如何保障 MySQL 和 Redis 的数据一致性？

心已赠人 2023-10-07 22:49 38阅读 0赞

我直接先抛一下结论：在满足实时性的条件下，不存在两者完全保存一致的方案，只有最终一致性方案。 根据网上的众多解决方案，总结出 6 种，直接上图：

![在这里插入图片描述][3cfed8cd711749db9c13029fe7604633.png]

### 不好的方案 ###

**1. 先写 MySQL，再写 Redis**  
![在这里插入图片描述][349584c3f8604c3c8fd5941d24587573.png]

> 图解说明：
> 
> 1.  这是一副时序图，描述请求的先后调用顺序；
> 2.  橘黄色的线是请求 A，黑色的线是请求 B；
> 3.  橘黄色的文字，是 MySQL 和Redis 最终不一致的数据；
> 4.  数据是从 10 更新为 11；
> 5.  后面所有的图，都是这个含义，不再赘述。

请求 A、B 都是先写MySQL，然后再写 Redis，在高并发情况下，如果请求 A 在写 Redis 时卡了一会，请求 B 已经依次完成数据的更新，就会出现图中的问题。

这个图已经画的很清晰了，我就不用再去啰嗦了吧，不过这里有个前提，就是对于读请求，先去读 Redis，如果没有，再去读 DB，但是读请求不会再回写 Redis。 大白话说一下，就是读请求不会更新 Redis。

**2. 先写 Redis，再写 MySQL**  
![在这里插入图片描述][5b60485640504082bc34e200fbe195bf.png]

同“先写 MySQL，再写 Redis”，看图可秒懂。

**3. 先删除 Redis，再写 MySQL**

这幅图和上面有些不一样，前面的请求 A 和 B 都是更新请求，这里的请求 A 是更新请求，但是请求 B 是读请求，且请求 B 的读请求会回写 Redis。

![在这里插入图片描述][85442975092f4e18b921f489b17198ef.png]

请求 A 先删除缓存，可能因为卡顿，数据一直没有更新到 MySQL，导致两者数据不一致。

这种情况出现的概率比较大，因为请求 A 更新 MySQL 可能耗时会比较长，而请求 B 的前两步都是查询，会非常快。

### 好的方案 ###

**4. 先删除 Redis，再写 MySQL，再删除 Redis**

对于“先删除 Redis，再写 MySQL”，如果要解决最后的不一致问题，其实再对 Redis 重新删除即可，这个也是大家常说的“缓存双删”。

![图片][52a397954fc24bc6afe82f5c34f6e032.png]

为了便于大家看图，对于蓝色的文字，“删除缓存 10”必须在“回写缓存10”后面，那如何才能保证一定是在后面呢？网上给出的第一个方案是，让请求 A 的最后一次删除，等待 500ms。

对于这种方案，看看就行，反正我是不会用，太 Low 了，风险也不可控。

那有没有更好的方案呢，我建议异步串行化删除，即删除请求入队列

![在这里插入图片描述][58f0d8e88489480db17ba1d7593e73fb.png]

异步删除对线上业务无影响，串行化处理保障并发情况下正确删除。

如果双删失败怎么办，网上有给 Redis 加一个缓存过期时间的方案，这个不敢苟同。个人建议整个重试机制，可以借助消息队列的重试机制，也可以自己整个表，记录重试次数，方法很多。

> 简单小结一下：
> 
> 1.  “缓存双删”不要用无脑的 sleep 500 ms；
> 2.  通过消息队列的异步&串行，实现最后一次缓存删除；
> 3.  缓存删除失败，增加重试机制。

**5. 先写 MySQL，再删除 Redis**  
![在这里插入图片描述][d1d60c9943494cb18a90d347c697d2e7.png]

对于上面这种情况，对于第一次查询，请求 B 查询的数据是 10，但是 MySQL 的数据是 11，只存在这一次不一致的情况，对于不是强一致性要求的业务，可以容忍。（那什么情况下不能容忍呢，比如秒杀业务、库存服务等。）

当请求 B 进行第二次查询时，因为没有命中 Redis，会重新查一次 DB，然后再回写到 Reids。

![在这里插入图片描述][17c1665c337c469c9bc286a03a0e0d33.png]

