你真的懂 Redis 与 MySQL 双写一致性如何保证吗?
![](https://static001.geekbang.org/infoq/99/99be0f14797f391bc548b9b00e112274.png)
一致性就是数据保持一致,在分布式系统中,可以理解为多个节点中数据的值是一致的。
强一致性:这种一致性级别是最符合用户直觉的,它要求系统写入什么,读出来的也会是什么,用户体验好,但实现起来往往对系统的性能影响大
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。
![](https://static001.geekbang.org/infoq/ad/ada8e1508a0ffbb9029330db3452cc30.png)
三个经典的缓存模式
缓存可以提升性能、缓解数据库压力,但是使用缓存也会导致数据不一致性的问题。一般我们是如何使用缓存呢?有三种经典的缓存使用模式:
Cache-Aside Pattern
Read-Through/Write-through
Write-behind
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:
![](https://static001.geekbang.org/infoq/18/1818a5e4e4d2057cf8c5e36239f10b2f.jpeg?x-oss-process=image/resize,p_80/auto-orient,1)
读的时候,先读缓存,缓存命中的话,直接返回数据
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:
![](https://static001.geekbang.org/infoq/9a/9a28e959df4fc1e306de27b451a3d683.jpeg?x-oss-process=image/resize,p_80/auto-orient,1)
更新的时候,先更新数据库,然后再删除缓存。
C/C++Linux 后台服务器开发高级架构师学习视频 点击 服务器架构师学习资料 获取,内容知识点包括 Linux,Nginx,ZeroMQ,MySQL,Redis,线程池,MongoDB,ZK,Linux 内核,CDN,P2P,epoll,Docker,TCP/IP,协程,DPDK 等等。免费学习地址:C/C++Linux服务器开发高级架构师/Linux后台架构师
![](https://static001.geekbang.org/infoq/8f/8fb9e15dc0799c6c1b82a4ae4b4ba5f2.png)
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
![](https://static001.geekbang.org/infoq/08/08373d5e83b9fccc4ef3378a05c2b026.jpeg?x-oss-process=image/resize,p_80/auto-orient,1)
从缓存读取数据,读到直接返回
如果读取不到的话,从数据库加载,写入缓存后,再返回响应。
这个简要流程是不是跟 Cache-Aside 很像呢?其实 Read-Through 就是多了一层 Cache-Provider 而已,流程如下:
![](https://static001.geekbang.org/infoq/3b/3b836a03b26c174e4ec81a160e9f1e1c.png)
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。
![](https://static001.geekbang.org/infoq/43/4372099b929ebe7f462f39e7e12c8909.jpeg?x-oss-process=image/resize,p_80/auto-orient,1)
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。
操作缓存的时候,到底是删除缓存呢,还是更新缓存?
日常开发中,我们一般使用的就是 Cache-Aside 模式。有些小伙伴可能会问, Cache-Aside 在写入请求的时候,为什么是删除缓存而不是更新缓存呢?
![](https://static001.geekbang.org/infoq/d9/d9ed467aa023db3d86cb9187afdfd10b.jpeg?x-oss-process=image/resize,p_80/auto-orient,1)
我们在操作缓存的时候,到底应该删除缓存还是更新缓存呢?我们先来看个例子:
![](https://static001.geekbang.org/infoq/b3/b318dbf76694f6cdd8897a4b1b540b0d.jpeg?x-oss-process=image/resize,p_80/auto-orient,1)
线程 A 先发起一个写操作,第一步先更新数据库
线程 B 再发起一个写操作,第二步更新了数据库
由于网络等原因,线程 B 先更新了缓存
线程 A 更新缓存。
这时候,缓存保存的是 A 的数据(老数据),数据库保存的是 B 的数据(新数据),数据不一致了,脏数据出现啦。如果是删除缓存取代更新缓存则不会出现这个脏数据问题。
更新缓存相对于删除缓存,还有两点劣势:
如果你写入的缓存值,是经过复杂计算才得到的话。更新缓存频率高的话,就浪费性能啦。
在写数据库场景多,读数据场景少的情况下,数据很多时候还没被读取到,又被更新了,这也浪费了性能呢(实际上,写多的场景,用缓存也不是很划算的,哈哈)
双写的情况下,先操作数据库还是先操作缓存?
Cache-Aside 缓存模式中,有些小伙伴还是会有疑问,在写请求过来的时候,为什么是先操作数据库呢?为什么不先操作缓存呢?
假设有 A、B 两个请求,请求 A 做更新操作,请求 B 做查询读取操作。
![](https://static001.geekbang.org/infoq/a2/a272155e14f50367b2b39f13d4f1a39a.jpeg?x-oss-process=image/resize,p_80/auto-orient,1)
线程 A 发起一个写操作,第一步 del cache
此时线程 B 发起一个读操作,cache miss
线程 B 继续读 DB,读出来一个老数据
然后线程 B 把老数据设置入 cache
线程 A 写入 DB 最新的数据
酱紫就有问题啦,缓存和数据库的数据不一致了。缓存保存的是老数据,数据库保存的是新数据。因此,Cache-Aside 缓存模式,选择了先操作数据库而不是先操作缓存。
个别小伙伴可能会问,先操作数据库再操作缓存,不一样也会导致数据不一致嘛?它俩又不是原子性操作的。这个是会的,但是这种方式,一般因为删除缓存失败等原因,才会导致脏数据,这个概率就很低。小伙伴们可以画下操作流程图,自己先分析下哈。接下来我们再来分析这种删除缓存失败的情况,如何保证一致性。
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。
加锁可以嘛?并发写期间加锁,任何读操作不写入缓存?
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?
其实,这是由 CAP 理论决定的。缓存系统适用的场景就是非强一致性的场景,它属于 CAP 中的 AP。个人觉得,追求绝对一致性的业务场景,不适合引入缓存。
![](https://static001.geekbang.org/infoq/98/98c481515552e563c9cc32bf9fc976ad.png)
但是,通过一些方案优化处理,是可以保证弱一致性,最终一致性的。
C/C++Linux 后台服务器开发高级架构师学习视频 点击 架构师学习资料 获取,内容知识点包括 Linux,Nginx,ZeroMQ,MySQL,Redis,线程池,MongoDB,ZK,Linux 内核,CDN,P2P,epoll,Docker,TCP/IP,协程,DPDK 等等。免费学习地址:C/C++Linux服务器开发高级架构师/Linux后台架构师
![](https://static001.geekbang.org/infoq/8f/8fb9e15dc0799c6c1b82a4ae4b4ba5f2.png)
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?
![](https://static001.geekbang.org/infoq/5c/5c4e8c85dfff66f2293a43411bfce76b.jpeg?x-oss-process=image/resize,p_80/auto-orient,1)
先删除缓存
再更新数据库
休眠一会(比如 1 秒),再次删除缓存。
这个休眠一会,一般多久呢?都是 1 秒
![](https://static001.geekbang.org/infoq/e2/e24ffa86eafb57aed70e214684917d08.png)
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
![](https://static001.geekbang.org/infoq/39/39e7ff862c5b40078231281fed35ba76.jpeg?x-oss-process=image/resize,p_80/auto-orient,1)
写请求更新数据库
缓存因为某些原因,删除失败
把删除失败的 key 放到消息队列
消费消息队列的消息,获取要删除的 key
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。
![](https://static001.geekbang.org/infoq/36/36aaf638ca54d473ca96c097cc10002f.jpeg?x-oss-process=image/resize,p_80/auto-orient,1)
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
觉得对你有帮助的话就点个赞吧~~
评论