Java经典入门教程！javarestapi开发

向右看齐 2022-08-31 09:52 167阅读 0赞

# 如何保证缓存和数据库一致性 #

说了这么多缓存的必要性，那么使用缓存是不是就是一个很简单的事情了呢，我之前也一直是这么觉得的，直到遇到了需要缓存与数据库保持**强一致**的场景，才知道让数据库数据和缓存数据保持一致性是一门很高深的学问。

从远古的硬件缓存，操作系统缓存开始，缓存就是一门独特的学问。这个问题也被业界探讨了非常久，争论至今。我翻阅了很多资料，发现其实这是一个权衡的问题。值得好好讲讲。

**以下的讨论会引入几方观点，我会跟着观点来写代码验证所提到的问题。**

# 不更新缓存，而是删除缓存 #

**大部分观点认为，做缓存不应该是去更新缓存，而是应该删除缓存，然后由下个请求去去缓存，发现不存在后再读取数据库，写入缓存。**

观点引用：《分布式之数据库和缓存双写一致性方案解析》孤独烟

> **原因一：线程安全角度**
> 
> 同时有请求A和请求B进行更新操作，那么会出现
> 
> （1）线程A更新了数据库
> 
> （2）线程B更新了数据库
> 
> （3）线程B更新了缓存
> 
> （4）线程A更新了缓存
> 
> 这就出现请求A更新缓存应该比请求B更新缓存早才对，但是因为网络等原因，B却比A更早更新了缓存。这就导致了脏数据，因此不考虑。
> 
> **原因二：业务场景角度**
> 
> 有如下两点：
> 
> （1）如果你是一个写数据库场景比较多，而读数据场景比较少的业务需求，采用这种方案就会导致，数据压根还没读到，缓存就被频繁的更新，浪费性能。
> 
> （2）如果你写入数据库的值，并不是直接写入缓存的，而是要经过一系列复杂的计算再写入缓存。那么，每次写入数据库后，都再次计算写入缓存的值，无疑是浪费性能的。显然，删除缓存更为适合。

**其实如果业务非常简单，只是去数据库拿一个值，写入缓存，那么更新缓存也是可以的。但是，淘汰缓存操作简单，并且带来的副作用只是增加了一次cache miss，建议作为通用的处理方式。**

# 先操作缓存，还是先操作数据库 #

**那么问题就来了，我们是先删除缓存，然后再更新数据库，还是先更新数据库，再删缓存呢？**

先来看看大佬们怎么说。

《【58沈剑架构系列】缓存架构设计细节二三事》58沈剑：

> 对于一个不能保证事务性的操作，一定涉及“哪个任务先做，哪个任务后做”的问题，解决这个问题的方向是：如果出现不一致，谁先做对业务的影响较小，就谁先执行。
> 
> 假设先淘汰缓存，再写数据库：第一步淘汰缓存成功，第二步写数据库失败，则只会引发一次Cache miss。
> 
> 假设先写数据库，再淘汰缓存：第一步写数据库操作成功，第二步淘汰缓存失败，则会出现DB中是新数据，Cache中是旧数据，数据不一致。

沈剑老师说的没有问题，不过**没完全考虑好并发请求时的数据脏读问题**，让我们再来看看孤独烟老师《分布式之数据库和缓存双写一致性方案解析》：

> **先删缓存，再更新数据库**
> 
> 该方案会导致请求数据不一致
> 
> 同时有一个请求A进行更新操作，另一个请求B进行查询操作。那么会出现如下情形:
> 
> （1）请求A进行写操作，删除缓存
> 
> （2）请求B查询发现缓存不存在
> 
> （3）请求B去数据库查询得到旧值
> 
> （4）请求B将旧值写入缓存
> 
> （5）请求A将新值写入数据库
> 
> 上述情况就会导致不一致的情形出现。而且，如果不采用给缓存设置过期时间策略，该数据永远都是脏数据。

**所以先删缓存，再更新数据库并不是一劳永逸的解决方案，再看看先更新数据库，再删缓存这种方案怎么样？**

> **先更新数据库，再删缓存**这种情况不存在并发问题么？
> 
> 不是的。假设这会有两个请求，一个请求A做查询操作，一个请求B做更新操作，那么会有如下情形产生
> 
> （1）缓存刚好失效
> 
> （2）请求A查询数据库，得一个旧值
> 
> （3）请求B将新值写入数据库
> 
> （4）请求B删除缓存
> 
> （5）请求A将查到的旧值写入缓存
> 
> ok，如果发生上述情况，确实是会发生脏数据。
> 
> 然而，发生这种情况的概率又有多少呢？
> 
> 发生上述情况有一个先天性条件，就是步骤（3）的写数据库操作比步骤（2）的读数据库操作耗时更短，才有可能使得步骤（4）先于步骤（5）。可是，大家想想，**数据库的读操作的速度远快于写操作的（不然做读写分离干嘛，做读写分离的意义就是因为读操作比较快，耗资源少），因此步骤（3）耗时比步骤（2）更短，这一情形很难出现。**

