解决Mysql和redis缓存不一致问题

浅浅的花香味﹌ 2023-09-28 18:58 3阅读 0赞

![d17461b400dc4c03a65bcf2f00468e7a.png][]

**目录**

一.问题描述

二.解决方案

1.给缓存数据设置过期时间

2.缓存延时双删

3.删除缓存重试机制

4.读取biglog异步删除缓存

三.总结

## 一.问题描述 ##

[redis][]、mysql双写缓存不一致：

![7b86439590ba46c4ba96b32fd1818ceb.png][]

在更新缓存方面，对于更新完数据库，是更新缓存呢，还是删除缓存。又或者是先删除缓存，再更新数据库，其实大家存在很大的争议。于是博主战战兢兢，写了这篇文章。

![285c775463d5ef4b5367cd64aac105a7.gif][]

## 二.解决方案 ##

### 1.给缓存数据设置过期时间 ###

先做一个说明，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。这种方案下，我们可以对存入缓存的数据设置过期时间，所有的写操作以数据库为准，对缓存操作只是尽最大努力即可。也就是说如果数据库写成功，缓存更新失败，那么只要到达过期时间，则后面的读请求自然会从数据库中读取新值然后回填缓存。因此，接下来讨论的思路不依赖于给缓存设置过期时间这个方案。

在这里，我们先讨论三种更新策略：

1.  先更新数据库，再更新缓存
2.  先删除缓存，再更新数据库
3.  先更新数据库，再删除缓存

> 先更新数据库，再更新缓存

这套方案，大家普遍反对。为什么呢？有如下两点：

*  原因一（线程安全角度）

（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）

（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。

> 先删除缓存，再更新数据库

该方案会导致不一致原因是。同时一个请求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。

那么，如何解决呢？采用延时双删策略

![285c775463d5ef4b5367cd64aac105a7.gif][]

### 2.缓存延时双删 ###

public class CacheServiceImpl implements ICacheService {
    
        @Resource
        private RedisOperator redisOperator;
        
        @Autowired
        private IShopService shopService;
    
        //1. 采用延时双删，解决数据库和缓存的一致性
        @Override
        public void updateHotCount(String id) {
            try {
                //删除缓存
                redisOperator.del("redis_key_" + id);
                //更新数据库
                shopService.updataHotShop();
                Thread.sleep(1000);//休眠1秒
                //延时删除
                redisOperator.del("redis_key_" + id);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
    
        }
    
        @Override
        public Integer getHotCount(String id) {
            return null;
        }
    }

解释：

1.  先淘汰缓存
2.  再写数据库
3.  休眠1秒，再淘汰缓存（这么做，可以将1秒内所造成的缓存脏数据，再次删除。）

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。

如果数据库采用了读写分离架构，这么办？（主库负责写操作，从库负责读操作）

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，请求A把数据写入主库，还没开始同步从库

（2）（1s内）请求B查询缓存，没有发现缓存，请求B去从库查询，这时还没有完成主从同步，查到是旧值，并且把旧值写入缓存。

（3）主库完成主从同步，从库变为新值

上述流程，就是数据不一致问题，还使用双删延时策略。只是，睡眠时间修改为在主从同步的延时时间基础之上，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。

第二次删除,如果删除失败怎么办？

这是个非常好的问题，因为第二次删除失败，就会出现如下情形。还是有两个请求，一个请求A进行更新操作，另一个请求B进行查询操作，为了方便，假设是单库：

（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  
（6）请求A试图去删除请求B写入对缓存值，结果失败了。

ok,这也就是说。如果第二次删除缓存失败，会再次出现缓存和数据库不一致的问题。

如何解决呢？

具体解决方案，且看博主对第先更新数据库，再删缓存种更新策略的解析。

![a385f6529551f656f5adc05be5a06b03.gif][]

### 3.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，都可能会存在第二步的删除缓存失败，导致的数据不一致问题。可以使用这个方案优化：删除失败就多删除几次呀,保证删除缓存成功就可以了呀~ 所以可以引入删除缓存重试机制

1.  （1）更新数据库数据；  
    （2）缓存因为种种问题删除失败  
    （3）将需要删除的key发送至消息队列  
    （4）自己消费消息，获得需要删除的key  
    （5）继续重试删除操作，直到成功

然而，该方案有一个缺点，对业务线代码造成大量的侵入。于是有了方案二，在方案二中，启动一个订阅程序去订阅数据库的binlog，获得需要操作的数据。在应用程序中，另起一段程序，获得这个订阅程序传来的信息，进行删除缓存操作。

![a385f6529551f656f5adc05be5a06b03.gif][]

### 4.读取biglog异步删除缓存 ###

![da175ae870374097a5b39e1a0e96b8f6.png][]

流程如下图所示：

（1）更新数据库数据  
（2）数据库会将操作信息写入binlog日志当中  
（3）订阅程序提取出所需要的数据以及key  
（4）另起一段非业务代码，获得该信息  
（5）尝试删除缓存操作，发现删除失败  
（6）将这些信息发送至消息队列  
（7）重新从消息队列中获得该数据，重试操作。

备注说明：上述的订阅binlog程序在mysql中有现成的中间件\*\*叫canal，\*\*可以完成订阅binlog日志的功能。至于oracle中，博主目前不知道有没有现成中间件可以使用。另外，重试机制，博主是采用的是消息队列的方式。如果对一致性要求不是很高，直接在程序中另起一个线程，每隔一段时间去重试即可，这些大家可以灵活自由发挥，只是提供一个思路。

## 三.总结 ##

本文其实是对目前互联网中已有的一致性方案，进行了一个总结。对于先删缓存，再更新数据库的更新策略，还有方案提出维护一个内存队列的方式，博主看了一下，觉得实现异常复杂，没有必要，因此没有必要在文中给出。最后，希望大家有所收获。

[d17461b400dc4c03a65bcf2f00468e7a.png]: https://img-blog.csdnimg.cn/d17461b400dc4c03a65bcf2f00468e7a.png
[redis]: https://www.nowcoder.com/jump/super-jump/word?word=redis
[7b86439590ba46c4ba96b32fd1818ceb.png]: https://img-blog.csdnimg.cn/7b86439590ba46c4ba96b32fd1818ceb.png
[285c775463d5ef4b5367cd64aac105a7.gif]: https://img-blog.csdnimg.cn/img_convert/285c775463d5ef4b5367cd64aac105a7.gif
[a385f6529551f656f5adc05be5a06b03.gif]: https://img-blog.csdnimg.cn/img_convert/a385f6529551f656f5adc05be5a06b03.gif
[da175ae870374097a5b39e1a0e96b8f6.png]: https://img-blog.csdnimg.cn/da175ae870374097a5b39e1a0e96b8f6.png