推荐方案是更新数据库后删除缓存并设过期时间兜底：先UPDATE MySQL，再DEL Redis，缓存必须EXPIRE（如EX 300），读miss时加updated_at校验，高一致场景直查库，优先用binlog监听（如canal）实现解耦、幂等的缓存清理。
缓存失效时数据不一致的典型表现
在 MySQL + Redis 架构中，并发写入常导致「缓存未更新但数据库已变」，比如用户 A 更新订单状态为 paid，写库成功，删缓存也成功；但用户 B 几乎同时读缓存，拿到旧的 unpaid 状态——这不是缓存没删，而是删完之后、新值还没写入缓存前的窗口期被读到了脏数据。
先删缓存再更新数据库？不行，有竞态
看似合理的顺序，在并发下反而更危险：两个请求都走「删缓存 → 更新 DB」，第二个请求的 DB 写入完成后，缓存仍是空的，后续读请求会回源查到第二个请求写入的新值，然后写入缓存——这本身没问题；但若此时第一个请求的缓存重建（比如它带了延迟双删逻辑）把旧值又刷进去了，就彻底错乱。
-
DEL cache:order:123（请求 A） -
UPDATE orders SET status='paid' WHERE id=123（请求 A） -
DEL cache:order:123（请求 B） -
UPDATE orders SET status='shipped' WHERE id=123（请求 B） -
SET cache:order:123 {status:'paid'}（请求 A 的延迟重建，覆盖了正确的 shipped）
推荐方案：更新数据库后删除缓存 + 设置过期时间兜底
核心是放弃「强一致」幻想，接受短暂不一致，用「最终一致 + 降低风险」组合拳。关键点不在删缓存时机多精巧，而在如何让错误窗口更小、更可测。
- 所有写操作统一走「先更新 MySQL，再
DEL缓存」，不搞延迟双删 - 缓存必须设
EXPIRE，比如SET cache:order:123 {...} EX 300（5 分钟），避免永久脏数据 - 读请求遇到缓存 miss，查库后写入缓存时，加一层「版本号 or 时间戳校验」：只当 DB 中的
updated_at比缓存里记录的更新，才允许写入（需业务表有该字段） - 对一致性要求极高的场景（如支付单状态），读请求直接查库，绕过缓存——用开关控制，不是所有读都缓存
UPDATE orders SET status = 'paid', updated_at = NOW() WHERE id = 123 AND version = 5;
配合应用层检查返回影响行数是否为 1，失败则重试或告警。
监听 binlog 做缓存更新比应用层更可靠
应用代码里删缓存容易漏（比如新增一个 DAO 方法但忘了配缓存清理），而 MySQL 的 binlog 是唯一真实写入源。用 canal 或 debezium 订阅变更，收到 UPDATE orders 事件后触发 DEL cache:order:${id}，能消除应用层逻辑分散带来的不一致风险。
- binlog 方案不依赖业务代码，改 SQL 就生效
- 注意事务边界：一个事务含多条语句时，binlog 解析要按事务粒度投递，避免中间状态被消费
- 消费端需幂等：同一条 binlog 可能重复投递，
DEL本身是幂等的，但如果是SET缓存就要加判断
真正难的不是选哪种方案，而是意识到「缓存永远比数据库慢半拍」，然后在业务可接受范围内，把这半拍控制在毫秒级、可监控、可降级。
