前言

當我們在做數據庫與緩存數據同步時，究竟更新緩存，還是刪除緩存，究竟是先操作數據庫，還是先操作緩存？本文帶大家深度分析數據庫與緩存的雙寫問題，并且給出了所有方案的實現代碼方便大家參考。

本篇文章主要內容

• 數據緩存

• • 為何要使用緩存

  • 哪類數據適合緩存

  • 緩存的利與弊

• 如何保證緩存和數據庫一致性

• • 不更新緩存，而是刪除緩存

  • 先操作緩存，還是先操作數據庫

  • 非要保證數據庫和緩存數據強一致該怎么辦

• 緩存和數據庫一致性實戰

• • 實戰：先刪除緩存，再更新數據庫

  • 實戰：先更新數據庫，再刪緩存

  • 實戰：緩存延時雙刪

  • 實戰：刪除緩存重試機制

  • 實戰：讀取binlog異步刪除緩存

數據緩存

在我們實際的業務場景中，一定有很多需要做數據緩存的場景，比如售賣商品的頁面，包括了許多并發訪問量很大的數據，它們可以稱作是是“熱點”數據，這些數據有一個特點，就是更新頻率低，讀取頻率高，這些數據應該盡量被緩存，從而減少請求打到數據庫上的機會，減輕數據庫的壓力。

為何要使用緩存

緩存是為了追求“快”而存在的。我們用代碼舉一個例子。

我在自己的Demo代碼倉庫中增加了兩個查詢庫存的接口getStockByDB和getStockByCache，分別表示從數據庫和緩存查詢某商品的庫存量。

隨后我們用JMeter進行并發請求測試。（JMeter的使用請參考我之前寫的文章：點擊這里）

需要聲明的是，我的測試并不嚴謹，只是作對比測試，不要作為實際服務性能的參考。

這是兩個接口的代碼：

/***?查詢庫存：通過數據庫查詢庫存*?@param?sid*?@return*/ @RequestMapping("/getStockByDB/{sid}") @ResponseBody public?String?getStockByDB(@PathVariable?int?sid)?{int?count;try?{count?=?stockService.getStockCountByDB(sid);}?catch?(Exception?e)?{LOGGER.error("查詢庫存失敗：[{}]",?e.getMessage());return?"查詢庫存失敗";}LOGGER.info("商品Id:?[{}]?剩余庫存為:?[{}]",?sid,?count);return?String.format("商品Id:?%d 剩余庫存為：%d",?sid,?count); }/***?查詢庫存：通過緩存查詢庫存*?緩存命中：返回庫存*?緩存未命中：查詢數據庫寫入緩存并返回*?@param?sid*?@return*/ @RequestMapping("/getStockByCache/{sid}") @ResponseBody public?String?getStockByCache(@PathVariable?int?sid)?{Integer?count;try?{count?=?stockService.getStockCountByCache(sid);if?(count?==?null)?{count?=?stockService.getStockCountByDB(sid);LOGGER.info("緩存未命中，查詢數據庫，并寫入緩存");stockService.setStockCountToCache(sid,?count);}}?catch?(Exception?e)?{LOGGER.error("查詢庫存失敗：[{}]",?e.getMessage());return?"查詢庫存失敗";}LOGGER.info("商品Id:?[{}]?剩余庫存為:?[{}]",?sid,?count);return?String.format("商品Id:?%d 剩余庫存為：%d",?sid,?count); }

首先設置為10000個并發請求的情況下，運行JMeter，結果首先出現了大量的報錯，10000個請求中98%的請求都直接失敗了。讓人很慌張~

打開日志，報錯如下：

SpringBoot內置的Tomcat最大并發數搞的鬼，其默認值為200，對于10000的并發，單機服務實在是力不從心。當然，你可以修改這里的并發數設置，但是你的小機器仍然可能會扛不住。

將其修改為如下配置后，我的小機器才在通過緩存拿庫存的情況下，保證了10000個并發的100%返回請求：

server.tomcat.max-threads=10000 server.tomcat.max-connections=10000

可以看到，不使用緩存的情況下，吞吐量為668個請求每秒：

使用緩存的情況下，吞吐量為2177個請求每秒：

在這種“十分不嚴謹”的對比下，有緩存對于一臺單機，性能提升了3倍多，如果在多臺機器，更多并發的情況下，由于數據庫有了更大的壓力，緩存的性能優勢應該會更加明顯。

測完了這個小實驗，我看了眼我掛著MySql的小水管騰訊云服務器，生怕他被這么高流量搞掛。這種突發的流量，指不定會被檢測為異常攻擊流量呢~

我用的是騰訊云服務器1C4G2M，活動買的，很便宜。這里打個免費的廣告，請騰訊云看到后聯系我給我打錢 ;)

