Redis与MySQL双写一致性

参考：https://mp.weixin.qq.com/s/VtB3cdTGB67iqok5pxYyhw

 

一致性：强一致性、弱一致性、最终一致性。

• 弱一致性：这种一致性级别约束了系统在写入成功后，不承诺立即可以读到写入的值，也不承诺多久之后数据能够达到一致，但会尽可能地保证到某个时间级别（比如秒级别）后，数据能够达到一致状态

• 最终一致性：最终一致性是弱一致性的一个特例，系统会保证在一定时间内，能够达到一个数据一致的状态。这里之所以将最终一致性单独提出来，是因为它是弱一致性中非常推崇的一种一致性模型，也是业界在大型分布式系统的数据一致性上比较推崇的模型

 

三个经典的缓存模式

• Cache-Aside Pattern

• Read-Through/Write-through

• Write-behind

 

 

一、Cache-Aside Pattern

Cache-Aside Pattern，即旁路缓存模式，它的提出是为了尽可能地解决缓存与数据库的数据不一致问题。

Cache-Aside读流程

Cache-Aside Pattern的读请求流程如下：

1. 读的时候，先读缓存，缓存命中的话，直接返回数据

2. 缓存没有命中的话，就去读数据库，从数据库取出数据，放入缓存后，同时返回响应。

 

Cache-Aside 写流程

Cache-Aside Pattern的写请求流程如下：

更新的时候，先更新数据库，然后再删除缓存。

 

二、Read-Through/Write-Through（读写穿透）

Read/Write-Through模式中，服务端把缓存作为主要数据存储。应用程序跟数据库缓存交互，都是通过抽象缓存层完成的。

 

Read-Through

Read-Through的简要流程如下

1. 从缓存读取数据，读到直接返回

2. 如果读取不到的话，从数据库加载，写入缓存后，再返回响应。

多了一层Cache-Provider而已，应用程序请求，Cache Provider 去缓存获取数据，如无的话，向数据库获取，之后put(key,entity)缓存，之后从缓存获取值，返回。

 

Write-Through

Write-Through模式下，当发生写请求时，也是由缓存抽象层完成数据源和缓存数据的更新,流程如下：

应用程序->Cache Provider --更新->数据源----->更新缓存

 

三、Write-behind （异步缓存写入）

Write-behind 跟Read-Through/Write-Through有相似的地方，都是由Cache Provider来负责缓存和数据库的读写。它们又有个很大的不同：Read/Write-Through是同步更新缓存和数据的，Write-Behind则是只更新缓存，不直接更新数据库，通过批量异步的方式来更新数据库。

 

这种方式下，缓存和数据库的一致性不强，对一致性要求高的系统要谨慎使用。但是它适合频繁写的场景，MySQL的InnoDB Buffer Pool机制就使用到这种模式。

 

数据库和缓存数据保持强一致，可以嘛？

实际上，没办法做到数据库与缓存绝对的一致性。

• 缓存及数据库封装CAS乐观锁，更新缓存时通过lua脚本？

• 分布式事务，3PC？TCC？

 

 

3种方案保证数据库与缓存的一致性

缓存延时双删

有些小伙伴可能会说，并不一定要先操作数据库呀，采用缓存延时双删策略，就可以保证数据的一致性啦。什么是延时双删呢？

 

写请求->删除缓存->更新数据库->删除缓存

1. 先删除缓存

2. 再更新数据库

3. 休眠一会（比如1秒），再次删除缓存。

这种方案还算可以，只有休眠那一会（比如就那1秒），可能有脏数据，一般业务也会接受的。但是如果第二次删除缓存失败呢？缓存和数据库的数据还是可能不一致，对吧？给Key设置一个自然的expire过期时间，让它自动过期怎样？那业务要接受过期时间内，数据的不一致咯？还是有其他更佳方案呢？

删除缓存重试机制

不管是延时双删还是Cache-Aside的先操作数据库再删除缓存，都可能会存在第二步的删除缓存失败，导致的数据不一致问题。可以使用这个方案优化：删除失败就多删除几次呀,保证删除缓存成功就可以了呀~ 所以可以引入删除缓存重试机制

1. 写请求更新数据库

2. 缓存因为某些原因，删除失败

3. 把删除失败的key放到消息队列

4. 消费消息队列的消息，获取要删除的key

5. 重试删除缓存操作

 

读取biglog异步删除缓存

重试删除缓存机制还可以吧，就是会造成好多业务代码入侵。其实，还可以这样优化：通过数据库的binlog来异步淘汰key。

以mysql为例吧

• 可以使用阿里的canal将binlog日志采集发送到MQ队列里面

• 然后通过ACK机制确认处理这条更新消息，删除缓存，保证数据缓存一致性