有人可能看到“本地緩存”這四個字就會覺得不屑，“哼，現(xiàn)在誰還用本地緩存？直接用分布式緩存不就完了嘛”。

然而，這就像你有一輛超級豪華的房車一樣，雖然它空間很大，設備很全，但你去市中心的時候，依然會開小轎車一樣，為啥？好停車?。∷?，不同的緩存類型是有不同得使用場景的。

并且，為了防止緩存雪崩問題、緩存擊穿問題，我們通常會采用多級緩存的解決方案，所謂的多級緩存就是：分布式緩存（Redis 或 Memcached）+本地緩存（Guava Cache 或 Caffeine）。因為分布式緩存可能會失效、可能會掛掉，所以為了系統(tǒng)的穩(wěn)定性，多級緩存策略使用的非常廣泛。

那么，問題來了，怎么保證本地緩存的一致性？

“

所謂的一致性是指在同時使用緩存和數(shù)據(jù)庫的場景下，要確保數(shù)據(jù)在緩存與數(shù)據(jù)庫中的更新操作保持同步。也就是當對數(shù)據(jù)進行修改時，無論是先修改緩存還是先修改數(shù)據(jù)庫，最終都要保證兩者的數(shù)據(jù)是一樣的，不會出現(xiàn)數(shù)據(jù)不一樣的問題。

1、如何保證本地緩存的一致性？

在分布式系統(tǒng)中，使用本地緩存最大的問題就是一致性問題，所謂的一致性問題指的是當數(shù)據(jù)庫發(fā)生數(shù)據(jù)變更時，緩存也要跟著一起變更。而分布式系統(tǒng)中每臺機器都有自己的本地緩存，所以想要保證（本地緩存的）一致性是一個比較難的問題，但通過以下手段可以最大程度的保證本地緩存的一致性問題。

（1）設置本地緩存短時間內(nèi)失效

設置本地緩存短時間內(nèi)失效，短的存活周期，保證了數(shù)據(jù)的時效性比較高，當數(shù)據(jù)失效之后，再次訪問數(shù)據(jù)就會拉取新的數(shù)據(jù)了，這樣能盡可能的保證數(shù)據(jù)的一致性。

它的特點是：代碼實現(xiàn)簡單，不需要寫多余的代碼；缺點是，效果不是很明顯，不適合高并發(fā)的系統(tǒng)。

（2）通過配置中心協(xié)調(diào)和同步

通過微服務中的配置中心（例如 Nacos）來協(xié)調(diào)，因為所有服務器都會連接到配置中心，所以當數(shù)據(jù)修改之后，可以修改配置中心的配置，然后配置中心再把配置變更的事件推送給各個服務，各個服務感知到配置中心的配置發(fā)生更改之后，再更新自己的本地緩存，這樣就實現(xiàn)了本地緩存的數(shù)據(jù)一致性。

（3）本地緩存自動更新功能

使用本地緩存框架的自動更新功能，例如 Caffeine 中的 refresh 功能來自動刷新緩存，這樣就可以設置很短的時間來更新最新的數(shù)據(jù)，從而也能盡可能的保證數(shù)據(jù)的一致性，如下代碼所示：

// 創(chuàng)建 Caffeine 緩存實例
Cache<String, String> caffeineCache = Caffeine.newBuilder()
// 設置緩存項在 5s 后開始自動更新
.refreshAfterWrite(5, TimeUnit.SECONDS)
// 自定義緩存更新邏輯（即獲取新值邏輯）
.build(new CacheLoader<String, String>() {
    @Override
    public void reload(String key, String oldValue) throws Exception {
        // 模擬更新緩存的操作
        updateCache(key, oldValue);
    }
});

2、實際工作中會使用哪種方案？

不同的業(yè)務系統(tǒng)，會采用不同的解決方案，例如以下這些場景和對應的解決方案：

• 如果對數(shù)據(jù)一致性要求不是很高，并且程序的并發(fā)壓力不大的情況下，可能使用方案 1，也就是設置本地緩存短時間內(nèi)失效的解決方案，因為它的實現(xiàn)最簡單。
• 如果對數(shù)據(jù)的一致性要求極高，且有配置中心的情況下，可使用配置中心協(xié)調(diào)和同步本地緩存。
• 相反，如果對一致性要求沒有那么高，且為高并發(fā)的系統(tǒng)，那么可以采用本地緩存的自動更新功能來實現(xiàn)。

小結(jié)

在多級緩存中，本地緩存是不可或缺的組成部分，而想要保證本地緩存的數(shù)據(jù)一致性，可能采用：設置較短的本地緩存過期時間、通過配置中心來協(xié)調(diào)和同步本地緩存，以及使用本地緩存框架的自動更新功能保證數(shù)據(jù)的一致性等解決方案，而不同的業(yè)務場景，選擇的解決方案也是不同的。

課后思考

通過以上機制，我們就能實現(xiàn)本地緩存的一致性了。那么問題來了，如何實現(xiàn)分布式緩存的數(shù)據(jù)一致性呢？