你说这个项目QPS是10w，后端采用了二级缓存，那你是如何保证本地缓存与DB数据一致性问题呀？

文章主旨：

探讨如何在高并发场景下通过缓存机制设计解决方案，并保证本地缓存与数据库的一致性。

关键要点：

• 数据一致性分为强一致性、弱一致性和最终一致性，需根据系统需求选择合适的模型。
• 缓存设计中，热点数据可存储在本地缓存，非热点数据可存储在分布式缓存。
• 使用消息队列（MQ）广播机制，确保本地缓存与数据库的一致性。
• 缓存设计需谨慎，增加吞吐量的同时可能引入架构复杂性。
• 系统设计需关注负载均衡、缓存更新与广播机制的协同作用。

内容结构：

• 引言：

  通过面试场景引入高并发场景下的缓存设计问题，强调数据一致性的重要性。

• 数据一致性概念：
  • 定义：保持本地缓存、分布式缓存、数据库三者之间的数据一致性。
  • 三种一致性模型：
    • 强一致性：系统写入什么，读出来的也是什么，性能要求高。
    • 弱一致性：写入成功后不承诺立即可读，但保证在一定时间内达到一致。
    • 最终一致性：弱一致性的特例，保证在一定时间内数据一致。
• 缓存与数据一致性问题：

  列举常见场景，如本地缓存与MySQL数据不一致，Redis缓存与MySQL数据不一致。

• 解决方案思路：
  1. 用户登录系统后发起新增或更新操作。
  2. 请求通过Nginx负载均衡转发到具体应用服务。
  3. 服务更新MySQL，同时更新自己的本地缓存。
  4. 服务发送MQ广播消息，通知其他服务更新本地缓存。
  5. 最终所有应用服务与MySQL保持一致。

文章总结：

文章简要分析了高并发场景下缓存设计与数据一致性问题，提出了基于MQ广播机制的解决方案，适合有相关技术背景的读者。

不码不疯魔

查看原文：你说这个项目QPS是10w，后端采用了二级缓存，那你是如何保证本地缓存与DB数据一致性问题呀？

文章来源：

不码不疯魔

扫码关注公众号