缓存数据一致性校验：基于哈希值与差分算法的对比

在后端服务缓存一致性实践中，我们常遇到缓存数据与源数据不一致的问题。本文分享两种校验方案：基于哈希值的全量校验和基于差分算法的增量校验。

哈希值校验方案 该方案通过计算缓存数据的哈希值并与源数据对比来验证一致性。实现时需注意哈希算法的选择（如SHA256），并考虑缓存更新时间戳同步问题。

import hashlib

class CacheConsistencyChecker:
    def __init__(self):
        self.cache = {}
        
    def get_hash(self, data):
        return hashlib.sha256(str(data).encode()).hexdigest()
        
    def validate_cache(self, key, source_data):
        cached_data = self.cache.get(key)
        if not cached_data:
            return False
        
        # 对比缓存数据与源数据的哈希值
        cache_hash = self.get_hash(cached_data)
        source_hash = self.get_hash(source_data)
        return cache_hash == source_hash

差分算法校验方案 当数据量较大时，全量哈希对比效率较低。此时可采用差分算法，只对比变更字段，提高校验效率。

import json

class DiffChecker:
    def __init__(self):
        self.cache = {}
        
    def diff_update(self, key, new_data, old_data):
        if not old_data:
            return True
        
        # 只对比不同字段
        diff = {}
        for k, v in new_data.items():
            if k not in old_data or old_data[k] != v:
                diff[k] = v
        
        self.cache[key] = new_data
        return diff

实践建议：

• 哈希校验适用于小数据量场景，可作为兜底方案；
• 差分校验适合大数据量、高频更新的业务场景；
• 两种方案结合使用可提升系统鲁棒性。