数据库跟缓存的双写一致性

共 1994字,需浏览 4分钟

 ·

2021-05-29 07:58

1 关于一致性

为加速系统性能一般都会引入缓存机制,比如 Redis。这种情况下当用户数据时一般会按照如下流程:

读流程


关于读的流程大家是没有异议的,但是对于数据的更新呢,如何操作才算合理呢?


  1. 先更新数据库再更新缓存。
  2. 先删缓存再更新数据库。
  3. 先更新数据库再删缓存。

 

2 一致性解决方法

2.1 缓存TTL

简单直接又暴力的方法,如果有些数据不重要,我们读完一次数据到缓存后设置个TTL即可,等待超时后缓存自动从数据库读取下数据。

2.2  先更新数据库 再更新缓存

假如我们有A、B两个请求,A请求将age = 14,B请求将age = 12。我们看下正常执行跟非正常执行情况:
缓存旧数据

可发现如果出现网络震荡会导致缓存的数据是旧数据。因此这种方法不可取。并且如果是如下场景也不合适:

  1. 写场景多而读场景少的业务需求,此时缓存不是经常性的读,却被频繁的更新。
  2. 如果缓存的数据是经过各种复杂计算后写入的,那每次写入缓存都要运算一次,此法不可取。

2.3 先删缓存 再更新数据库

假如A先请求更改数据,B请求读数据,如果因为网络导致发生如下情况也会造成缓存脏数据,如果此时缓存没有设置TTL那会一直是脏数据。
缓存脏数据

上面这种情况如何解决呢?一般可以采用延时双删策略,他的核心执行流程如下:

public  void write(String key,Object value){
    redis.delKey(key);
    db.updateValue(value);
    Thread.sleep(1000); // 再次删除
    redis.delKey(key);
}

该思路落实到流程图上如下所示:
延时双删策略

sleep的时间要根据业务数据逻辑耗时而定,反正目的是确保读请求结束,写请求可以删除读请求造成的缓存脏数据
当然如果用的是主从写读架构,那处理思路跟上面类似,无非就是休眠时间再加上主从同步的时间即可。
主从模式二次删除

可是其实第二次删除还是有不妥的地方:

  1. 二次删除前面涉及到休眠,可能导致系统性能降低,可以采用异步的方式,再起一个线程来进行异步删除。
  2. 如果二次删除失败了,还是会导致缓存脏数据存在的啊!

2.4 先更新数据库 再删缓存

针对缓存更新问题,老外提出了一个名为《Cache-Aside pattern》的缓存更新套路,该策略在Facebook中也广泛使用,该策略指出:
  1. 失效:应用程序先从缓存取数据,没有得到,则从数据库中取数据,成功后,放到缓存中。
  2. 命中:应用程序从缓存中取数据,取到后返回。
  3. 更新:先把数据存到数据库中,成功后,再让缓存失效。
假如此时A、B两个线程同时请求,正常来讲不管你是读写分离还是单机版,读一般比写快。那删除缓存一般是有效的。
先更新数据库再删除缓存

但是也有可能别的原因导致读比写还慢,导致我们删了个寂寞,虽然这种情况很少发生。
读比写还慢时

该方案相比先删除缓存再更新数据库还是稳妥些的,但是也不是万无一失的。不管是先删缓存再更新数据库还是先更新数据库再删缓存,如果删除缓存失败了都会导致缓存跟数据不一致问题

2.5 消息队列 确保消息删除

通过消息队列的确认消费机制来删除缓存。
消息队列机制确保删除

缺点也很明显:
  1. 对业务线代码造成大量的侵入,引入了中间件。
  2. 消息的延迟删除也会造成短暂的不一致。

2.6 专门程序+消息队列 确保消息删除

该方案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。
专门程序删除缓存

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。

 

3 总结

分析后你会发现数据更新时缓存是删除不是更新,而删除缓存一般有三种方法:
  1. 如果缓存数据不敏感,直接给缓存设置TTL即可。
  2. 先删缓存再更新数据库,此时需配合延时双删技术,但可能导致二次删除失败。
  3. 先更新数据库再删缓存,此时需配合binlog消费 + 消息队列来实现。


4 参考

  1. Java后端:http://rjzheng.cnblogs.com
  2. 艾小仙分布式锁:https://t.1yb.co/jaaA


有道无术,术可成;有术无道,止于术

欢迎大家关注Java之道公众号


好文章,我在看❤️

浏览 27
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报