缓存不一致问题，是指缓存中的数据与数据库中的数据不匹配的现象。当数据库中的数据发生更新后，若缓存未能及时同步更新或删除，就会导致后续读取缓存时获取到旧数据，从而引发业务逻辑错误。
缓存不一致的核心原因
缓存与数据库是两个独立的存储组件，数据更新时若两者的操作不同步，就可能产生不一致。常见场景包括：
先更新数据库，再更新缓存
- 问题：若第一步（更新数据库）成功，但第二步（更新缓存）失败（如网络故障、缓存服务宕机），则缓存中仍为旧数据，导致不一致。
先更新数据库，再删除缓存
- 问题：理论上比“更新缓存”更可靠（避免缓存更新失败），但仍可能因并发操作出问题。
例如：- 线程A更新数据库（旧值→新值）→ 尚未删除缓存；
- 线程B读取数据，此时缓存未删，读取到旧值并返回；
- 线程A再删除缓存，后续请求会从数据库加载新值到缓存，但线程B已返回旧值，造成短暂不一致。
- 问题：理论上比“更新缓存”更可靠（避免缓存更新失败），但仍可能因并发操作出问题。
先删除缓存，再更新数据库
- 问题：若删除缓存后，数据库更新前有其他线程读取数据，会加载旧数据到缓存。
例如：- 线程A删除缓存 → 准备更新数据库；
- 线程B读取数据，发现缓存为空，从数据库读取旧值并写入缓存；
- 线程A更新数据库为新值，此时缓存中是线程B写入的旧值，导致长期不一致。
- 问题：若删除缓存后，数据库更新前有其他线程读取数据，会加载旧数据到缓存。
缓存不一致的危害
- 业务逻辑错误：如电商商品价格缓存未更新，用户看到的价格与实际结算价不符，引发客诉。
- 数据决策偏差：如统计系统依赖缓存中的旧数据，导致报表错误，影响运营决策。
- 系统信任度下降：用户频繁遇到“数据错乱”（如已付款订单显示未支付），会降低对系统的信任。
与缓存穿透/击穿/雪崩的区别
- 缓存穿透、击穿、雪崩是“缓存未命中”导致的性能或可用性问题（请求冲击数据库）；
- 缓存不一致是“缓存命中但数据错误”导致的业务逻辑问题（数据准确性受影响）。
解决缓存不一致的核心思路是保证“数据库更新”与“缓存操作”的原子性（要么都成功，要么都失败），或通过延迟重试、加锁等机制减少不一致的概率。具体解决方案会根据业务场景（如数据实时性要求、并发量）有所不同。
