'Redis與Mysql雙寫一致性方案解析'

一 前言

首先，緩存由於其高併發和高性能的特性，已經在項目中被廣泛使用。在讀取緩存方面，大家沒啥疑問，都是按照下圖的流程來進行業務操作

但是在更新緩存方面，對於更新完數據庫，是更新緩存呢，還是刪除緩存。又或者是先刪除緩存，再更新數據庫，其實大家存在很大的爭議

本文由以下三個部分組成 1、講解緩存更新策略 2、對每種策略進行缺點分析 3、針對缺點給出改進方案

二 一致性方案

先做一個說明，從理論上來說，給緩存設置過期時間，是保證最終一致性的解決方案。這種方案下，我們可以對存入緩存的數據設置過期時間，所有的寫操作以數據庫為準，對緩存操作只是盡最大努力即可。也就是說如果數據庫寫成功，緩存更新失敗，那麼只要到達過期時間，則後面的讀請求自然會從數據庫中讀取新值然後回填緩存。因此，接下來討論的思路不依賴於給緩存設置過期時間這個方案。 在這裡，我們討論三種更新策略：

• 1. 先更新數據庫，再更新緩存
• 2. 先刪除緩存，再更新數據庫
• 3. 先更新數據庫，再刪除緩存

三 先更新數據庫，再更新緩存

這套方案，大家是普遍反對的。為什麼呢？有如下兩點原因。

原因一（線程安全角度） 同時有請求A和請求B進行更新操作，那麼會出現

• （1）線程A更新了數據庫
• （2）線程B更新了數據庫
• （3）線程B更新了緩存
• （4）線程A更新了緩存

這就出現請求A更新緩存應該比請求B更新緩存早才對，但是因為網絡等原因，B卻比A更早更新了緩存。這就導致了髒數據，因此不考慮。

原因二（業務場景角度） 有如下兩點：

• （1）如果你是一個寫數據庫場景比較多，而讀數據場景比較少的業務需求，採用這種方案就會導致，數據壓根還沒讀到，緩存就被頻繁的更新，浪費性能。
• （2）如果你寫入數據庫的值，並不是直接寫入緩存的，而是要經過一系列複雜的計算再寫入緩存。那麼，每次寫入數據庫後，都再次計算寫入緩存的值，無疑是浪費性能的。顯然，刪除緩存更為適合。

接下來討論的就是爭議最大的，先刪緩存，再更新數據庫。還是先更新數據庫，再刪緩存的問題。

四 先刪緩存，再更新數據庫

該方案會導致不一致的原因是。同時有一個請求A進行更新操作，另一個請求B進行查詢操作。那麼會出現如下情形:

• （1）請求A進行寫操作，刪除緩存
• （2）請求B查詢發現緩存不存在
• （3）請求B去數據庫查詢得到舊值
• （4）請求B將舊值寫入緩存
• （5）請求A將新值寫入數據庫 上述情況就會導致不一致的情形出現。而且，如果不採用給緩存設置過期時間策略，該數據永遠都是髒數據。

那麼，如何解決呢？採用延時雙刪策略 偽代碼如下

public void write(String key,Object data){
 redis.delKey(key);
 db.updateData(data);
 Thread.sleep(1000);
 redis.delKey(key);
 }

轉化為中文描述就是

• （1）先淘汰緩存
• （2）再寫數據庫（這兩步和原來一樣）
• （3）休眠1秒，再次淘汰緩存 這麼做，可以將1秒內所造成的緩存髒數據，再次刪除。

那麼，這個1秒怎麼確定的，具體該休眠多久呢？

針對上面的情形，讀者應該自行評估自己的項目的讀數據業務邏輯的耗時。然後寫數據的休眠時間則在讀數據業務邏輯的耗時基礎上，加幾百ms即可。這麼做的目的，就是確保讀請求結束，寫請求可以刪除讀請求造成的緩存髒數據。

如果你用了mysql的讀寫分離架構怎麼辦？

ok，在這種情況下，造成數據不一致的原因如下，還是兩個請求，一個請求A進行更新操作，另一個請求B進行查詢操作。

• （1）請求A進行寫操作，刪除緩存
• （2）請求A將數據寫入數據庫了，
• （3）請求B查詢緩存發現，緩存沒有值
• （4）請求B去從庫查詢，這時，還沒有完成主從同步，因此查詢到的是舊值
• （5）請求B將舊值寫入緩存
• （6）數據庫完成主從同步，從庫變為新值 上述情形，就是數據不一致的原因。還是使用雙刪延時策略。只是，睡眠時間修改為在主從同步的延時時間基礎上，加幾百ms。

