一文彻底搞懂 Redis 缓存与数据库一致性

1. 一致性问题

存储如mysql通常支持完整的ACID特性，因为可靠性，持久性等因素，性能普遍不高，高并发的查询会给mysql带来压力，造成数据库系统的不稳定。同时也容易产生延迟。根据局部性原理，80%请求会落到20%的热点数据上，在读多写少场景，增加一层缓存非常有助提升系统吞吐量和健壮性。

一般的业务场景都是读多写少的，当客户端的请求太多，对数据库的压力越来越大，引入缓存来降低数据库的压力是必然选择，目前业内主流的选择基本是使用 Redis 作为数据库的缓存。但是引入缓存以后，对我们系统的设计带来了很大的挑战，其中缓存和数据库的数据一致性问题就是一个非常棘手的问题。

当数据库的数据发生变化的时候，引入 Redis 缓存以后，增加了数据操作难度，既要操作数据库又要操作 Redis，对 Redis和数据库的操作有 2 种方案：

1、先操作 Redis，再操作数据库

2、先操作数据库，再操作 Redis

我们无论选择以上的哪个方案，都希望数据操作要么都成功，要么都失败，我们不希望看到一个失败，一个成功的结果，因为这样就产生了数据不一致的问题。

2. 针对读场景

• 如果redis中存在用户所需数据，直接返回即可；如果不存在，则试图从db中读取数据，读取完成后，将该数据更新到redis中，避免下次再次查询或其他用户查询时，仍从db读取。
• 在高并发场景下，两次请求同时请求redis，发现数据并不存在后，都会从db中加载数据，然后再重新将数据写入redis，无论两次请求的写操作谁先谁后，数据本身是一样的，只不过额外进行了一次数据写覆盖。因此不会产生数据不一致的问题。
  

3. 针对写场景

• 如果redis中本身不存在缓存数据，则直接修改db中的数据即可，不会产生数据不一致问题。
• 如果redis中已存在缓存数据，则需要同时修改db和redis中的数据，但是二者修改操作的执行必然存在先后顺序。在高并发的场景下，就有可能产生数据不一致的情况。

那么针对此中数据不一致问题，就产生了以下两个疑问：

问题1、由于redis中的数据可有可无，那么当数据发生变化时，是对redis中的数据进行修改，还是直接删除对应的redis，然后通过后续的读请求再回源db，将数据重新写入redis呢？
问题2、redis和db的数据写操作的顺序问题，是先更新redis，还是先更新db？

4. 解决方案

4.1 问题1：缓存淘汰策略或缓存更新策略

• 方案1: 淘汰缓存策略
  优点：操作简单，直接将对应缓存删除即可
  缺点：由于缓存被删除后，下次的读请求无法命中缓存，需回源db，将数据重新写入redis

• 方案2: 更新缓存策略
  优点：缓存命中率高，只要缓存进行了更新，后续的读请求不会出现缓存未命中(cache miss)的情况
  缺点：在某些业务场景下，缓存更新的成本过大。且更新后的缓存不一定会被使用。
  综合分析

其实业界一般采用的都是缓存淘汰策略，而非缓存更新策略。原因有三：

• 大多数情况下，redis缓存中的数据并不是完全copy db中的数据，而是将db中多张表的数据进行了重新计算，筛选后更新到redis。如果在db某一张表的数据发生了变化的情况下，需要同步重新计算redis中的值，成本过高。
• 缓存更新后的新值，无法保证一定会有读请求命中，如果一直没有请求命中该部分冷数据，其实是产生了一定的资源浪费（计算成本+存储成本）。
• 相较于淘汰缓存策略中，仅有一次读请求cache miss的结果来说，淘汰缓存策略的缺点完全可以容忍。

举个例子来说，a表中的字段，1分钟更改了100次，如果采用更新缓存策略，则需要计算100次，哪怕1分钟内只有1次读请求；如果采用淘汰缓存策略，如果1分钟内只有1次请求，则只需要计算1次即可，开销大幅度降低。

