java 培训：Redis 和 Mysql 数据怎么保持一致

​

• 在高并发的场景下，大量的请求直接访问 Mysql 很容易造成性能问题

• 所以，我们都会用 Redis 来做数据的缓存，削减对数据库的请求

• 但是，Mysql 和 Redis 是两种不同的数据库，如何保证不同数据库之间数据的一致性就非常关键了

# 导致数据不一致的原因

• 在高并发的业务场景下，数据库大多数情况都是用户并发访问最薄弱的环节。

• 所以，就需要使用 redis 做一个缓冲操作，让请求先访问到 redis，而不是直接访问 MySQL 等数据库。

• 读取缓存步骤一般没有什么问题，但是一旦涉及到数据更新：数据库和缓存更新，就容易出现缓存(Redis)和数据库（MySQL）间的数据一致性问题。

• 这个业务场景，主要是解决读数据从 Redis 缓存，一般都是按照下图的流程来进行业务操作。

# 缓存先后删除问题

不管是先写 MySQL 数据库，再删除 Redis 缓存；java培训还是先删除缓存，再写库，都有可能出现数据不一致的情况。

1.先删除缓存

• 如果先删除 Redis 缓存数据，然而还没有来得及写入 MySQL，另一个线程就来读取

• 这个时候发现缓存为空，则去 Mysql 数据库中读取旧数据写入缓存，此时缓存中为脏数据。

• 然后数据库更新后发现 Redis 和 Mysql 出现了数据不一致的问题

2. 后删除缓存

• 如果先写了库，然后再删除缓存，不幸的写库的线程挂了，导致了缓存没有删除

• 这个时候就会直接读取旧缓存，最终也导致了数据不一致情况

• 因为写和读是并发的，没法保证顺序,就会出现缓存和数据库的数据不一致的问题

# 解决方案

1. 延时双删策略

1.1 基本思路

• 在写库前后都进行 redis.del(key)操作，并且设定合理的超时时间。

• 伪代码如下：

public void write( String key, Object data )

{

redis.delKey( key );

db.updateData( data );

Thread.sleep( 500 );

redis.delKey( key );

}

1.2 具体步骤

• 1.先删除缓存

• 2.再写数据库

• 3.休眠 500 毫秒

• 4.再次删除缓存

问题：这个 500 毫秒怎么确定的，具体该休眠多久时间呢？

• 需要评估自己的项目的读数据业务逻辑的耗时。

• 这么做的目的，就是确保读请求结束，写请求可以删除读请求造成的缓存脏数据。

• 当然这种策略还要考虑 redis 和数据库主从同步的耗时。

• 最后的的写数据的休眠时间：则在读数据业务逻辑的耗时基础上，加几百 ms 即可。比如：休眠 1 秒。

1.3 设置缓存过期时间是关键点

• 从理论上来说，给缓存设置过期时间，是保证最终一致性的解决方案

• 所有的写操作以数据库为准，只要到达缓存过期时间，缓存删除

• 如果后面还有读请求的话，就会从数据库中读取新值然后回填缓存

1.4 方案缺点

结合双删策略+缓存超时设置，这样最差的情况就是：

• 在缓存过期时间内发生数据存在不一致

• 同时又增加了写请求的耗时。

2.异步更新缓存（基于 Mysql binlog 的同步机制）

2.1 整体思路

1.涉及到更新的数据操作，利用 Mysql binlog 进行增量订阅消费

2.将消息发送到消息队列

3.通过消息队列消费将增量数据更新到 Redis 上

4.操作情况

• 读取 Redis 缓存：热数据都在 Redis 上

• 写 Mysql：增删改都是在 Mysql 进行操作

• 更新 Redis 数据：Mysql 的数据操作都记录到 binlog，通过消息队列及时更新到 Redis 上

2.2 Redis 更新过程

(1) 数据操作主要分为两种：

• 一种是全量（将所有数据一次性写入 Redis）

• 一种是增量（实时更新）

这里说的是增量,指的是 mysql 的 update、insert、delate 变更数据。

(2）读取 binlog 后分析 ，利用消息队列,推送更新各台的 redis 缓存数据。

• 这样一旦 MySQL 中产生了新的写入、更新、删除等操作，就可以把 binlog 相关的消息推送至 Redis

• Redis 再根据 binlog 中的记录，对 Redis 进行更新

• 其实这种机制，很类似 MySQL 的主从备份机制，因为 MySQL 的主备也是通过 binlog 来实现的数据一致性

这里的消息推送工具你也可以采用别的第三方：kafka、rabbitMQ 等来实现推送更新 Redis!

# 总结

• 在高并发应用场景下，如果是对数据一致性要求高的情况下，要定位好导致数据和缓存不一致的原因

• 解决高并发场景下数据一致性的方案有两种，分别是延时双删策略和异步更新缓存两种方案

• 另外，设置缓存的过期时间是保证数据保持一致性的关键操作，需要结合业务进行合理的设置。

文章来源于 Java 面试那些事儿

​