当前位置：首页 > news >正文

【Java】在高并发场景下，保证 Redis 缓存一致性的几种方案

news 2025/7/27 21:45:22

在高并发场景下，保证 Redis 缓存一致性是一个常见的挑战。以下是几种常见的解决方案及其优缺点，以及相应的代码示例。

1. Cache Aside Pattern (旁路缓存模式)

原理

读取数据时，先读缓存，如果缓存没有命中，再从数据库读取，并将数据写入缓存。
更新数据时，先更新数据库，然后删除缓存。

优点

简单易实现，适用于读多写少的场景。
更新时立即删除缓存，能有效防止缓存数据不一致。

缺点

存在短暂的不一致性窗口期。
并发更新时可能导致缓存被频繁删除。

代码示例

public class CacheAsidePattern {private RedisTemplate<String, Object> redisTemplate;private DatabaseService databaseService;public CacheAsidePattern(RedisTemplate<String, Object> redisTemplate, DatabaseService databaseService) {this.redisTemplate = redisTemplate;this.databaseService = databaseService;}public Object get(String key) {Object value = redisTemplate.opsForValue().get(key);if (value == null) {synchronized (this) {value = redisTemplate.opsForValue().get(key);if (value == null) {value = databaseService.getFromDb(key);if (value != null) {redisTemplate.opsForValue().set(key, value);}}}}return value;}public void update(String key, Object value) {databaseService.updateDb(key, value);redisTemplate.delete(key);}
}

2. Read-Through Cache (读穿缓存)

原理

读取数据时，如果缓存未命中，由缓存系统从数据库加载数据，并将其缓存。

优点

自动加载数据到缓存，简化应用程序代码。
减少缓存未命中带来的性能损失。

缺点

实现复杂，需要自定义缓存加载逻辑。
写操作没有明确处理，需结合其他策略保证一致性。

代码示例

public class ReadThroughCache {private RedisTemplate<String, Object> redisTemplate;private DatabaseService databaseService;public ReadThroughCache(RedisTemplate<String, Object> redisTemplate, DatabaseService databaseService) {this.redisTemplate = redisTemplate;this.databaseService = databaseService;}public Object get(String key) {Object value = redisTemplate.opsForValue().get(key);if (value == null) {value = databaseService.getFromDb(key);if (value != null) {redisTemplate.opsForValue().set(key, value);}}return value;}
}

3. Write-Through Cache (写穿缓存)

原理

更新数据时，先更新缓存，再更新数据库。

优点

数据始终保持一致性，适合高一致性要求的场景。
简化读取逻辑，数据始终在缓存中。

缺点

写操作性能较低，因为每次写操作都涉及数据库更新。
如果数据库更新失败，缓存也会被污染。

代码示例

public class WriteThroughCache {private RedisTemplate<String, Object> redisTemplate;private DatabaseService databaseService;public WriteThroughCache(RedisTemplate<String, Object> redisTemplate, DatabaseService databaseService) {this.redisTemplate = redisTemplate;this.databaseService = databaseService;}public Object get(String key) {return redisTemplate.opsForValue().get(key);}public void update(String key, Object value) {redisTemplate.opsForValue().set(key, value);databaseService.updateDb(key, value);}
}

4. Write-Behind Cache (异步写缓存)

原理

更新数据时，先更新缓存，然后异步地将数据写入数据库。

优点

写操作性能较高，适用于写多读少的场景。
减少了直接写数据库的延迟。

缺点

实现复杂，需保证异步操作的可靠性。
存在数据丢失的风险，需要处理异步操作失败的情况。

代码示例

public class WriteBehindCache {private RedisTemplate<String, Object> redisTemplate;private DatabaseService databaseService;private ExecutorService executorService;public WriteBehindCache(RedisTemplate<String, Object> redisTemplate, DatabaseService databaseService) {this.redisTemplate = redisTemplate;this.databaseService = databaseService;this.executorService = Executors.newFixedThreadPool(10);}public Object get(String key) {return redisTemplate.opsForValue().get(key);}public void update(String key, Object value) {redisTemplate.opsForValue().set(key, value);executorService.submit(() -> {databaseService.updateDb(key, value);});}
}

5. Consistent Hashing (一致性哈希)

原理

通过一致性哈希算法，将缓存数据均匀分布到不同的缓存节点上。

优点

提高缓存的可扩展性和容错性。
数据分布均匀，减少单点压力。

缺点

实现复杂，需要引入一致性哈希算法。
适用于分布式缓存场景，对于单机缓存无显著优势。

代码示例

import java.util.SortedMap;
import java.util.TreeMap;public class ConsistentHashing {private TreeMap<Integer, RedisTemplate<String, Object>> hashRing = new TreeMap<>();private int numberOfReplicas;public ConsistentHashing(int numberOfReplicas, List<RedisTemplate<String, Object>> redisTemplates) {this.numberOfReplicas = numberOfReplicas;for (RedisTemplate<String, Object> redisTemplate : redisTemplates) {addNode(redisTemplate);}}private void addNode(RedisTemplate<String, Object> node) {for (int i = 0; i < numberOfReplicas; i++) {int hash = hash(node.toString() + i);hashRing.put(hash, node);}}public RedisTemplate<String, Object> getNode(String key) {if (hashRing.isEmpty()) {return null;}int hash = hash(key);if (!hashRing.containsKey(hash)) {SortedMap<Integer, RedisTemplate<String, Object>> tailMap = hashRing.tailMap(hash);hash = tailMap.isEmpty() ? hashRing.firstKey() : tailMap.firstKey();}return hashRing.get(hash);}private int hash(String key) {return key.hashCode() & 0x7fffffff;}
}