Redis 与 MySQL 双写一致性如何保证？

超、凢脫俗 2022-09-16 15:14 164阅读 0赞

其他阅读: [如何保证MySQL和Redis的数据一致性？10张图带你搞定！][MySQL_Redis_10] 这篇文章写得也不错，比本篇详细一些，但是可读性不如本篇

## 前言    ##

四月份的时候，有位好朋友去美团面试。他说，被问到Redis与MySQL双写一致性如何保证？这道题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。

![图片][06adb1af94e5549b9f764123afe4ac5f.png]

## 谈谈一致性 ##

![图片][0114782577477a4e924368774e416de1.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？有三种经典的缓存使用模式：

*  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：

![图片][2448bc86d5cd4ad71d7c9fdfb87d2b9e.png]

Cache-Aside读请求

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：

![图片][84658600d3c53a815110fc025987c726.png]

Cache-Aside写请求

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

![图片][6156c8612891f96d70a3974578a468f8.png]

Read-Through简要流程

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**而已，流程如下：

![图片][248df8d8cf82c3cb9fe82aa1d378560a.png]

Read-Through流程

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：

![图片][27617e03937ba6e112f371e701b72b2c.png]

### 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。它们又有个很大的不同：**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。

![图片][071df696f466eaec62fce2124641acdb.png]

Write behind流程

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，到底是删除缓存呢，还是更新缓存？ ##

日常开发中，我们一般使用的就是**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？

![图片][ab61dfc8f9aeea98600f822ea6667a8d.png]

Cache-Aside写入流程

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：

![图片][5822f84bbc9904c7f55b1b5524792d11.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的,哈哈)

## 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，有些小伙伴还是会有疑问，在写请求过来的时候，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。

![图片][9e9e54b1451ad4fa18ebc7695b2e7844.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。

*  个别小伙伴可能会问，先操作数据库再操作缓存，不一样也会导致数据不一致嘛？它俩又不是原子性操作的。这个是**会的**，但是这种方式，一般因为删除缓存失败等原因，才会导致脏数据，这个概率就很低。小伙伴们可以画下操作流程图，自己先分析下哈。接下来我们再来分析这种**删除缓存失败**的情况，**如何保证一致性**。

## 数据库和缓存数据保持强一致，可以嘛？ ##

实际上，没办法做到数据库与缓存**绝对的一致性**。

*  加锁可以嘛？并发写期间加锁，任何读操作不写入缓存？
 *  缓存及数据库封装CAS乐观锁，更新缓存时通过lua脚本？
 *  分布式事务，3PC？TCC？

其实，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，它属于CAP中的AP。**个人觉得，追求绝对一致性的业务场景，不适合引入缓存**。

CAP理论，指的是在一个分布式系统中， Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可得兼。

”

但是，通过一些方案优化处理，是可以**保证弱一致性，最终一致性**的。

## 3种方案保证数据库与缓存的一致性 ##

### 缓存延时双删 ###

有些小伙伴可能会说，并不一定要先操作数据库呀，采用**缓存延时双删**策略，就可以保证数据的一致性啦。什么是延时双删呢？

![图片][4273535059bf3e82101669d77bde93e6.png]

延时双删流程

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。

”

这种方案还算可以，只有休眠那一会（比如就那1秒），可能有脏数据，一般业务也会接受的。但是如果**第二次删除缓存失败**呢？缓存和数据库的数据还是可能不一致，对吧？给Key设置一个自然的expire过期时间，让它自动过期怎样？那业务要接受**过期时间**内，数据的不一致咯？还是有其他更佳方案呢？

### 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**

![图片][18a1fc6486b9a9db81c9d526532438a3.png]

删除缓存重试流程

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吧，就是会造成好多**业务代码入侵**。其实，还可以这样优化：通过数据库的**binlog来异步淘汰key**。

![图片][dfbcd20d018b190bcf26b597ec81de9f.png]

以mysql为例吧

*  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

[MySQL_Redis_10]: https://mp.weixin.qq.com/s?__biz=MzAwMDU1MTE1OQ==&mid=2653557285&idx=1&sn=6eedd04eac05b1e531b8096ccd6e7cf9&chksm=813983bdb64e0aabf8bbcbb8e991b9045f7c675752debf966d53017ec4a0e495310dcc4cd4ac&mpshare=1&srcid=1016Yl8anhxtWuKI8SKLYEDr&sharer_sharetime=1634364868193&sharer_shareid=2bf0d8899ef3c7501d20b3a21b816303&from=singlemessage&scene=1&subscene=10000&clicktime=1634779662&enterid=1634779662&ascene=1&devicetype=android-30&version=28000f39&nettype=ctnet&abtest_cookie=AAACAA%3D%3D&lang=zh_CN&exportkey=AaOaGL1BPofOCZG%2F%2BV0VCBM%3D&pass_ticket=WXDx5OHa%2BYvJJHI4xgzF39p1DeTynkPBL8GPqqTd%2Brnn0A%2BhtLS9JGW8Hv7IowSZ&wx_header=1
[06adb1af94e5549b9f764123afe4ac5f.png]: /images/20220828/efc6b97d177b4e46ab9fc65abe2d425c.png
[0114782577477a4e924368774e416de1.png]: /images/20220828/ef8f943c723f4664a04f6637413ab637.png
[2448bc86d5cd4ad71d7c9fdfb87d2b9e.png]: /images/20220828/4550e2c60e9e46a09219f36d4d05760e.png
[84658600d3c53a815110fc025987c726.png]: /images/20220828/4931b3526fa149998b2d3b857b0d9b09.png
[6156c8612891f96d70a3974578a468f8.png]: /images/20220828/6a4512a9620b4d03aed0b240e1c28850.png
[248df8d8cf82c3cb9fe82aa1d378560a.png]: /images/20220828/2c75b02102234a39adf76b4d8bf9a009.png
[27617e03937ba6e112f371e701b72b2c.png]: /images/20220828/79974a4b0c824723839a1f9d3fa5a587.png
[071df696f466eaec62fce2124641acdb.png]: /images/20220828/6de5d51fc1b64a4385c752d965f3e09d.png
[ab61dfc8f9aeea98600f822ea6667a8d.png]: /images/20220828/0666a695b8ce4fa084a5beccb5e4e9e2.png
[5822f84bbc9904c7f55b1b5524792d11.png]: /images/20220828/5a0c2c8237ef4fdcbb26f3bf8b22e884.png
[9e9e54b1451ad4fa18ebc7695b2e7844.png]: /images/20220828/f98720525392481996f063c9da61bb4c.png
[4273535059bf3e82101669d77bde93e6.png]: /images/20220828/b3234502056f4d3d874911e21e94a206.png
[18a1fc6486b9a9db81c9d526532438a3.png]: /images/20220828/ce5d55e618564bfcac678484b34de380.png
[dfbcd20d018b190bcf26b597ec81de9f.png]: /images/20220828/56b3289187ee479b9994e7f076448b20.png