文章目录
引入缓存提高性能
业务起步阶段,流量非常小,无论是读请求还是写请求,直接操作数据库即可
项目架构模型是这样子的:
随着业务量的增长,项目的请求量越来越大,这时如果每次都从数据库中读数据,那肯定会有性能问题。
这个阶段通常的做法是,引入缓存来提高读性能,架构模型就变成了这样:
缓存中间件的首选,肯定是 Redis,不仅性能高,还提供了很多友好的数据类型,可以很好地满足我们的业务需求。
但是引入缓存之后,我们会面临一个问题:之前数据只存在数据库中,现在要放到缓存中读取,具体要怎么存呢?
最简单直接的方案是「全量数据刷到缓存中」:
- 数据库的数据,全量刷入缓存(不设置失效时间)
- 写请求只更新数据库,不更新缓存
- 启动一个定时任务,定时把数据库的数据,更新到缓存中
优点:
所有请求都可以直接命中缓存,不需要再查数据库,性能非常高
缺点:
-
缓存利用率低
不经常访问的数据,还留在缓存中
-
数据不一致
因为是定时刷新缓存,缓存和数据库存在不一致(取决于定时任务的执行频率)
所以,这种方案适合业务体量小,且对数据一致性要求不高的业务场景
那么我们思考一下,当我们的业务体量很大的时候,该如何解决上述的两个问题呢?
缓存利用率和一致性的问题
先来针对第一个问题,如何提高缓存利用率?
想要缓存利用率最大化,我们很容易想到的方案是,缓存中只保留最近访问的热数据
优化方案:
- 写请求依旧只写数据库
- 读请求先读缓存,如果缓存不存在,则从数据库读取,并重建缓存
- 同时,写入缓存中的数据,都设置失效时间
这样一来,缓存中不经常访问的数据,随着时间的推移,都会逐渐过期淘汰掉,最终缓存中保留的,都是经常被访问的热数据,缓存利用率得到最大化
返观关于数据一致性的问题
想要保证缓存和数据库实时一致,那就不能再用定时任务刷新缓存了。
所以当数据发生更新时,我们不仅要操作数据库,还要一并操作缓存。具体就是,修改一条数据的时候,不仅要更新数据库,还要连带着缓存一起更新。
细心的你又会想到,两个操作的先后问题,那应对的方案就有两种:
- 先更新缓存,后更新数据库
- 先更新数据库,后更新缓存
暂且先不考虑并发问题,正常情况下,无论谁先谁后,都可以让两者保持一致,但是现在我们需要考虑其中的异常情况。
因为操作分为两步,那么很有可以存在一步成功,一步失败
的情况发生
接下来我们来一起思考,逐步分析
先更新缓存,后更新数据库
如果缓存更新成功了,但数据库更新失败,那么此时缓存中是最新值,数据库的依然是旧值
虽然此时读请求是可以命中缓存,拿到正确的值,但是,一旦缓存过期失效,就会从数据库中读到旧值,重建的缓存也是这个旧值
用户就会发现之前修改成功的值又变回去了,对业务造成了影响
先更新数据库,后更新缓存
如果数据库更新成功了,但缓存更新失败了,那么此时数据库中的是最新值,缓存中的是旧值
之后的读请求读到的都是就数据,只有当缓存失效后,重建缓存,才能从数据库中得到正确的值
这时用户会发现,自己刚刚修改了数据,但是却看不到变更,一段时间过后,数据才变更过来,业务也会有影响
由此可见,无论谁先谁后,但凡后者发生异常,就会对业务造成影响。那么如何解决呢?
我们继续分析,除了操作失败问题,还有什么场景会影响数据一致性?
提示:并发问题
并发引发的一致性问题
假设我们采用 先更新数据库,再更新缓存 的方案,并且两步都可以成功执行的前提下,如果存在并发,情况会是怎样?
有线程 A 和线程 B 两个线程,需要更新同一条数据,会发生这样的场景:
- 线程 A 更新数据库(X = 1)
- 线程 B 更新数据库(X = 2)
- 线程 B 更新缓存(X = 2)
- 线程 A 更新缓存(X = 1)
最终 X 的值在缓存中是 1,在数据库中是 2,不一致
也就是说,A 虽然先于 B 发生,但 B 操作数据库和缓存的时间,却要比 A 的时间短,执行时序发生错乱,最终这条数据结果是不符合预期的
同样地,采用「先更新缓存,再更新数据库」的方案,也会有类似问题,这里不再详述。
除此之外,我们从缓存利用率的角度来评估这个方案,也是不推荐的
这是因为每次数据发生变更,都无脑更新缓存,但是缓存中的数据不一定会被马上读取,这就会导致缓存中可能存放了很多不经常访问的数据,浪费缓存资源
而且很多情况下,写到缓存中的值,并不是于数据库的值一一对应的,很有可能是先查询数据库,再经过一系列计算得出来的一个值,才把这个值写到缓存中。
由此可见,这种更新数据库+更新缓存的方案,不仅缓存利用率不高,还会造成机器性能浪费
所以此时我们需要考虑另外的方案:删除缓存
删除缓存可以保证一致性吗?