哪類數據適合緩存

緩存量大但又不常變化的數據，比如詳情，評論等。對于那些經常變化的數據，其實并不適合緩存，一方面會增加系統的復雜性（緩存的更新，緩存臟數據），另一方面也給系統帶來一定的不穩定性（緩存系統的維護）。

但一些極端情況下，你需要將一些會變動的數據進行緩存，比如想要頁面顯示準實時的庫存數，或者其他一些特殊業務場景。這時候你需要保證緩存不能（一直）有臟數據，這就需要再深入討論一下。

緩存的利與弊

我們到底該不該上緩存的，這其實也是個trade-off（權衡）的問題。

上緩存的優點：

• 能夠縮短服務的響應時間，給用戶帶來更好的體驗。

• 能夠增大系統的吞吐量，依然能夠提升用戶體驗。

• 減輕數據庫的壓力，防止高峰期數據庫被壓垮，導致整個線上服務BOOM！

上了緩存，也會引入很多額外的問題：

• 緩存有多種選型，是內存緩存，memcached還是redis，你是否都熟悉，如果不熟悉，無疑增加了維護的難度（本來是個純潔的數據庫系統）。

• 緩存系統也要考慮分布式，比如redis的分布式緩存還會有很多坑，無疑增加了系統的復雜性。

• 在特殊場景下，如果對緩存的準確性有非常高的要求，就必須考慮緩存和數據庫的一致性問題。

本文想要重點討論的，就是緩存和數據庫的一致性問題，各位看官且往下看。

如何保證緩存和數據庫一致性

說了這么多緩存的必要性，那么使用緩存是不是就是一個很簡單的事情了呢，我之前也一直是這么覺得的，直到遇到了需要緩存與數據庫保持強一致的場景，才知道讓數據庫數據和緩存數據保持一致性是一門很高深的學問。

從遠古的硬件緩存，操作系統緩存開始，緩存就是一門獨特的學問。這個問題也被業界探討了非常久，爭論至今。我翻閱了很多資料，發現其實這是一個權衡的問題。值得好好講講。

以下的討論會引入幾方觀點，我會跟著觀點來寫代碼驗證所提到的問題。

不更新緩存，而是刪除緩存

大部分觀點認為，做緩存不應該是去更新緩存，而是應該刪除緩存，然后由下個請求去去緩存，發現不存在后再讀取數據庫，寫入緩存。

觀點引用：《分布式之數據庫和緩存雙寫一致性方案解析》孤獨煙

原因一：線程安全角度

同時有請求A和請求B進行更新操作，那么會出現

（1）線程A更新了數據庫

（2）線程B更新了數據庫

（3）線程B更新了緩存

（4）線程A更新了緩存

這就出現請求A更新緩存應該比請求B更新緩存早才對，但是因為網絡等原因，B卻比A更早更新了緩存。這就導致了臟數據，因此不考慮。

原因二：業務場景角度

有如下兩點：

（1）如果你是一個寫數據庫場景比較多，而讀數據場景比較少的業務需求，采用這種方案就會導致，數據壓根還沒讀到，緩存就被頻繁的更新，浪費性能。

（2）如果你寫入數據庫的值，并不是直接寫入緩存的，而是要經過一系列復雜的計算再寫入緩存。那么，每次寫入數據庫后，都再次計算寫入緩存的值，無疑是浪費性能的。顯然，刪除緩存更為適合。

其實如果業務非常簡單，只是去數據庫拿一個值，寫入緩存，那么更新緩存也是可以的。但是，淘汰緩存操作簡單，并且帶來的副作用只是增加了一次cache miss，建議作為通用的處理方式。