**先更新数据库，再删缓存依然会有问题，不过，问题出现的可能性会因为上面说的原因，变得比较低！**

(补充说明：我用了“先更新数据库，再删缓存”且不设过期时间策略，会不会有问题呢？由于先缓存和更新数据库不是原子的，如果更新了数据库，程序歇逼，就没删缓存，由于没有过期策略，就永远脏数据了。)

所以，如果你想实现基础的缓存数据库双写一致的逻辑，那么在大多数情况下，在不想做过多设计，增加太大工作量的情况下，请**先更新数据库，再删缓存!**

# 我非要数据库和缓存数据强一致怎么办 #

那么，如果我非要保证绝对一致性怎么办，先给出结论：

**没有办法做到绝对的一致性，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，所以它属于CAP中的AP。**

所以，我们得委曲求全，可以去做到BASE理论中说的**最终一致性**。

> 最终一致性强调的是系统中所有的数据副本，在经过一段时间的同步后，最终能够达到一个一致的状态。因此，最终一致性的本质是需要系统保证最终数据能够达到一致，而不需要实时保证系统数据的强一致性

大佬们给出了到达最终一致性的解决思路，主要是针对上面两种双写策略（先删缓存，再更新数据库/先更新数据库，再删缓存）导致的**脏数据问题，进行相应的处理，来保证最终一致性。**

# 缓存延时双删 #

问：先删除缓存，再更新数据库中避免脏数据？

答案：采用延时双删策略。

上文我们提到，在先删除缓存，再更新数据库的情况下，如果不采用给缓存设置过期时间策略，该数据永远都是脏数据。

**那么延时双删怎么解决这个问题呢？**

> （1）先淘汰缓存
> 
> （2）再写数据库（这两步和原来一样）
> 
> （3）休眠1秒，再次淘汰缓存
> 
> 这么做，可以将1秒内所造成的缓存脏数据，再次删除。

**那么，这个1秒怎么确定的，具体该休眠多久呢？**

> 针对上面的情形，读者应该自行评估自己的项目的读数据业务逻辑的耗时。然后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。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。

**如果你用了mysql的读写分离架构怎么办？**

> ok，在这种情况下，造成数据不一致的原因如下，还是两个请求，一个请求A进行更新操作，另一个请求B进行查询操作。
> 
> （1）请求A进行写操作，删除缓存
> 
> （2）请求A将数据写入数据库了，
> 
> （3）请求B查询缓存发现，缓存没有值
> 
> （4）请求B去从库查询，这时，还没有完成主从同步，因此查询到的是旧值
> 
> （5）请求B将旧值写入缓存
> 
> （6）数据库完成主从同步，从库变为新值
> 
> 上述情形，就是数据不一致的原因。还是使用双删延时策略。只是，睡眠时间修改为在主从同步的延时时间基础上，加几百ms。

**采用这种同步淘汰策略，吞吐量降低怎么办？**

> ok，那就将第二次删除作为异步的。自己起一个线程，异步删除。这样，写的请求就不用沉睡一段时间后了，再返回。这么做，加大吞吐量。

**所以在先删除缓存，再更新数据库的情况下**，可以使用延时双删的策略，来保证脏数据只会存活一段时间，就会被准确的数据覆盖。

**在先更新数据库，再删缓存的情况下**，缓存出现脏数据的情况虽然可能性极小，但也会出现。我们依然可以用延时双删策略，在请求A对缓存写入了脏的旧值之后，再次删除缓存。来保证去掉脏缓存。

# 如何快速更新自己的技术积累？ #

*  在现有的项目里，深挖技术，比如用到netty可以把相关底层代码和要点都看起来。
 *  如果不知道目前的努力方向，就看自己的领导或公司里技术强的人在学什么。
 *  知道努力方向后不知道该怎么学，就到处去找相关资料然后练习。
 *  学习以后不知道有没有学成，则可以通过面试去检验。

**我个人觉得面试也像是一场全新的征程，失败和胜利都是平常之事。所以，劝各位不要因为面试失败而灰心、丧失斗志。也不要因为面试通过而沾沾自喜，等待你的将是更美好的未来，继续加油！**

**以上面试专题的答小编案整理成面试文档了，文档里有答案详解，以及其他一些大厂面试题目，有需要的朋友[点击这里即可免费领取][Link 1]**

![八年CRUD，疫情备战三个月，三面头条、四面阿里拿offer面经分享][CRUD_offer]

![八年CRUD，疫情备战三个月，三面头条、四面阿里拿offer面经分享][CRUD_offer 1]

整理成面试文档了，文档里有答案详解，以及其他一些大厂面试题目，有需要的朋友[点击这里即可免费领取][Link 1]\*\*

\[外链图片转存中…(img-AVXTmAf1-1627098457445)\]

\[外链图片转存中…(img-p0QvB66v-1627098457447)\]

[Link 1]: https://gitee.com/vip204888/java-p7
[CRUD_offer]: /images/20220829/f83ed817634442a6b45e5b83727ee6ea.png
[CRUD_offer 1]: /images/20220829/70da751114fc4d129cd15336373c0a71.png