Redis 与 MySQL 数据一致性问题

Redis 拥有高性能的数据读写功能，被我们广泛用在缓存场景，一是能提高业务系统的性能，二是为数据库抵挡了高并发的流量请求， 点我 -> 解密 Redis 为什么这么快的秘密 。

把 Redis 作为缓存组件，需要防止出现以下的一些问题，否则可能会造成生产事故。

• Redis 缓存满了怎么办？
• 缓存穿透、缓存击穿、缓存雪崩如何解决？
• Redis 数据过期了会被立马删除么？
• Redis 突然变慢了如何做性能排查并解决？
• Redis 与 MySQL 数据一致性问题怎么应对？

今天「码哥」跟大家一起深入探索 缓存的工作机制和缓存一致性应对方案 。

在本文正式开始之前，我觉得我们需要先取得以下两点的共识：

1. 缓存必须要有过期时间；
2. 保证数据库跟缓存的最终一致性即可，不必追求强一致性。

目录如下：

目录

• 1. 什么是数据库与缓存一致性
• • 2.1 Cache-Aside (旁路缓存)
  • 2.2 Read-Through（直读）
  • 2.3 Write-Through 同步直写
• 3. 旁路缓存下的一致性问题分析
  • 3.1 先更新缓存，再更新数据库
  • 3.2 先更新数据库，再更新缓存
  • 3.3 先删缓存，再更新数据库
  • 3.4 先更新数据库，再删缓存
• 4. 一致性解决方案有哪些？

1. 什么是数据库与缓存一致性

数据一致性指的是：

• 缓存中存有数据，缓存的数据值 = 数据库中的值；
• 缓存中没有该数据，数据库中的值 = 最新值。

反推缓存与数据库不一致：

• 缓存的数据值 ≠ 数据库中的值；
• 缓存或者数据库存在旧的数据，导致线程读取到旧数据。

为何会出现数据一致性问题呢？

把 Redis 作为缓存的时候，当数据发生改变我们需要双写来保证缓存与数据库的数据一致。

数据库跟缓存，毕竟是两套系统，如果要保证强一致性，势必要引入 2PC 或 Paxos 等分布式一致性协议，或者分布式锁等等，这个在实现上是有难度的，而且一定会对性能有影响。

如果真的对数据的一致性要求这么高，那引入缓存是否真的有必要呢？

2. 缓存的使用策略

在使用缓存时，通常有以下几种缓存使用策略用于提升系统性能：

Cache-Aside Pattern
Read-Through Pattern
Write-Through Pattern
Write-Behind Pattern

2.1 Cache-Aside (旁路缓存)

所谓「旁路缓存」，就是 读取缓存、读取数据库和更新缓存的操作都在应用系统来完成 ， 业务系统最常用的缓存策略 。

2.1.1 读取数据

读取数据逻辑如下:

1. 当应用程序需要从数据库读取数据时，先检查缓存数据是否命中。
2. 如果缓存未命中，则查询数据库获取数据，同时将数据写到缓存中，以便后续读取相同数据会命中缓存，最后再把数据返回给调用者。
3. 如果缓存命中，直接返回。

时序图如下：

优点

• 缓存中仅包含应用程序实际请求的数据，有助于保持缓存大小的