Redis与MySQL双写一致性如何保证？

￡神魔★判官ぃ 2022-10-05 09:51 119阅读 0赞

## 前言 ##

Redis与MySQL双写一致性如何保证？ 这其实就是在问缓存和数据库在双写场景下，一致性是如何保证的？本文将跟大家一起来探讨如何回答这个问题。

![bb6c0ac9330a3788da91a60bfdbb82c4.png][]

## 谈谈一致性 ##

![8f68de99b6b12326ca95bc627758a6c9.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

## 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：

![Cache-Aside读请求][Cache-Aside]

1.  读的时候，先读缓存，缓存命中的话，直接返回数据
2.  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：

![Cache-Aside写请求][Cache-Aside 1]

更新的时候，先**更新数据库，然后再删除缓存**。

### 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

![Read Through简要流程][Read Through]

1.  从缓存读取数据，读到直接返回
2.  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**，流程如下：

![Read-Through流程][Read-Through]

Read-Through实际只是在**Cache-Aside**之上进行了一层封装，它会让程序代码变得更简洁，同时也减少数据源上的负载。

Write-Through

**Write-Through**模式下，当发生写请求时，也是由**缓存抽象层**完成数据源和缓存数据的更新,流程如下： ![Write-Through流程][Write-Through]

### 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。它两又有个很大的不同：**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。

![Write behind流程][Write behind]

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，删除缓存呢，还是更新缓存？ ##

一般业务场景，我们使用的就是**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？

![Cache-Aside写入流程][Cache-Aside 2]

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：

![193eb6452333fe11b7f04b0a0af83315.png][]

1.  线程A先发起一个写操作，第一步先更新数据库
2.  线程B再发起一个写操作，第二步更新了数据库
3.  由于网络等原因，线程B先更新了缓存
4.  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了)

## 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，有些小伙伴还是有疑问，在写入请求的时候，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。 ![image.png][]

1.  线程A发起一个写操作，第一步del cache
2.  此时线程B发起一个读操作，cache miss
3.  线程B继续读DB，读出来一个老数据
4.  然后线程B把老数据设置入cache
5.  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。

### 缓存延时双删 ###

有些小伙伴可能会说，不一定要先操作数据库呀，采用**缓存延时双删**策略就好啦？什么是延时双删呢？

![image.png][image.png 1]

1.  先删除缓存
2.  再更新数据库
3.  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？

> 这个休眠时间 = 读业务逻辑数据的耗时 + 几百毫秒。 为了确保读请求结束，写请求可以删除读请求可能带来的缓存脏数据。

### 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**，如果第二步的删除缓存失败呢，删除失败会导致脏数据哦~

> 删除失败就多删除几次呀,保证删除缓存成功呀~ 所以可以引入**删除缓存重试机制**

![image.png][image.png 2]

1.  写请求更新数据库
2.  缓存因为某些原因，删除失败
3.  把删除失败的key放到消息队列
4.  消费消息队列的消息，获取要删除的key
5.  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，就是会造成好多业务代码入侵。其实，还可以通过**数据库的binlog来异步淘汰key**。

![image.png][image.png 3]

以mysql为例 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

[bb6c0ac9330a3788da91a60bfdbb82c4.png]: /images/20221005/eaef1a5a6ceb4e3aa1196ab08c1d3200.png
[8f68de99b6b12326ca95bc627758a6c9.png]: /images/20221005/32dc789c840249e4881abf28b76ca307.png
[Cache-Aside]: /images/20221005/eebc73777ea049ceb587447982d4bf7f.png
[Cache-Aside 1]: /images/20221005/317c9cff5ed8401cabb3f11ca78ed9f7.png
[Read Through]: /images/20221005/c91f80a7dfad48808cefe168f4810b9b.png
[Read-Through]: /images/20221005/017942f5c93b4f3891e68c21a2697bbe.png
[Write-Through]: /images/20221005/a02f20d690e14d97bffad754b1082fce.png
[Write behind]: /images/20221005/733e933ad6af46f79204d56ad8be6581.png
[Cache-Aside 2]: /images/20221005/cb4209df599544c49a5bccaf384f3c5b.png
[193eb6452333fe11b7f04b0a0af83315.png]: /images/20221005/be5e4f4ab541453db54a53621bb61c47.png
[image.png]: /images/20221005/5e92dcfa79ee48e780c2d6efa498b848.png
[image.png 1]: /images/20221005/6dc95d8b0b724d79879cbec582512576.png
[image.png 2]: /images/20221005/adb591df4ae54d608bdc84b14adbd4bd.png
[image.png 3]: /images/20221005/1a402094815b4c65b0d82bf14dc9df2b.png