4.2 问题2：redis和db写操作，谁先谁后？

注意：以下的方案讨论都是基于redis淘汰缓存操作以及数据库更新操作保证成功（可通过重试机制解决）的情况下，高并发的业务场景中的解决方案。

方案1，先淘汰缓存，后更新数据库的策略，有可能导致长时间的数据不一致问题，可以通过延时双删 or 异步更新缓存策略进行解决。

方案2，先更新数据库，后更新缓存，有可能导致极短时间内的数据不一致，但是数据最终是一致的。

• 方案1: 先淘汰缓存，后更新数据库

  • 正常情况
    A请求进行写操作，先淘汰缓存，再更新数据库
    B请求进行读操作，由于A请求已将缓存淘汰，B请求没有在redis中发现所需数据，因此从数据库中读取数据，并更新缓存到redis中
  • 异常情况1
    A请求进行写操作，先淘汰缓存
    B请求进行读操作，由于A请求已将缓存淘汰，B请求没有在redis中发现所需数据，因此从数据库中读取数据，并更新缓存到redis中。注意，此时redis中被更新的依然是老数据，A请求的数据库更新操作尚未完成
    A请求进行数据库更新操作。此时，数据库中是新数据，redis缓存中是老数据，产生了数据不一致的问题。且该不一致会一直持续到缓存自然失效或者下次的更新操作
    • 对于该种异常情况，提供两种解决思路：
      • 异步更新缓存。
        A请求进行写操作，先淘汰缓存
        B请求进行读操作，由于A请求已将缓存淘汰，B请求没有在redis中发现所需数据，因此从数据库中读取数据。注意，此时不向redis写入新的缓存策略
        A请求通过订阅数据库binlog，对redis缓存数据进行异步更新
        该方案虽然解决了数据不一致的问题，但是在数据库更新操作完成前，所有的读请求都会直接打到数据库上，具有比较大的风险。
      • 延时双删。
        A请求进行写操作，先淘汰缓存
        B请求进行读操作，由于A请求已将缓存淘汰，B请求没有在redis中发现所需数据，因此从数据库中读取数据，并更新缓存到redis中。注意，此时redis中被更新的依然是老数据，A请求的数据库更新操作尚未完成。假设该步骤耗时N秒
        A请求进行数据库更新操作。
        由于此时redis中写入了老数据，因此A请求在休眠M秒后（M略大于N），再次对redis进行淘汰缓存操作
        该方案虽然解决了数据不一致的问题，但是由于请求A在更新完数据库之后，需要休眠M秒再次淘汰缓存，一定程度上影响了数据更新操作的吞吐量。可以尝试将等待M秒更新redis的操作放到另一个单独的线程（比如消息队列 + 重试机制）。可以有效缓解吞吐量降低的问题。
  • 异常情况2
    A请求进行读操作，此时redis缓存中没有数据，因此直接从数据库中读取数据
    B请求进行写操作，先淘汰缓存，再更新数据库
    A请求进行将从数据库中读到的老数据，更新到redis。此时产生数据不一致问题。
    该种异常情况发生概率极低，一般读操作比写操作要快。如有担心，可以采用上述的延时删除策略

• 方案2: 先更新数据库，后更新淘汰缓存

  • 正常情况
    A请求进行写操作，先更新数据库，再淘汰缓存
    B请求进行读操作，由于A请求已将缓存淘汰，B请求没有在redis中发现所需数据，因此从数据库中读取数据，并更新缓存到redis中
  • 异常情况1
    A请求进行写操作，先更新数据库
    B请求进行读操作，由于A请求尚未淘汰缓存，B请求在redis中发现所需数据，因此直接返回老数据，产生了数据不一致的问题
    A请求淘汰缓存。
    C请求进行读操作，发现redis中没有数据，因此从数据库中读取新数据，并更新至缓存。数据不一致的问题解决。
    该场景下，数据最终一致，只是在高并发下产生了一小段时间的数据不一致。
  • 异常情况2
    A请求进行读操作，此时redis缓存中没有数据，因此直接从数据库中读取数据
    B请求进行写操作，更新数据库，并将redis中缓存进行了淘汰（虽然此时redis中并没有任何的缓存）
    A请求将从数据库中读到的老数据，更新到redis。此时产生数据不一致问题。
    该种异常情况发生概率极低，一般读操作比写操作要快。如有担心，可以采用上述的延时删除策略