缓存删除三级补偿方案：延迟队列+消息队列+定时任务兜底

问题背景:
在 Cache-Aside 模式中，更新数据库后删除缓存失败会导致数据不一致。本文提供工业级三级补偿方案，实现最终一致性保障。

整体架构:

 
更新操作触发 → 一级延迟队列 → 二级消息队列 → 三级定时任务

 方案实现:

一、第一级补偿：延迟队列（快速重试）
核心代码：

// 延迟队列初始化
@PostConstruct
public void init() {
    deleteQueue = redisson.getQueue("cache:delete:queue");
    delayedQueue = redisson.getDelayedQueue(deleteQueue);
}

// 更新操作切面
@Around("@annotation(cacheUpdate)")
public Object aroundUpdate(...) {
    // 首次删除缓存
    redisson.getBucket(key).delete();
    
    // 数据库操作
    Object result = joinPoint.proceed();
    
    // 加入延迟队列（1秒后二次删除）
    delayedQueue.offer(key, 1, TimeUnit.SECONDS); 
    return result;
}

// 消费延迟队列（独立线程）
@EventListener(ApplicationReadyEvent.class)
public void startDelayConsumer() {
    new Thread(() -> {
        while (true) {
            String key = deleteQueue.poll(10, TimeUnit.SECONDS);
            if (key != null) {
                redisson.getBucket(key).delete();
            }
        }
    }).start();
}

特点：
响应时间：秒级
适用场景：高频更新业务
防抖设计：单线程顺序消费

二、第二级补偿：消息队列（可靠重试）
RocketMQ 集成示例：

// 消息监听器
@RocketMQMessageListener(topic = "CACHE_DELETE", consumerGroup = "cache-group")
public void handleDelete(String key) {
    try {
        if (!redisson.getBucket(key).delete()) {
            retryWithBackoff(key, 3); // 指数退避重试
        }
    } catch (Exception e) {
        // 进入死信队列
    }
}

// 退避策略实现
private void retryWithBackoff(String key, int retryCount) {
    for (int i = 1; i <= retryCount; i++) {
        Thread.sleep(1000 * i);
        if (redisson.getBucket(key).delete()) break;
    }
}

// 延迟队列异常处理
delayedQueue.offer(...).exceptionally(e -> {
    rocketMQTemplate.send("CACHE_DELETE", key); 
    return null;
});

特点：
可靠性：99.9%+ 送达保障
重试策略：3次指数退避
容错机制：死信队列隔离异常

三、第三级补偿：定时任务（全量兜底）
Spring Scheduler 实现：

// 每天凌晨执行全量比对
@Scheduled(cron = "0 0 3 * * ?") 
public void scanAndFix() {
    redisson.getKeys()
           .getKeysByPattern("user:*")
           .forEach(key -> {
               Long userId = extractUserId(key);
               User dbUser = databaseService.getUserFromDB(userId);
               User cacheUser = (User) redisson.getBucket(key).get();
               
               // 判断是否需要删除
               if ((cacheUser != null && dbUser == null) || 
                   (dbUser != null && cacheUser.getVersion() < dbUser.getVersion())) {
                   redisson.getBucket(key).delete();
               }
           });
}

比对策略：
缓存存在但数据库已物理删除
数据版本号不一致
逻辑删除标记状态不一致

防抖容错设计
1. 防重复删除机制

String deleteFlagKey = key + ":deleting";
if (redis.setnx(deleteFlagKey, "1")) {
    redis.expire(deleteFlagKey, 30); // 30秒窗口期
    performDelete(key); 
}

2. 监控报警体系

各级补偿对比