删除缓存对应的方案也有两种:
- 先删除缓存,后更新数据库
- 先更新数据库,后删除缓存
经理前面的分析我们已经得知,但凡后者操作失败,都会导致数据不一致
这里我们重点来看并发问题
先删除缓存,后更新数据库
如果有两个线程要并发读写数据,可能会发生以下场景:
- 线程 A 要更新 X = 2(原值 X = 1)
- 线程 A 先删除缓存
- 线程 B 读缓存,发现不存在,从数据库中读取到旧值(X = 1)
- 线程 A 将新值写入数据库(X = 2)
- 线程 B 将旧值写入缓存(X = 1)
最终 X 的值在缓存中是旧值,在数据库中的是新值,发生不一致
可见,先删除缓存,后更新数据库,当发生读+写并发时,还是存在数据不一致的情况
先更新数据库,后删除缓存
依旧是两个线程并发读写数据:
- 缓存中 X 不存在(数据库 X = 1)
- 线程 A 读取数据库,得到旧值(X = 1)
- 线程 B 更新数据库(X = 2)
- 线程 B 删除缓存
- 线程 A 将旧值写入缓存(X = 1)
最终 X 的值在缓存中是 1(旧值),在数据库中是 2(新值),也发生不一致。
这种情况理论上来说是可能发生的,但是实际上概率极低
因为它必须满足三个条件:
- 缓存刚好失效
- 读请求+写请求并发
- 更新数据库+删除缓存的时间要比读数据库+写缓存时间短
条件 3 发生的概率是非常低的
因为数据库一般都会加锁,所以写数据库的时间一般比读数据库的时间长
这么来看,先更新数据库+再删除缓存的方案,是可以保证数据一致性的
解决了并发问题,我们继续来看之前提到的问题,第二部执行失败导致数据库不一致的问题
如何保证两步都执行成功?
前面提到过,无论是哪种方案,只要第二步失败,就会导致数据库和缓存的不一致
保证第二部成功执行,就是解决问题的关键
最简单的解决方法:重试
无论是操作缓存,还是先操作数据库,但凡后者执行失败了,我们就可以发起重试,尽可能地补偿
但并不是无脑重试,还需要考虑:
- 立即重试很大概率还会失败
- 重试次数设置多少合理
- 重试会一直占用这个线程资源,无法服务其他客户端请求
更加完善的方案:异步重试
其实就是把重试请求写到消息队列中,然后由专门的消费者来重试,直到成功
或者更加直接的做法,为了避免第二步执行失败,我们可以把操作缓存这一步,直到放到消息队列中,由消费者来操作缓存
到这里你可能会问,写消息队列也有可能会失败啊?而且,引入消息队列,这又增加了更多的维护成本,这样做值得吗?
这个问题很好,但我们思考这样一个问题:如果在执行失败的线程中一直重试,还没等执行成功,此时如果项目「重启」了,那这次重试请求也就「丢失」了,那这条数据就一直不一致了。
所以,这里我们必须把重试或第二步操作放到另一个「服务」中,这个服务用「消息队列」最为合适。这是因为消息队列的特性,正好符合我们的需求:
- 消息队列保证可靠性:写到队列中的消息,成功消费之前不会丢失(重启项目也不担心)
- 消息队列保证消息成功投递:下游从队列拉取消息,成功消费后才会删除消息,否则还会继续投递消息给消费者(符合我们重试的场景)
至于写队列失败和消息队列的维护成本问题:
- 写队列失败:操作缓存和写消息队列,「同时失败」的概率其实是很小的
- 维护成本:我们项目中一般都会用到消息队列,维护成本并没有新增很多
此时的架构模型:
如果确实不想应用中去写消息队列,是否有更简单的方案,此时又怎么保证一致性呢?
