如何保障 MySQL 和 Redis 的数据一致性?4 种缓存同步策略 + 真实业务场景详解,建议收藏

Redis 和 MySQL 一致性问题是企业级应用中常见的挑战之一,特别是在高并发、高可用的场景下。由于 Redis 是内存型数据库,具备极高的读写速度,而 MySQL 作为持久化数据库,通常用于数据的可靠存储,如何保证两者数据的一致性需要具体业务场景的设计与优化。

下面我们将结合几个典型的业务场景,逐步分析如何在不同的场景下保证 Redis 和 MySQL 之间的数据一致性。
1.缓存更新策略:Cache Aside Pattern(旁路缓存模式)场景:在大部分业务系统中,Redis 作为缓存层用于提升系统的读取性能,而 MySQL 作为持久化存储,用于保证数据的可靠性。最常见的场景是:
系统先查询 Redis 缓存,如果缓存中没有数据,再从 MySQL 中查询并将数据写入 Redis 缓存。更新数据时,更新 MySQL 后删除 Redis 缓存,使缓存数据失效,保证下次读取时能拿到最新数据。
想象一个图书馆的工作场景:
Redis 就像是图书馆的前台小桌子(快速但空间小)MySQL 就像是图书馆的储藏室(空间大但取书慢)读取数据的过程:
更新数据的过程:
为什么要这么设计?
删除缓存而不是更新缓存的原因
假设我们要更新书的信息,如果采用"更新缓存"而不是"删除缓存"的策略:

最终 Redis 和 MySQL 不一致,这就是为什么我们选择"删除缓存"而不是"更新缓存"的原因。
先更新数据库,再删除缓存的原因
假设一本书的初始信息:
现在有两个并发操作:图书管理员要把书名改成"Java 进阶"(更新操作),读者要查看这本书的名字(查询操作)
问题场景(先删除缓存,再更新数据库):

最终结果:
MySQL 中是:"Java 进阶"(新数据)
Redis 中是:"Java 入门"(旧数据)❌
数据不一致了!
正确的顺序(先更新数据库,再删除缓存):