先操作緩存，還是先操作數據庫

那么問題就來了，我們是先刪除緩存，然后再更新數據庫，還是先更新數據庫，再刪緩存呢？

先來看看大佬們怎么說。

《【58沈劍架構系列】緩存架構設計細節二三事》58沈劍：

對于一個不能保證事務性的操作，一定涉及“哪個任務先做，哪個任務后做”的問題，解決這個問題的方向是：如果出現不一致，誰先做對業務的影響較小，就誰先執行。

假設先淘汰緩存，再寫數據庫：第一步淘汰緩存成功，第二步寫數據庫失敗，則只會引發一次Cache miss。

假設先寫數據庫，再淘汰緩存：第一步寫數據庫操作成功，第二步淘汰緩存失敗，則會出現DB中是新數據，Cache中是舊數據，數據不一致。

沈劍老師說的沒有問題，不過沒完全考慮好并發請求時的數據臟讀問題，讓我們再來看看孤獨煙老師《分布式之數據庫和緩存雙寫一致性方案解析》：

先刪緩存，再更新數據庫

該方案會導致請求數據不一致

同時有一個請求A進行更新操作，另一個請求B進行查詢操作。那么會出現如下情形:

（1）請求A進行寫操作，刪除緩存

（2）請求B查詢發現緩存不存在

（3）請求B去數據庫查詢得到舊值

（4）請求B將舊值寫入緩存

（5）請求A將新值寫入數據庫

上述情況就會導致不一致的情形出現。而且，如果不采用給緩存設置過期時間策略，該數據永遠都是臟數據。

所以先刪緩存，再更新數據庫并不是一勞永逸的解決方案，再看看先更新數據庫，再刪緩存這種方案怎么樣？

先更新數據庫，再刪緩存這種情況不存在并發問題么？

不是的。假設這會有兩個請求，一個請求A做查詢操作，一個請求B做更新操作，那么會有如下情形產生

（1）緩存剛好失效

（2）請求A查詢數據庫，得一個舊值

（3）請求B將新值寫入數據庫

（4）請求B刪除緩存

（5）請求A將查到的舊值寫入緩存

ok，如果發生上述情況，確實是會發生臟數據。

然而，發生這種情況的概率又有多少呢？

發生上述情況有一個先天性條件，就是步驟（3）的寫數據庫操作比步驟（2）的讀數據庫操作耗時更短，才有可能使得步驟（4）先于步驟（5）。可是，大家想想，數據庫的讀操作的速度遠快于寫操作的（不然做讀寫分離干嘛，做讀寫分離的意義就是因為讀操作比較快，耗資源少），因此步驟（3）耗時比步驟（2）更短，這一情形很難出現。

先更新數據庫，再刪緩存依然會有問題，不過，問題出現的可能性會因為上面說的原因，變得比較低！

所以，如果你想實現基礎的緩存數據庫雙寫一致的邏輯，那么在大多數情況下，在不想做過多設計，增加太大工作量的情況下，請先更新數據庫，再刪緩存!

我非要數據庫和緩存數據強一致怎么辦

那么，如果我非要保證絕對一致性怎么辦，先給出結論：

沒有辦法做到絕對的一致性，這是由CAP理論決定的，緩存系統適用的場景就是非強一致性的場景，所以它屬于CAP中的AP。

所以，我們得委曲求全，可以去做到BASE理論中說的最終一致性。

最終一致性強調的是系統中所有的數據副本，在經過一段時間的同步后，最終能夠達到一個一致的狀態。因此，最終一致性的本質是需要系統保證最終數據能夠達到一致，而不需要實時保證系統數據的強一致性

大佬們給出了到達最終一致性的解決思路，主要是針對上面兩種雙寫策略（先刪緩存，再更新數據庫/先更新數據庫，再刪緩存）導致的臟數據問題，進行相應的處理，來保證最終一致性。

緩存延時雙刪

問：先刪除緩存，再更新數據庫中避免臟數據？

答案：采用延時雙刪策略。

上文我們提到，在先刪除緩存，再更新數據庫的情況下，如果不采用給緩存設置過期時間策略，該數據永遠都是臟數據。

那么延時雙刪怎么解決這個問題呢？

（1）先淘汰緩存

（2）再寫數據庫（這兩步和原來一樣）

（3）休眠1秒，再次淘汰緩存

這么做，可以將1秒內所造成的緩存臟數據，再次刪除。

那么，這個1秒怎么確定的，具體該休眠多久呢？

針對上面的情形，讀者應該自行評估自己的項目的讀數據業務邏輯的耗時。然后寫數據的休眠時間則在讀數據業務邏輯的耗時基礎上，加幾百ms即可。這么做的目的，就是確保讀請求結束，寫請求可以刪除讀請求造成的緩存臟數據。

