一、缓存一致性问题的本质与核心挑战 (一)数据不一致的三大根源 分布式事务缺失 数据库与缓存的更新无法通过传统事务保证原子性,典型场景如: 更新数据库成功但缓存更新失败 缓存删除成功但数据库更新失败 本质:分布式环境下CAP定理的必然妥协,强一致性与可用性不可兼得。 并发操作时序冲突 读写并发:读请求命中旧缓存,而写请求正在更新数据库(如电商库存扣减)。 写写并发:多个更新操作顺序错乱导致版本覆盖(如社交动态点赞计数)。 案例: 请求A: 写DB(X=1) → 删缓存 请求B: 写DB(X=2) → 删缓存 可能执行顺序: A删缓存 → B删缓存 → A写DB → B写DB → 缓存回填X