redis+cannal+mysql共_Redis缓存与数据库一致性方案-Go语言中文社区

使用Redis缓存的模式的有很多种，下面就逐一介绍。

一、数据库和redis分别处理不同的数据类型

数据库处理要求强一致实时性的数据，例如金融数据、交易数据；

redis处理不要求强一致实时性的数据，例如网站最热贴排行榜；

二、Cache-Aside模式

Cache-Aside模式的意思是业务代码直接维护缓存，这是最常用的一类模式。

2.1 读场景

先从缓存获取数据，如果缓存没有命中，则回源到数据库获取源数据。

将数据放入到缓存，下次即可从缓存中获取数据。

放入缓存的可以是异步的(创建一个新的线程)，也可以是同步的，根据实际情况自己选择。

2.2 非高并发情况下的写场景

先将数据写入数据库，写入成功后立即同步将数据写入缓存。

2.3 写多读少的写场景

先将数据写入数据库，写入成功后，将缓存数据过期/删除，下次读取时再加载缓存。

这样的好处是避免了不必要的写缓存操作。

2.4 高并发情况下的写场景

先写缓存，再定期更新数据库：

异步化，先写入redis的缓存，就直接返回；定期或特定动作将数据保存到mysql，可以做到多次更新，一次保存。

三、Cache-As-SoR(Redis不支持)

SoR：system of record，记录系统，或者叫数据源；数据库是数据源的一种。

Cache-As-SoR即把Cache看作SoR，所有操作都是对Cache进行，然后Cache再委托给SoR进行真实的读写。即业务代码中只看到Cache的操作，看不到关于SoR相关的代码。

3.1 Read-Through

业务代码读Cache，如果不命中，由Cache读SoR。使用Read-Through模式需要一个CacheLoader组件来回源到SoR加载数据。Guava Cache和Ehcache 3.X都支持该模式。

3.2 Write-Through

对应Read-Through，需要有一个CacheWriter组件来回写SoR。Guava Cache不支持，Ehcache 3.X支持该模式。

3.3 Write-Behind

与 Write-Through 的区别是，Write-Through是同步写SoR，Write-Behind是异步写，从而可以实现批量写、合并写、延时写和限流。

四、订阅/曾量更新模式

canal是阿里巴巴旗下的一款开源项目，纯Java开发。基于数据库增量日志解析，提供增量数据订阅&消费，目前主要支持了MySQL(也支持mariaDB)。

基于日志增量订阅&消费支持的业务：

数据库镜像

数据库实时备份

多级索引 (卖家和买家各自分库索引)

search build

业务cache刷新

价格变化等重要业务消息

4.1 MySQL主备复制原理

从上层来看，复制分成三步：

master将改变记录到二进制日志binlog中(binary log events可以通过show binlog events进行查看)；

slave将master的binlog events拷贝到它的中继日志relay log；

slave**重做**中继日志中的事件，将改变反映它自己的数据。

4.2 canal的工作原理

原理相对比较简单：

canal模拟mysql slave的交互协议，伪装自己为mysql slave，向mysql master发送dump请求；

mysql master收到dump请求，开始推送binary log给slave(也就是canal)；

canal解析binary log对象；

4.3 通过Canal订阅MySQL的Binlog并更新Redis

package com.datamip.canal;

import java.awt.Event;

import java.net.InetSocketAddress;

import java.util.List;

import com.alibaba.otter.canal.client.CanalConnector;

import com.alibaba.otter.canal.client.CanalConnectors;

import com.alibaba.otter.canal.protocol.CanalEntry.Column;

import com.alibaba.otter.canal.protocol.CanalEntry.Entry;

import com.alibaba.otter.canal.protocol.CanalEntry.EntryType;

import com.alibaba.otter.canal.protocol.CanalEntry.EventType;

import com.alibaba.otter.canal.protocol.CanalEntry.Header;

import com.alibaba.otter.canal.protocol.CanalEntry.RowChange;

import com.alibaba.otter.canal.protocol.Message;

import com.google.protobuf.InvalidProtocolBufferException;

public class App {

public static void main(String[] args) throws InterruptedException {

// 第一步：与canal进行连接

CanalConnector connector = CanalConnectors.newSingleConnector(new InetSocketAddress("192.168.23.170", 11111),

"example", "", "");

connector.connect();

// 第二步：开启订阅

connector.subscribe();

// 第三步：循环订阅

while (true) {

try {

// 每次读取 1000 条

Message message = connector.getWithoutAck(1000);

long batchID = message.getId();

int size = message.getEntries().size();

if (batchID == -1 || size == 0) {

System.out.println("当前暂时没有数据");

Thread.sleep(1000); // 没有数据

} else {

System.out.println("-------------------------- 有数据啦 -----------------------");

PrintEntry(message.getEntries());

}

// position id ack (方便处理下一条)

connector.ack(batchID);

} catch (Exception e) {

// TODO: handle exception

} finally {

Thread.sleep(1000);

}

}

}

// 获取每条打印的记录

@SuppressWarnings("static-access")

public static void PrintEntry(List entrys) {

for (Entry entry : entrys) {

// 第一步：拆解entry 实体

Header header = entry.getHeader();

EntryType entryType = entry.getEntryType();

// 第二步： 如果当前是RowData，那就是我需要的数据

if (entryType == EntryType.ROWDATA) {

String tableName = header.getTableName();

String schemaName = header.getSchemaName();

RowChange rowChange = null;

try {

rowChange = RowChange.parseFrom(entry.getStoreValue());

} catch (InvalidProtocolBufferException e) {

e.printStackTrace();

}

EventType eventType = rowChange.getEventType();

System.out.println(String.format("当前正在操作 %s.%s， Action= %s", schemaName, tableName, eventType));

// 如果是‘查询’ 或者 是 ‘DDL’ 操作，那么sql直接打出来

if (eventType == EventType.QUERY || rowChange.getIsDdl()) {

System.out.println("rowchange sql ----->" + rowChange.getSql());

return;

}

// 第三步：追踪到 columns 级别

rowChange.getRowDatasList().forEach((rowData) -> {

// 获取更新之前的column情况

List beforeColumns = rowData.getBeforeColumnsList();

// 获取更新之后的 column 情况

List afterColumns = rowData.getAfterColumnsList();

// 当前执行的是 删除操作

if (eventType == EventType.DELETE) {

PrintColumn(beforeColumns);

}

// 当前执行的是 插入操作

if (eventType == eventType.INSERT) {

PrintColumn(afterColumns);

}

// 当前执行的是 更新操作

if (eventType == eventType.UPDATE) {

PrintColumn(afterColumns);

}

});

}

}

}

// 每个row上面的每一个column 的更改情况

public static void PrintColumn(List columns) {

columns.forEach((column) -> {

String columnName = column.getName();

String columnValue = column.getValue();

String columnType = column.getMysqlType();

boolean isUpdated = column.getUpdated(); // 判断 该字段是否更新

System.out.println(String.format("columnName=%s, columnValue=%s, columnType=%s, isUpdated=%s", columnName,

columnValue, columnType, isUpdated));

});

}

}

需要注意的是，缓存的更新会存在延迟，所以缓存可根据不一致容忍度设置合理的过期时间。