如果你用了mysql的讀寫分離架構怎么辦？

ok，在這種情況下，造成數據不一致的原因如下，還是兩個請求，一個請求A進行更新操作，另一個請求B進行查詢操作。

（1）請求A進行寫操作，刪除緩存

（2）請求A將數據寫入數據庫了，

（3）請求B查詢緩存發現，緩存沒有值

（4）請求B去從庫查詢，這時，還沒有完成主從同步，因此查詢到的是舊值

（5）請求B將舊值寫入緩存

（6）數據庫完成主從同步，從庫變為新值

上述情形，就是數據不一致的原因。還是使用雙刪延時策略。只是，睡眠時間修改為在主從同步的延時時間基礎上，加幾百ms。

采用這種同步淘汰策略，吞吐量降低怎么辦？

ok，那就將第二次刪除作為異步的。自己起一個線程，異步刪除。這樣，寫的請求就不用沉睡一段時間后了，再返回。這么做，加大吞吐量。

所以在先刪除緩存，再更新數據庫的情況下，可以使用延時雙刪的策略，來保證臟數據只會存活一段時間，就會被準確的數據覆蓋。

在先更新數據庫，再刪緩存的情況下，緩存出現臟數據的情況雖然可能性極小，但也會出現。我們依然可以用延時雙刪策略，在請求A對緩存寫入了臟的舊值之后，再次刪除緩存。來保證去掉臟緩存。

刪緩存失敗了怎么辦：重試機制

看似問題都已經解決了，但其實，還有一個問題沒有考慮到，那就是刪除緩存的操作，失敗了怎么辦？比如延時雙刪的時候，第二次緩存刪除失敗了，那不還是沒有清除臟數據嗎？

解決方案就是再加上一個重試機制，保證刪除緩存成功。

參考孤獨煙老師給的方案圖：

方案一：

流程如下所示

（1）更新數據庫數據；

（2）緩存因為種種問題刪除失敗

（3）將需要刪除的key發送至消息隊列

（4）自己消費消息，獲得需要刪除的key

（5）繼續重試刪除操作，直到成功

然而，該方案有一個缺點，對業務線代碼造成大量的侵入。于是有了方案二，在方案二中，啟動一個訂閱程序去訂閱數據庫的binlog，獲得需要操作的數據。在應用程序中，另起一段程序，獲得這個訂閱程序傳來的信息，進行刪除緩存操作。

方案二：

流程如下圖所示：

（1）更新數據庫數據

（2）數據庫會將操作信息寫入binlog日志當中

（3）訂閱程序提取出所需要的數據以及key

（4）另起一段非業務代碼，獲得該信息

（5）嘗試刪除緩存操作，發現刪除失敗

（6）將這些信息發送至消息隊列

（7）重新從消息隊列中獲得該數據，重試操作。

而讀取binlog的中間件，可以采用阿里開源的canal

好了，到這里我們已經把緩存雙寫一致性的思路徹底梳理了一遍，下面就是我對這幾種思路徒手寫的實戰代碼，方便有需要的朋友參考。

緩存和數據庫一致性實戰

實戰：先刪除緩存，再更新數據庫

終于到了實戰，我們在秒殺項目的代碼上增加接口：先刪除緩存，再更新數據庫

OrderController中新增：

/***?下單接口：先刪除緩存，再更新數據庫*?@param?sid*?@return*/ @RequestMapping("/createOrderWithCacheV1/{sid}") @ResponseBody public?String?createOrderWithCacheV1(@PathVariable?int?sid)?{int?count?=?0;try?{//?刪除庫存緩存stockService.delStockCountCache(sid);//?完成扣庫存下單事務orderService.createPessimisticOrder(sid);}?catch?(Exception?e)?{LOGGER.error("購買失敗：[{}]",?e.getMessage());return?"購買失敗，庫存不足";}LOGGER.info("購買成功，剩余庫存為:?[{}]",?count);return?String.format("購買成功，剩余庫存為：%d",?count); }

stockService中新增：

@Override public?void?delStockCountCache(int?id)?{String?hashKey?=?CacheKey.STOCK_COUNT.getKey()?+?"_"?+?id;stringRedisTemplate.delete(hashKey);LOGGER.info("刪除商品id：[{}]?緩存",?id); }

