流程

读取数据：查询从 Redis 开始，若有命中便返回；否则转查 MySQL，并将结果写回 Redis（过期时间设为 TTL）。
写入数据：先对 MySQL 执行更新（事务提交），然后删除 Redis。

4. 并发中的终极陷阱（延迟双删的来由）

在极少见的情形下：

线程A 更新 MySQL 为 100，删除了 Redis。
线程B 读 Redis 未命中，去 MySQL 读到 100，准备回填 Redis。
线程C 更新 MySQL 为 200，删除了 Redis（此时 Redis 是空的）。
由于网络慢，线程B 的回填此刻才完成，100 被写入 Redis。结果是 Redis 保存了旧值 100。

解决办法：延迟双删。即在更新 MySQL 并删除 Redis 后，等待 1~2 秒（等待可能的并发读回填完成），再删除一次 Redis，把旧值清理掉。

5. 最佳实践示例代码（Java Spring Boot + Redis）

5.1 基础方案（使用最广，适用于多数场景）

完成 DB 更新并提交事务后，再删除缓存，同时设置 TTL 作为兜底。

代码示例：

  @Service  @Slf4j  public class UserService {      @Autowired      private UserDao userDao;      @Autowired      private RedisTemplate<String, Object> redisTemplate;      private static final String CACHE_KEY = "user:";      // 查询：旁路缓存      public User getById(Long id) {          String key = CACHE_KEY + id;          // 1. 查缓存          User user = (User) redisTemplate.opsForValue().get(key);          if (user != null) {              return user;          }          // 2. 查数据库          user = userDao.selectById(id);          if (user != null) {              // 3. 回填缓存，必须设置过期时间（兜底）              redisTemplate.opsForValue().set(key, user, 30, TimeUnit.MINUTES);          }          return user;      }      // 更新：先更新DB，后删缓存      @Transactional      public void updateUser(User user) {          // 1. 更新数据库          userDao.updateById(user);          // 2. 删除缓存（注意：必须确保事务提交后再删，避免DB回滚导致缓存被误删）          String key = CACHE_KEY + user.getId();          redisTemplate.delete(key);          log.info("更新用户 id={}, 缓存已删除", user.getId());      }  }

5.2 事务提交后删除与延迟双删（严谨版）

缓存删除由事务同步器安排在 DB 真正提交之后，同时还要执行延迟二次删除。

代码示例：

  @Service  @Slf4j  public class UserServiceStrict {      @Autowired      private UserDao userDao;      @Autowired      private RedisTemplate<String, Object> redisTemplate;      // 用于延迟任务的线程池      private final ScheduledExecutorService scheduler = Executors.newScheduledThreadPool(4);      @Transactional      public void updateUser(User user) {          // 1. 更新数据库          userDao.updateById(user);          String key = CACHE_KEY + user.getId();          // 2. 注册事务同步器，确保事务提交后再操作缓存          TransactionSynchronizationManager.registerSynchronization(              new TransactionSynchronization() {                  @Override                  public void afterCommit() {                      // 2.1 立即删除缓存                      redisTemplate.delete(key);                      log.info("事务提交后立即删除缓存 key={}", key);                      // 2.2 延迟 1.5 秒后再次删除（防止并发读回填旧数据）                      scheduler.schedule(() -> {                          try {                              redisTemplate.delete(key);                              log.info("延迟删除缓存 key={}", key);                          } catch (Exception e) {                              log.error("延迟删除缓存失败", e);                          }                      }, 1500, TimeUnit.MILLISECONDS);                  }              }          );      }  }

5.3 高并发终极兜底（订阅 MySQL Binlog）

业务若对最终一致性要求极高，可让 Canal 监听 binlog 并异步删除缓存。应用层仅更新 DB，变更事件由 Canal 解析，随后自动删除 Redis。

由框架回调触发的 Canal 消费端伪代码示例：

  @Component  @Slf4j  public class CanalCacheListener {      @Autowired      private RedisTemplate<String, Object> redisTemplate;      public void onUserChange(Long userId, String eventType) {          if ("UPDATE".equals(eventType) || "DELETE".equals(eventType)) {              String key = "user:" + userId;              redisTemplate.delete(key);              log.info("Binlog 异步清理缓存 userId={}", userId);          }      }  }

6. 最佳实践归纳（必记口诀）

读：缓存优先，随后 DB，回填时设置 TTL。
写：缓存须等 DB 操作完成且事务提交后再删除。
防并发：采用延迟双删（1~2 秒）。
保命符：缓存务必设置过期时间（如 30 分钟）；即使删除失败，稍后也会自动消失。
大杀器：一致性要求极高的场景，可异步解耦删除，方式是由 Canal 订阅 Binlog。
禁区：更新 DB 之前删除缓存，以及用缓存更新取代缓存删除，这两种做法都绝对不可采用。

7. 不同场景的选型建议

你的业务场景	建议采用方案
普通管理后台，低并发	使用基础版（5.1）+ TTL 即可
用户端读取并发高，要求数据较新	采用严谨版（5.2）延迟双删
金融/库存需要强校验，绝不允许出错	不采用缓存，而是直接读取数据库
分布式微服务，优先考虑解耦	采用 Binlog 异步删除（5.3）

以上详细介绍了Redis缓存与数据库一致性的原理及最佳实践，想了解更多Redis缓存与数据库一致性资料，可继续关注本站其他相关文章！

您或许感兴趣的文章: