01-Redis 与 DB 的数据一致性问题

当使用 Redis 作为数据库的缓存时，不得不考虑的一个问题是如何保证缓存（Redis）中数据与数据库中数据的一致性问题。这里的一致性有两种情况（引自[1]）：

1. 缓存中有数据，一致性指缓存中数据与数据库中数值保持一致。

2. 缓存中没有数据，一致性指数据库中的指为最新值。

不符合上述两种情况的，就是所谓的不一致性问题。

根据 Redis 缓存是否需要处理写请求，可将 Redis 缓存分为只读缓存和读写缓存。

1. 读写缓存。

2. 增、删、改操作都需要在缓存中操作，然后需要有写回策略（同步策略）将缓存中的内容写入数据库。

3. 写回操作可以是同步的，也可以是异步的。同步写回时，需要事务支持，可保证一致性。异步写回时，若异步写库出现问题，则需要重试机制保证最终写库成功，否则会出现不一致。

4. 只读缓存。

5. 增、删、改操作都直接写库，但在删、改操作时，需要将缓存中的数据删除（或者标记为无效）。

6. 增操作时，直接在数据库中增加，无需操作缓存。满足前面的的第二条（缓存中没数据，数据库中为最新值），缓存一致性成立。

7. 删、改操作时，如果更新数据、标记缓存无效的动作不能保证同时完成（原子性），则可能出现缓存不一致。具体来说：

8. 删除时，若数据库删除成功，缓存标记失败，则后续读取该数据的操作获得的都是缓存中的旧值。

9. 更新时，若数据库更新成功，标记缓存失败，则后续读取操作获得的也是之前的旧值。

10. 此时可采用延时双删来解决。

11. 或者增加队列记录不成功的缓存标记动作，重复直至成功。

12. 但这两种方法，都会让缓存和数据库在一定时间段内存在不一致的情况，此时主要考虑的是业务对这段时间的容忍度。

关于写缓存、数据的的套路，建议参考陈皓的一篇文章[2]。

[1] 25-缓存异常（上）：如何解决缓存和数据库的数据不一致问题

[2] 缓存更新的套路

02-Redis 缓存异常及应对方案

02.1-缓存雪崩

缓存雪崩指 Redis 缓存中大量地值同时（或短时间内）失效，导致大量地请求发送到数据库层，导致数据库压力激增的现象。

解决方案：

• 当业务上有需求数据需要同时失效时，为大量可能同时失效的数据在失效时间上增加一个随机数，将同时失效的数据均匀地分散在一段时间内，减轻数据库可能承受的压力。

• 或者是使用服务降级来应对缓存雪崩。

• [1]中提供的两个建议：1）在业务系统中实现熔断或限流机制；2）提前预防，Redis 做好高可用集群配置

02.2-缓存击穿

缓存击穿指针对某个访问非常频繁的热点数据的请求无法在 Redis 处理，而导致请求涌入到数据库层，从而导致数据库服务器压力激增。解决方案：

• 对热点数据不设置过期时间

02.3-缓存穿透

缓存穿透指要访问的数据既不在 Redis 中，也不在数据库中，请求到达 Redis 后都不能被处理，最终被提交到数据库访问层，导致数据库服务器压力激增。

解决方案：

• 在业务设计时，增加缓存空值或缺省指，当发生缓存穿透时，对缓存中不存在的，直接返回空值或缺省值。

• 在 Redis 中实现布隆过滤器，避免去数据库中查询数据存在与否，减轻数据库压力。

• 可以在前端请求是增加过滤机制，将明显非法的请求直接从源头屏蔽。

[1] 26-缓存异常（下）：如何解决缓存雪崩、击穿、穿透难题

02.4-其他应对策略

前面三个小节中提到的问题，其实主要是数据库服务器对请求的处理能力有限，当大量请求到来时，服务器因压力过大而崩溃。解决问题的思路也很直接，只需要控制数据库服务器承受的压力。例如加锁排队。先获得锁，才能访问数据库，本质上减少同时访问数据库的数量。

往期文章

Redis「1」流水线、事务、Lua 脚本