其他涉及的代碼都在之前三篇文章中有介紹，并且可以直接去Github拿到項目源碼，就不在這里重復貼了。

實戰：先更新數據庫，再刪緩存

如果是先更新數據庫，再刪緩存，那么代碼只是在業務順序上顛倒了一下，這里就只貼OrderController中新增：

/***?下單接口：先更新數據庫，再刪緩存*?@param?sid*?@return*/ @RequestMapping("/createOrderWithCacheV2/{sid}") @ResponseBody public?String?createOrderWithCacheV2(@PathVariable?int?sid)?{int?count?=?0;try?{//?完成扣庫存下單事務orderService.createPessimisticOrder(sid);//?刪除庫存緩存stockService.delStockCountCache(sid);}?catch?(Exception?e)?{LOGGER.error("購買失敗：[{}]",?e.getMessage());return?"購買失敗，庫存不足";}LOGGER.info("購買成功，剩余庫存為:?[{}]",?count);return?String.format("購買成功，剩余庫存為：%d",?count); }

實戰：緩存延時雙刪

如何做延時雙刪呢，最好的方法是開設一個線程池，在線程中刪除key，而不是使用Thread.sleep進行等待，這樣會阻塞用戶的請求。

更新前先刪除緩存，然后更新數據，再延時刪除緩存。

OrderController中新增接口：

//?延時時間：預估讀數據庫數據業務邏輯的耗時，用來做緩存再刪除 private?static?final?int?DELAY_MILLSECONDS?=?1000;/***?下單接口：先刪除緩存，再更新數據庫，緩存延時雙刪*?@param?sid*?@return*/ @RequestMapping("/createOrderWithCacheV3/{sid}") @ResponseBody public?String?createOrderWithCacheV3(@PathVariable?int?sid)?{int?count;try?{//?刪除庫存緩存stockService.delStockCountCache(sid);//?完成扣庫存下單事務count?=?orderService.createPessimisticOrder(sid);//?延時指定時間后再次刪除緩存cachedThreadPool.execute(new?delCacheByThread(sid));}?catch?(Exception?e)?{LOGGER.error("購買失敗：[{}]",?e.getMessage());return?"購買失敗，庫存不足";}LOGGER.info("購買成功，剩余庫存為:?[{}]",?count);return?String.format("購買成功，剩余庫存為：%d",?count); }

OrderController中新增線程池：

//?延時雙刪線程池 private?static?ExecutorService?cachedThreadPool?=?new?ThreadPoolExecutor(0,?Integer.MAX_VALUE,?60L,?TimeUnit.SECONDS,new?SynchronousQueue<Runnable>());/***?緩存再刪除線程*/ private?class?delCacheByThread?implements?Runnable?{private?int?sid;public?delCacheByThread(int?sid)?{this.sid?=?sid;}public?void?run()?{try?{LOGGER.info("異步執行緩存再刪除，商品id：[{}]，?首先休眠：[{}]?毫秒",?sid,?DELAY_MILLSECONDS);Thread.sleep(DELAY_MILLSECONDS);stockService.delStockCountCache(sid);LOGGER.info("再次刪除商品id：[{}]?緩存",?sid);}?catch?(Exception?e)?{LOGGER.error("delCacheByThread執行出錯",?e);}} }

來試驗一下，請求接口createOrderWithCacheV3：

日志中，做到了兩次刪除：

實戰：刪除緩存重試機制

上文提到了，要解決刪除失敗的問題，需要用到消息隊列，進行刪除操作的重試。這里我們為了達到效果，接入了RabbitMq，并且需要在接口中寫發送消息，并且需要消費者常駐來消費消息。Spring整合RabbitMq還是比較簡單的，我把簡單的整合代碼也貼出來。

pom.xml新增RabbitMq的依賴：

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-amqp</artifactId> </dependency>

寫一個RabbitMqConfig：

@Configuration public?class?RabbitMqConfig?{@Beanpublic?Queue?delCacheQueue()?{return?new?Queue("delCache");}}

