![aa74c4328bf186deeb4ef018ba152a22.png](https://img-blog.csdnimg.cn/img_convert/aa74c4328bf186deeb4ef018ba152a22.png)
![389fb0f1851ba8b993200d60add9cc3b.png](https://img-blog.csdnimg.cn/img_convert/389fb0f1851ba8b993200d60add9cc3b.png)
Cache Aside Pattern
最经典的缓存+ 数据库读写的模式,就是这个Cache Aside Pattern
- 读的时候,先读缓存,缓存没有的话,就读数据库,然后取出数据后放入缓存,同时返回请求。
- 更新的时候,先删除缓存,然后再更新数据库。
至于为什么是删除缓存,而不是更新缓存。原因在于在复杂的缓存场景,缓存不单单是数据库中直接拉取出来的值。比如更新了某个表的一个字段,然后其对应的缓存,是需要查询另外两个表的数据进行运算,才能计算出缓存最新的值的。
而且更新缓存的代价有时候是很高的。对于复杂的缓存数据计算场景,如果你频繁修改一个缓存涉及的多个表,缓存也频繁更新,但这个数据有可能只需要被访问一次呢?例如一个缓存涉及的表的字段,在一分钟内就修改了一百次,而缓存也更新了一百次,但是这个缓存在一分钟内只被读取一次,有大量的冷数据。如果只是删除缓存的话,那么在1分钟内,这个缓存也就重新计算一次,大幅度降低开销。用到缓存才去算缓存。
最初级的缓存不一致问题及解决方案
如果先更新数据库,在删除缓存。如果删除缓存失败了,那么会导致数据库中是新数据,缓存中是旧数据,数据就出现了不一致。
![f67f5c2bb5252d68c63332dd4a17d1c9.png](https://img-blog.csdnimg.cn/img_convert/f67f5c2bb5252d68c63332dd4a17d1c9.png)
解决思路
先删除缓存,再更新数据库。如果数据库更新失败了,那么数据库中是旧数据,缓存是空的,那么数据不会不一致。因为读的时候缓存没有了,所以读了数据库中的旧数据,然后更新到缓存中。
高并发场景下数据不一致问题分析
数据发生了变更,先删除了缓存,然后要去修改数据库,此时还没修改,一个请求过来,先去读缓存,发现缓存空了,去查询数据库,查到了修改前的旧数据,放到了缓存中。随后数据变更的程序完成了数据库的修改。这样就会发生数据库与缓存的数据不一致了。
什么场景下会发生上述情况
只有在对一个数据在并发的进行读写的时候,才可能会出现这种问题。如果并发量很低的话,特别是读并发很低,每天访问量就一万,那么很少的情况才会出现上述情况。如果每天是上亿的流量,每秒并发读是几万,每秒只要有数据更新的情况,就可坑出现上述的数据库和缓存不一致的情况。
解决方案
更新数据的时候,根据数据的唯一标识,将操作路由之后,发送到一个jvm内部队列中。读取数据的时候,如果发现数据不在缓存中,那么将重新读取数据 + 更新缓存的操作,根据唯一标识路由之后,也发到同一个jvm内部队列中。
一个队列对应一个工作线程,每个工作线程串行拿到对应的操作,然后一条一条的执行。这样一个数据变更的操作,先删除缓存,然后再去更新数据库,但是还没有完成更新。此时如果一个读请求过来,没有读到缓存,可以先将缓存更新的请求发送到队列中,此时会在队列中积压,然后同步等待缓存更新完成。
这里有一个可以优化的地方。一个队列中,多个更新缓存请求串在一起是没意义的。可以做过滤,如果发现队列中已经有一个更新缓存的请求了,那么就不用再放个更新缓存的请求操作进去,直接等前面的更新操作请求完成即可。
等那个队列对应的工作线程完成了上一个操作的数据库的修改之后,才会去执行下一个操作,也就是缓存更新的操作,此时会从数据库读取最新的值,然后写入缓存中。
如果请求还在等待时间范围内,不断轮询,发现可以取到值了,那么久直接返回;如果请求等待的时间超过一定时长,那么这一次直接从数据库中读取当前的旧值。
存在的问题
- 读请求长时阻塞
由于读请求进行了非常轻度的异步化,所以要注意读超时的问题,每个读请求必须在超时时间范围内返回。
解决方案,或者最大的风险点在于可能数据更新很频繁。导致队列中积压了大量更新操作在里面,然后读请求会发生大量的超时,最后导致大量的请求直接走数据库。因此务必通过一些模拟真实的测试,看看数据更新的频率是怎样的。
另外,因为一个队列中,可能会积压对多个数据项的更新操作,因此需要根据自己的业务情况进行测试,可能需要部署多个服务。每个服务分摊一些数据的更新操作。如果一个内存队列路积压100个商品的库存修改操作,每个库存修改操作需要耗费10ms去完成,那么最后一个商品的读请求,可能等待10 * 100ms = 1s,才能得到数据,这个时候就导致读请求的长时阻塞。
- 读请求并发量过大
这里还必须做好压力测试,确保恰巧碰上上述情况的时候,还有一个风险,就是突然间大量读请求会在几十毫秒的延时hang在服务上,看服务能不能抗的住,需要多少机器才能抗住最大的极限情况的峰值。
但是因为不是所有的数据都在同一时间更新,缓存也不会再同一时间失效,所以每次可能也就是少数数据的缓存失效了,然后那些数据对应的读请求过来,并发量应该也不会特别大。
- 多服务实例部署的请求路由
可能这个服务部署了多个实例,那么必须保证,执行数据更新操作,以及执行缓存更新操作的请求,都通过Nginx服务器路由到相同的服务实例上。
例如对同一个商品的读写请求,全部路由到同一台服务器上。可以自己去做服务间的按照某个请求参数的hash路由,也可以用Nginx的hash路由功能等。
- 热点商品的路由问题,导致请求的倾斜
如果某个商品的读写请求特别高,全部打到相同机器相同的队列里,可能会造成某台机器的压力过大。就是说,因为只有在商品更新的时候才会清空缓存,然后才会导致读写并发。所以其实要根据业务系统去看,如果更新频率不是太高的话,这个问题的影响不是特别大,但是的确可能某些机器的负载会高一些。
总结
一般来说,如果允许缓存可以稍微的跟数据库偶尔有不一致的情况,也就是说系统不是严格要求“缓存 + 数据库”必须保持一致性的话,最好不要做“读请求和写请求串行化”,串到一个内存队列里去。
串行化可以保证一定不会出现不一致的情况,但是它会导致系统的吞吐量大幅度降低。