这里需要满足 2 个条件：

> 1.  缓存刚好自动失效；
> 2.  请求 B 从数据库查出 10，回写缓存的耗时，比请求 A 写数据库，并且删除缓存的还长。

对于第二个条件，我们都知道更新 DB 肯定比查询耗时要长，所以出现这个情况的概率很小，同时满足上述条件的情况更小。

**6. 先写 MySQL，通过 Binlog，异步更新 Redis**

这种方案，主要是监听 MySQL 的 Binlog，然后通过异步的方式，将数据更新到 Redis，这种方案有个前提，查询的请求，不会回写 Redis。

![在这里插入图片描述][5775c8c08233414aaa6eaceb282c4892.png]

这个方案，会保证 MySQL 和 Redis 的最终一致性，但是如果中途请求 B 需要查询数据，如果缓存无数据，就直接查 DB；如果缓存有数据，查询的数据也会存在不一致的情况。

所以这个方案，**是实现最终一致性的终极解决方案，但是不能保证实时性。**

### 几种方案比较 ###

我们对比上面讨论的 6 种方案：

**1. 先写 Redis，再写 MySQL**

> 1.  这种方案，我肯定不会用，万一 DB 挂了，你把数据写到缓存，DB 无数据，这个是灾难性的；
> 2.  我之前也见同学这么用过，如果写 DB 失败，对 Redis 进行逆操作，那如果逆操作失败呢，是不是还要搞个重试？

**2. 先写 MySQL，再写 Redis**

> 1.  对于并发量、一致性要求不高的项目，很多就是这么用的，我之前也经常这么搞，但是不建议这么做；
> 2.  当 Redis 瞬间不可用的情况，需要报警出来，然后线下处理。

**3. 先删除 Redis，再写 MySQL**

> 1.  这种方式，我还真没用过，直接忽略吧。

**4. 先删除 Redis，再写 MySQL，再删除 Redis**

> 1.  这种方式虽然可行，但是感觉好复杂，还要搞个消息队列去异步删除 Redis。

**5. 先写 MySQL，再删除 Redis**

> 1.  比较推荐这种方式，删除 Redis 如果失败，可以再多重试几次，否则报警出来；
> 2.  这个方案，是实时性中最好的方案，在一些高并发场景中，推荐这种。

**6. 先写 MySQL，通过 Binlog，异步更新 Redis**

> 1.  对于异地容灾、数据汇总等，建议会用这种方式，比如 binlog + kafka，数据的一致性也可以达到秒级；
> 2.  纯粹的高并发场景，不建议用这种方案，比如抢购、秒杀等。

### 个人结论 ###

> 1.  实时一致性方案：采用“**先写 MySQL，再删除 Redis**”的策略，这种情况虽然也会存在两者不一致，但是需要满足的条件有点苛刻，所以是满足实时性条件下，能尽量满足一致性的最优解。
> 2.  最终一致性方案：采用“**先写 MySQL，通过 Binlog，异步更新 Redis**”，可以通过 Binlog，结合消息队列异步更新 Redis，是最终一致性的最优解。

[3cfed8cd711749db9c13029fe7604633.png]: https://img-blog.csdnimg.cn/3cfed8cd711749db9c13029fe7604633.png
[349584c3f8604c3c8fd5941d24587573.png]: https://img-blog.csdnimg.cn/349584c3f8604c3c8fd5941d24587573.png
[5b60485640504082bc34e200fbe195bf.png]: https://img-blog.csdnimg.cn/5b60485640504082bc34e200fbe195bf.png
[85442975092f4e18b921f489b17198ef.png]: https://img-blog.csdnimg.cn/85442975092f4e18b921f489b17198ef.png
[52a397954fc24bc6afe82f5c34f6e032.png]: https://img-blog.csdnimg.cn/52a397954fc24bc6afe82f5c34f6e032.png
[58f0d8e88489480db17ba1d7593e73fb.png]: https://img-blog.csdnimg.cn/58f0d8e88489480db17ba1d7593e73fb.png
[d1d60c9943494cb18a90d347c697d2e7.png]: https://img-blog.csdnimg.cn/d1d60c9943494cb18a90d347c697d2e7.png
[17c1665c337c469c9bc286a03a0e0d33.png]: https://img-blog.csdnimg.cn/17c1665c337c469c9bc286a03a0e0d33.png
[5775c8c08233414aaa6eaceb282c4892.png]: https://img-blog.csdnimg.cn/5775c8c08233414aaa6eaceb282c4892.png