添加一個消費者：

@Component @RabbitListener(queues?=?"delCache") public?class?DelCacheReceiver?{private?static?final?Logger?LOGGER?=?LoggerFactory.getLogger(DelCacheReceiver.class);@Autowiredprivate?StockService?stockService;@RabbitHandlerpublic?void?process(String?message)?{LOGGER.info("DelCacheReceiver收到消息:?"?+?message);LOGGER.info("DelCacheReceiver開始刪除緩存:?"?+?message);stockService.delStockCountCache(Integer.parseInt(message));} }

OrderController中新增接口：

/***?下單接口：先更新數據庫，再刪緩存，刪除緩存重試機制*?@param?sid*?@return*/ @RequestMapping("/createOrderWithCacheV4/{sid}") @ResponseBody public?String?createOrderWithCacheV4(@PathVariable?int?sid)?{int?count;try?{//?完成扣庫存下單事務count?=?orderService.createPessimisticOrder(sid);//?刪除庫存緩存stockService.delStockCountCache(sid);//?延時指定時間后再次刪除緩存//?cachedThreadPool.execute(new?delCacheByThread(sid));//?假設上述再次刪除緩存沒成功，通知消息隊列進行刪除緩存sendDelCache(String.valueOf(sid));}?catch?(Exception?e)?{LOGGER.error("購買失敗：[{}]",?e.getMessage());return?"購買失敗，庫存不足";}LOGGER.info("購買成功，剩余庫存為:?[{}]",?count);return?String.format("購買成功，剩余庫存為：%d",?count); }

訪問createOrderWithCacheV4：

可以看到，我們先完成了下單，然后刪除了緩存，并且假設延遲刪除緩存失敗了，發送給消息隊列重試的消息，消息隊列收到消息后再去刪除緩存。

實戰：讀取binlog異步刪除緩存

我們需要用到阿里開源的canal來讀取binlog進行緩存的異步刪除。

我寫了一篇Canal的入門文章，其中用的入門例子就是讀取binlog刪除緩存。大家可以直接跳轉到這里：阿里開源MySQL中間件Canal快速入門

擴展閱讀

更新緩存的的Design Pattern有四種：

• Cache aside

• Read through

• Write through

• Write behind caching，這里有陳皓的總結文章可以進行學習。

https://coolshell.cn/articles/17416.html

小結

引用陳浩《緩存更新的套路》最后的總結語作為小結：

分布式系統里要么通過2PC或是Paxos協議保證一致性，要么就是拼命的降低并發時臟數據的概率

緩存系統適用的場景就是非強一致性的場景，所以它屬于CAP中的AP，BASE理論。

異構數據庫本來就沒辦法強一致，只是盡可能減少時間窗口，達到最終一致性。

還有別忘了設置過期時間，這是個兜底方案

結束語

本文總結并探討了緩存數據庫雙寫一致性問題。

文章內容大致可以總結為如下幾點：

• 對于讀多寫少的數據，請使用緩存。

• 為了保持數據庫和緩存的一致性，會導致系統吞吐量的下降。

• 為了保持數據庫和緩存的一致性，會導致業務代碼邏輯復雜。

• 緩存做不到絕對一致性，但可以做到最終一致性。

• 對于需要保證緩存數據庫數據一致的情況，請盡量考慮對一致性到底有多高要求，選定合適的方案，避免過度設計。

作者水平有限，寫文章過程中難免出現錯誤和疏漏，請理性討論與指正。

參考

• https://cloud.tencent.com/developer/article/1574827

• https://www.jianshu.com/p/2936a5c65e6b

• https://www.cnblogs.com/rjzheng/p/9041659.html

• https://www.cnblogs.com/codeon/p/8287563.html

• https://www.jianshu.com/p/0275ecca2438

• https://www.jianshu.com/p/dc1e5091a0d8

• https://coolshell.cn/articles/17416.html

如果文章對你有幫助，不妨點贊，收藏起來~

往期推薦

磊哥工作十幾年了，竟沒有用過do-while！（文末送書）

2020-09-06

3種時間格式化的方法，SpringBoot篇！

2020-09-04

多圖證明，Java到底是值傳遞還是引用傳遞？

2020-09-02

阿里為什么推薦使用LongAdder，而不是volatile？

2020-08-25

關注下方二維碼，收獲更多干貨！

總結

以上是生活随笔為你收集整理的两难！先更新数据库再删缓存？还是先删缓存再更新数据库？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。