採用這種同步淘汰策略，吞吐量降低怎麼辦？

ok，那就將第二次刪除作為異步的。自己起一個線程，異步刪除。這樣，寫的請求就不用沉睡一段時間後了，再返回。這麼做，加大吞吐量。

第二次刪除,如果刪除失敗怎麼辦？

這是個非常好的問題，因為第二次刪除失敗，就會出現如下情形。還是有兩個請求，一個請求A進行更新操作，另一個請求B進行查詢操作，為了方便，假設是單庫：

• （1）請求A進行寫操作，刪除緩存
• （2）請求B查詢發現緩存不存在
• （3）請求B去數據庫查詢得到舊值
• （4）請求B將舊值寫入緩存
• （5）請求A將新值寫入數據庫
• （6）請求A試圖去刪除請求B寫入對緩存值，結果失敗了。 ok,這也就是說。如果第二次刪除緩存失敗，會再次出現緩存和數據庫不一致的問題。 如何解決呢？ 具體解決方案，且看博主對第(3)種更新策略的解析。

五 先更新數據庫，再刪緩存

首先，先說一下。老外提出了一個緩存更新套路，名為《Cache-Aside pattern》。其中就指出

1. 失效：應用程序先從cache取數據，沒有得到，則從數據庫中取數據，成功後，放到緩存中。
2. 命中：應用程序從cache中取數據，取到後返回。
3. 更新：先把數據存到數據庫中，成功後，再讓緩存失效。

另外，知名社交網站facebook也在論文《Scaling Memcache at Facebook》中提出，他們用的也是先更新數據庫，再刪緩存的策略。

這種情況不存在併發問題麼？

不是的。假設這會有兩個請求，一個請求A做查詢操作，一個請求B做更新操作，那麼會有如下情形產生

（1）緩存剛好失效

（2）請求A查詢數據庫，得一箇舊值

（3）請求B將新值寫入數據庫

（4）請求B刪除緩存

（5）請求A將查到的舊值寫入緩存 ok，如果發生上述情況，確實是會發生髒數據。

然而，發生這種情況的概率又有多少呢？

發生上述情況有一個先天性條件，就是步驟（3）的寫數據庫操作比步驟（2）的讀數據庫操作耗時更短，才有可能使得步驟（4）先於步驟（5）。

可是，大家想想，數據庫的讀操作的速度遠快於寫操作的（不然做讀寫分離幹嘛，做讀寫分離的意義就是因為讀操作比較快，耗資源少），因此步驟（3）耗時比步驟（2）更短，這一情形很難出現。 假設，有人非要抬槓，有強迫症，一定要解決怎麼辦？

如何解決上述併發問題？

首先，給緩存設有效時間是一種方案。其次，採用策略（2）裡給出的異步延時刪除策略，保證讀請求完成以後，再進行刪除操作。

還有其他造成不一致的原因麼？

有的，這也是緩存更新策略（2）和緩存更新策略（3）都存在的一個問題，如果刪緩存失敗了怎麼辦，那不是會有不一致的情況出現麼。比如一個寫數據請求，然後寫入數據庫了，刪緩存失敗了，這會就出現不一致的情況了。這也是緩存更新策略（2）裡留下的最後一個疑問。

如何解決？ 提供一個保障的重試機制即可，這裡給出兩套方案。

方案一： 如下圖所示

流程如下所示

• （1）更新數據庫數據；
• （2）緩存因為種種問題刪除失敗
• （3）將需要刪除的key發送至消息隊列
• （4）自己消費消息，獲得需要刪除的key
• （5）繼續重試刪除操作，直到成功 然而，該方案有一個缺點，對業務線代碼造成大量的侵入。於是有了方案二，在方案二中，啟動一個訂閱程序去訂閱數據庫的binlog，獲得需要操作的數據。在應用程序中，另起一段程序，獲得這個訂閱程序傳來的信息，進行刪除緩存操作。

方案二：

流程如下圖所示：

• （1）更新數據庫數據
• （2）數據庫會將操作信息寫入binlog日誌當中
• （3）訂閱程序提取出所需要的數據以及key
• （4）另起一段非業務代碼，獲得該信息
• （5）嘗試刪除緩存操作，發現刪除失敗
• （6）將這些信息發送至消息隊列
• （7）重新從消息隊列中獲得該數據，重試操作。

備註說明：上述的訂閱binlog程序在mysql中有現成的中間件叫canal，可以完成訂閱binlog日誌的功能。至於oracle中，小編目前不知道有沒有現成中間件可以使用。另外，重試機制，小編是採用的是消息隊列的方式。如果對一致性要求不是很高，直接在程序中另起一個線程，每隔一段時間去重試即可，這些大家可以靈活自由發揮，只是提供一個思路。