Redis的缓存击穿、双写一致性问题

1、缓存击穿：异步查询数据请求进入之后首先查询缓存，如果命中就返回；如果无法命中，首先开启多线程查询并声明一个原子性的CountDownLatch，查询出数据则放入redis，如果没有给redis值放入null（避免没有数据仍然每次都要去查一次数据库），处理完成后CountDownLatch做countDown处理，让同步等待的并发查询操作全部放行，此时所有请求都可以命中缓存；总结来说就是降低MySQL的压力，面对同时几万甚至更多的查请求只允许一个线程来查数据库，所有线程等待的时候也就一次的查询业务时间。

示例代码：

@RestController
@RequestMapping("/countDownLatch")
public class TestController1 {

    @Autowired
    RedisTemplate redisTemplate;

    @Autowired
    MemberService memberService;

    private volatile CountDownLatch countDownLatch = new CountDownLatch(1);

    @Async
    @RequestMapping("/select")
    public R select() throws InterruptedException {
        MemberEntity data = (MemberEntity) redisTemplate.opsForValue().get("countDownLatch");
        if (data == null) {
            new Thread(() -> {
                MemberEntity memberEntity = memberService.getById(3L);
                if (memberEntity != null) {
                    redisTemplate.opsForValue().set("countDownLatch", memberEntity);
                } else {
                    redisTemplate.opsForValue().set("countDownLatch", null);
                }
                //模拟请求阻塞
                try {
                    Thread.sleep(20000);
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
                countDownLatch.countDown();
            }).start();
            countDownLatch.await();
            MemberEntity data1 = (MemberEntity) redisTemplate.opsForValue().get("countDownLatch");
            return R.ok().setData(data1);
        }
        return R.ok().setData(data);
    }
}

2、双写一致性：

方案一：先删除缓存，再更新数据库，最后延迟删除；此方案虽然读到少量脏数据，但在并发量不是极高的系统推荐使用；sleep的时间大于读数据线程读数据+写缓存的时间即可，这样即使本次读到了脏数据，写数据线程随机便会将缓存删掉，新的读的请求会按照1的防止缓存击穿策略处理。

图示：

代码示例：

/**
 * @author james
 * @create 2022-02-17-2:12
 */
@RestController
@RequestMapping("/countDownLatch")
public class TestController1 {

    @Autowired
    RedisTemplate redisTemplate;

    @Autowired
    MemberService memberService;

    @Async
    @RequestMapping("/update")
    public void update() throws InterruptedException {
        redisTemplate.delete("countDownLatch");
        MemberEntity memberEntity = new MemberEntity();
        memberEntity.setId(3L);
        memberEntity.setLevelId(2L);
        memberService.updateById(memberEntity);
        Thread.sleep(100);
        redisTemplate.delete("countDownLatch");
    }
}

方案二：先更新数据库，再删除缓存。解决方案是消息队列或者其他binlog同步，引入消息队列会带来更多的问题，不推荐直接使用；一般大公司会使用binlog，通过监听binlog的消息队列来做删除缓存的操作，也可以同步写入缓存，但具体是否需要写入根据业务场景来定。这样虽然消息延迟的问题虽然依然存在，但是相比单纯引入消息队列的做法更好一点。

图示：

方案三：设置缓存过期时间，设置一个过期时间，比如5分钟，以后的操作只修改数据库，不操作缓存，等待缓存超时后从数据库重新读取。此方案只对于一致性要求不是很高并且数据更新不是很频繁的业务，如果数据大量更新又并发不高可以不使用缓存或者方案一。

总结：可以说自己公司业务是以方案一为主，部分时效性不高的业务场景可以说方案三；极高并发下推荐方案二。