详解更新缓存的五种组合方式
更新缓存的步骤特别简单,共两步:更新数据库和更新缓存。但这简单的两步中需要考虑很多问题。
先更新数据库还是先更新缓存?更新缓存时先删除还是直接更新?
假设第一步成功了,第二步失败了怎么办?
假设两个线程同时更新同一个数据,A 线程先完成第一步,B 线程先完成第二步怎么办?
其中第一步就有五种组合:
1、先更新缓存,再更新数据库
对于这个组合,会遇到这种情况:假设第二步更新数据库失败了,要求回滚缓存的更新,这时该怎么办呢?Redis 不支持事务回滚,除非采用手工回滚的方式,先保存原有数据,然后再将缓存更新回原来的数据,这种解决方案有些缺陷。
这里简单举个例子。
1)原来缓存中的值是 a,两个线程同时更新库存。
2)线程 A 将缓存中的值更新成 b,且保存了原来的值 a,然后更新数据库。
3)线程 B 将缓存中的值更新成 c,且保存了原来的值 b,然后更新数据库。
4)线程 A 更新数据库时失败了,它必须回滚,那现在缓存中的值更新成什么呢?
理论上应该更新成 c,因为数据库中的值是 c,但是,线程 A 里面无从获得 c 这个值。如果在线程 A 更新缓存与数据库的整个过程中,先把缓存及数据库都锁上,确保别的线程不能更新,是否可行?当然是可行的。
但是其他线程能不能读取?假设线程 A 更新数据库失败回滚缓存时,线程 C 也加入进来,它需要先读取缓存中的值,这时又返回什么值?不错,这就是典型的事务隔离级别场景。所以就不推荐这个组合,因为此处只是需要使用一下缓存,而这个组合就要考虑事务隔离级别的一些逻辑,成本太大。接着考虑别的组合。
2、先删除缓存,再更新数据库
使用这种方案,即使更新数据库失败了也不需要回滚缓存。这种做法虽然巧妙规避了失败回滚的问题,却引出了两个更大的问题。
1)假设线程 A 先删除缓存,再更新数据库。在线程 A 完成更新数据库之前,后执行的线程 B 反而超前完成了操作,读取 Key 发现没有数据后,将数据库中的旧值存放到了缓存中。线程 A 在线程 B 都完成后再更新数据库,这样就会出现缓存(旧值)与数据库的值(新值)不一致的问题。
2)为了解决一致性问题,可以让线程 A 给 Key 加锁,因为写操作特别耗时,这种处理方法会导致大量的读请求卡在锁中。
以上描述的是典型的高可用和一致性难以两全的问题。
3、先更新数据库,再更新缓存
对于这个方案,同样需要考虑两个问题。
1)假设第一步(更新数据库)成功,第二步(更新缓存)失败了怎么办?因为缓存不是主流程,数据库才是,所以不会因为更新缓存失败而回滚第一步对数据库的更新。此时一般采取的做法是重试机制,但重试机制如果存在延时还是会出现数据库与缓存不一致的情况,不好处理。
2)假设两个线程同时更新同一个数据,线程 A 先完成了第一步,线程 B 先完成了第二步怎么办?线程 A 把值更新成 a,线程 B 把值更新成 b,此时数据库中的最新值是 b,因为线程 A 先完成了第一步,后完成第二步,所以缓存中的最新值是 a,数据库与缓存的值还是不一致,这个逻辑还是有问题的。
因此,也不建议采用这个组合。
4、先更新数据库,再删除缓存
针对组合 4,先看看它能不能解决组合 3 的第二个问题。
假设两个线程同时更新同一个数据,线程 A 先完成第一步,线程 B 先完成第二步怎么办?
线程 A 把值更新成 a,线程 B 把值更新成 b,此时数据库中的最新值是 b,因为线程 A 先完成了第一步,所以第二步谁先完成已经不重要了,因为都是直接删除缓存数据。这个问题解决了。
那么,它能解决组合 3 的第一个问题吗?假设第一步成功,第二步失败了怎么办?这种情况的出现概率与组合 3 相比明显低不少,因为删除比更新容易多了。
虽然这个组合方案不完美,但出现一致性问题的概率较低。除了组合 3 会碰到的问题,组合 4 还会碰到别的问题吗?
是的。假设线程 A 要更新数据,先完成第一步更新数据库,在线程 A 删除缓存之前,线程 B 要访问缓存,那么取得的就是旧数据。这是一个小小的缺陷。那么,以上问题有办法解决吗?
5、先删除缓存,更新数据库,再删除缓存
还有一个方案,就是先删除缓存,再更新数据库,再删除缓存。这个方案其实和先更新数据库,再删除缓存差不多,因为还是会出现类似的问题:假设线程 A 要更新数据库,先删除了缓存,这一瞬间线程 C 要读缓存,先把数据迁移到缓存;然后线程 A 完成了更新数据库的操作,这一瞬间线程 B 也要访问缓存,此时它访问到的就是线程 C 放到缓存里面的旧数据。
不过组合 5 出现类似问题的概率更低,因为要刚好有 3 个线程配合才会出现问题(比先更新数据库,再删除缓存的方案多了一个需要配合的线程)。
但是相比于组合 4,组合 5 规避了第二步删除缓存失败的问题——组合 5 是先删除缓存,再更新数据库,假设它的第三步“再删除缓存”失败了,也没关系,因为缓存已经删除了。
其实没有一个组合是完美的,它们都有读到脏数据(这里指旧数据)的可能性,只不过概率不同。根据以上分析,组合 5 相对来说是比较好的选择。
任何一个方案都不是完美的,但如果剩下 1%的问题需要花好几倍的代价去解决,从技术上来讲得不偿失,这就要求架构师去说服业务方,去平衡技术的成本和收益。
版权声明: 本文为 InfoQ 作者【穿过生命散发芬芳】的原创文章。
原文链接:【http://xie.infoq.cn/article/7582eabeec3bdd08d5077cbef】。
本文遵守【CC-BY 4.0】协议,转载请保留原文出处及本版权声明。
评论