最近几年比较流行的解决方案:订阅数据库变更日志,再操作缓存
我们的业务应用在修改数据时,只需修改数据库,无需操作缓存
那什么时候操作缓存呢?这就和数据库的变更日志有关
当一条数据发生修改时,就会产生一条变更日志(Binlog)我们可以订阅这个日志,拿到具体操作的数据,然后再根据这条数据,去删除对应的缓存
订阅日志变更的日志,目前也有了比较成熟的开源中间件,例如阿里的 canal,使用这种方案的有点在于:
- 无需考虑写消息队列失败情况:只要写 Mysql 成功,Binlog 肯定会有日志
- 自动投递到下有队列:canal 自动把Binlog 投递给下有的消息队列
当然,与此同时,我们需要投入精力去维护 canal 的高可用和稳定性
如果你有留意观察很多数据库的特性,就会发现其实很多数据库都逐渐开始提供「订阅变更日志」的功能了,相信不远的将来,我们就不用通过中间件来拉取日志,自己写程序就可以订阅变更日志了,这样可以进一步简化流程。
至此,我们可以得出结论,想要保证数据库和缓存一致性,推荐采用「先更新数据库,再删除缓存」方案,并配合「消息队列」或「订阅变更日志」的方式来做。
主从库延迟和延迟双删问题
到这里,还有两个问题,我们没有重点分析过。
第一个问题,还记得前面讲到的先删除缓存,再更新数据库方案,导致不一致的场景么?
2 个线程要并发「读写」数据,可能会发生以下场景:
- 线程 A 要更新 X = 2(原值 X = 1)
- 线程 A 先删除缓存
- 线程 B 读缓存,发现不存在,从数据库中读取到旧值(X = 1)
- 线程 A 将新值写入数据库(X = 2)
- 线程 B 将旧值写入缓存(X = 1)
最终 X 的值在缓存中是 1(旧值),在数据库中是 2(新值),发生不一致。
第二个问题:是关于「读写分离 + 主从复制延迟」情况下,缓存和数据库一致性的问题。
在「先更新数据库,再删除缓存」方案下,「读写分离 + 主从库延迟」其实也会导致不一致:
- 线程 A 更新主库 X = 2(原值 X = 1)
- 线程 A 删除缓存
- 线程 B 查询缓存,没有命中,查询「从库」得到旧值(从库 X = 1)
- 从库「同步」完成(主从库 X = 2)
- 线程 B 将「旧值」写入缓存(X = 1)
最终 X 的值在缓存中是 1(旧值),在主从库中是 2(新值),也发生不一致。
以上两种情况,缓存都被回种了旧值
最有效的办法就是 把缓存删掉
但是,不能立即删除,而是需要延迟删,这就是业界给出的方案:缓存延迟双删策略
按照延时双删策略,这两个问题的解决方案
解决第一个问题:在线程 A 删除缓存、更新完数据库之后,先休眠一会,再删除一次缓存
解决第二个问题:线程 A 可以生成一条延时信息,写到消息队列中,消费者延时删除缓存
两个方案的目的都是把缓存清掉,这样一来,下次就可以重数据库读取懂啊最新值,写入缓存
但问题来了,延迟删除缓存,延迟时间到底设置要多久?
- 问题1:延迟时间要大于「主从复制」的延迟时间
- 问题2:延迟时间要大于线程 B 读取数据库 + 写入缓存的时间
但是,这个时间在分布式和高并发场景下,其实是很难评估的。
很多时候,我们都是凭借经验大致估算这个延迟时间,例如延迟 1-5s,只能尽可能地降低不一致的概率。
采用这种方案,也只是尽可能保证一致性而已,极端情况下,还是有可能发生不一致。
所以实际使用中,我还是建议你采用「先更新数据库,再删除缓存」的方案,同时,要尽可能地保证「主从复制」不要有太大延迟,降低出问题的概率。
可以做到强一致吗?
这些方案还是不够完美,想做到真正意义上的强一致,很难
最常见的方案是 2PC、3PC、Paxos、Raft 这类一致性协议,但它们的性能往往比较差,而且这些方案也比较复杂,还要考虑各种容错问题。
相反,我们可以换一个角度思考,我们引入缓存的目的是什么?
性能
一旦我们决定使用缓存,那必然要面临一致性问题。性能和一致性就像天平的两端,无法做到都满足要求。
而且,就拿我们前面讲到的方案来说,当操作数据库和缓存完成之前,只要有其它请求可以进来,都有可能查到「中间状态」的数据。
所以如果非要追求强一致,那必须要求所有更新操作完成之前期间,不能有「任何请求」进来。
虽然我们可以通过加「分布锁」的方式来实现,但我们要付出的代价,很可能会超过引入缓存带来的性能提升。
所以,既然决定使用缓存,就必须容忍「一致性」问题,我们只能尽可能地去降低问题出现的概率。
同时我们也要知道,缓存都是有「失效时间」的,就算在这期间存在短期不一致,我们依旧有失效时间来兜底,这样也能达到最终一致。