更进一步的优化 - 延迟双删:
这样可以进一步保证在高并发场景下的数据一致性。延迟双删策略会在第一次删除后,等待一段时间(比如 500ms)再次删除缓存,这样可以避免中间有其他线程写入脏数据到缓存中。
典型业务场景:
商品详情页面:当用户请求某个商品详情时,首先查询 Redis 缓存,如果缓存中没有,则查询 MySQL,将查询结果缓存到 Redis 中;如果商品信息发生变更时,更新 MySQL 并删除 Redis 中的缓存。
方案分析:
读取路径:从 Redis 获取缓存,如果缓存命中则直接返回数据;如果缓存未命中,则查询 MySQL,将结果写入 Redis,并返回数据。
写入路径:更新时先操作 MySQL,然后删除 Redis 缓存中的数据。下次读取时,由于缓存未命中,会重新从 MySQL 中获取最新数据。
如何保障一致性:
缓存淘汰策略:MySQL 数据更新后立即删除 Redis 缓存,确保下次读取时能获取到最新数据。即通过 "删除缓存" 的方式避免脏数据存在于缓存中。
并发问题:当并发请求较高时,可能会出现“缓存雪崩”或“缓存击穿”问题。例如:A 更新 MySQL 数据,B 在缓存失效的瞬间读取了旧数据,再次缓存到 Redis。为解决此问题,可以采用延迟双删策略:
删除 Redis 缓存。
更新 MySQL。
适当延迟(如 500ms),再次删除 Redis 缓存,确保在并发情况下不存在缓存不一致问题。
业务实例:
2.先更新缓存再更新数据库
场景:
在某些实时性要求较高的场景中,可以考虑先更新 Redis 缓存,然后再异步更新 MySQL 数据库。
典型业务场景:
秒杀系统:例如商品库存的扣减,用户购买商品时,首先更新 Redis 中的库存数量,保证极低延迟的实时性体验。然后将变更异步写入 MySQL,确保持久化存储的一致性。
方案分析:
读取路径:读取 Redis 缓存的库存信息,能够提供快速的读取响应。
写入路径:更新 Redis 中的库存数量后,使用消息队列或其他异步机制将更新同步到 MySQL。
如何保障一致性:
数据最终一致性:Redis 作为前端实时数据的缓存,MySQL 作为后端数据的持久化存储,采用异步更新策略时,一致性无法保证是强一致性,但可以通过使用消息队列等手段来保证最终一致性。异步写入 MySQL 时,如果操作失败,可以通过重试机制或补偿机制恢复一致性。
业务实例:
一致性保证策略:
幂等性保障:确保消息的处理是幂等的,即相同的消息即使被处理多次,也不会导致库存重复扣减。
消息重试机制:如果消费消息时更新 MySQL 失败,可以设置重试机制或消息补偿机制,保证最终数据一致性。
3.双写操作(缓存与数据库同时更新)
场景:
有时业务需要同时更新 Redis 和 MySQL 的数据,如用户余额更新、积分奖励系统等场景中,Redis 和 MySQL 需要同步写入。
典型业务场景:
积分系统:用户消费时增加或减少积分,需要同时更新 Redis 和 MySQL 中的积分记录。
方案分析:
同步写入:当更新用户积分时,Redis 和 MySQL 同时更新数据。由于需要保证两个存储的同步性,必须考虑事务性问题。
分布式事务:如果系统架构分布式,可能需要使用分布式事务(如
2PC
,或者更轻量的解决方案如TCC
)来确保一致性。
如何保障一致性:
双写一致性问题:如果同时写 Redis 和 MySQL,可能会面临一致性问题。常见解决方案是通过事务补偿机制来实现。具体步骤:
使用数据库事务保证 MySQL 写入成功。
如果 Redis 写入失败,可以尝试重试,或在事务结束后通过补偿机制将失败的数据写入 Redis。
业务实例:
事务性保障:
本地事务:在单体系统中,可以依赖数据库事务和 Redis 的操作保证一致性。如果操作失败,通过重试机制来恢复一致性。
分布式事务:在微服务架构中,双写操作涉及分布式事务,可能需要使用
TCC
(Try, Confirm, Cancel)等模式,或使用消息队列进行最终一致性补偿。
4.数据回写(Write Back)策略
场景:
数据回写模式适用于 Redis 作为缓存层,MySQL 作为持久化存储层,但 Redis 中数据修改后并不立即同步更新 MySQL,而是在特定时机触发数据回写。
典型业务场景:
广告计费系统:广告点击量保存在 Redis 中,以减少频繁的数据库写入压力,定期将 Redis 中的统计数据批量写入 MySQL。
方案分析:
延迟回写:可以通过定时任务或者触发器将 Redis 中的数据定期回写到 MySQL,这样既减少了 MySQL 的压力,又保证了数据一致性。
如何保障一致性:
持久化与批量同步:通过 Redis 的持久化机制(如 RDB、AOF),在 Redis 崩溃时不会丢失数据。通过定时器或事件驱动系统触发批量同步 MySQL。
总结
Redis 和 MySQL 的一致性保障在不同的业务场景中需要结合场景特性来进行权衡,主要的策略包括:
Cache Aside Pattern(旁路缓存模式):常用于读多写少的场景,写操作时删除缓存。
异步更新(Write Behind):先更新缓存再异步写入 MySQL,保证最终一致性。
双写策略:同时更新 Redis 和 MySQL,配合事务机制确保一致性。
延迟回写:通过定时批量写入 MySQL 减少频繁数据库操作。
每种策略有不同的适用场景,设计时需要考虑一致性、性能和可用性之间的平衡。
版权声明: 本文为 InfoQ 作者【Fox爱分享】的原创文章。
原文链接:【http://xie.infoq.cn/article/17e067e99846483c18715167c】。文章转载请联系作者。
评论