缓存和数据库一致性问题

小鱼儿 2024-03-22 12:19 22阅读 0赞

#### 目录 ####

*  引入缓存提高性能
 *  缓存利用率和一致性问题
 *   *  先更新缓存，后更新数据库
     *  先更新数据库，后更新缓存
 *  并发引发的一致性问题
 *   *  删除缓存可以保证一致性吗？
     *   *  先删除缓存，后更新数据库
         *  先更新数据库，后删除缓存

如何保证缓存和数据库一致性，这是很经典的话题了。

本文将从最简单的场景讲起，循序渐进分析问题。

## 引入缓存提高性能 ##

在我们业务开始的初期，可能涉及到的流量会很小，这时候我们不管是进行读操作还是写操作，直接操作数据库就可以，此时你的架构模型是这样的：

![在这里插入图片描述][acb213f5338a4f4a81fd7c003c0d50a3.png]  
但是随着业务量的增长，你的程序处理数据的速度会慢下来，这时候我们通常会选择引入缓存来加快数据处理速度，提高读性能，此时架构模型是这样的：

![在这里插入图片描述][537664c260e044a0809380bf28f8c03c.png]  
当下优秀的缓存中间件，当属 Redis 莫属，它不仅性能非常高，还提供了很多友好的数据类型，可以很好地满足我们的业务需求。

但引入缓存之后，你就会面临一个问题：之前数据只存在数据库中，现在要放到缓存中读取，具体要怎么存呢？

最简单直接的方案是「**全量数据刷到缓存中**」：

*  数据库的数据，全量刷入缓存（不设置失效时间）
 *  写请求只更新数据库，不更新缓存
 *  启动一个定时任务，定时把数据库的数据，更新到缓存中

这个方案的优点是，所有读请求都可以直接「命中」缓存，不需要再查数据库，性能非常高。

但缺点也很明显，有 2 个问题：

1.  缓存利用率低：不经常访问的数据，还一直留在缓存中
2.  数据不一致：因为是「定时」刷新缓存，缓存和数据库存在不一致（取决于定时任务的执行频率）

所以，这种方案一般更适合业务「体量小」，且对数据一致性要求不高的业务场景。

那如果我们的业务体量很大，怎么解决这 2 个问题呢？

## 缓存利用率和一致性问题 ##

想要缓存利用率「最大化」，我们很容易想到的方案是，缓存中只保留最近访问的「热数据」。但具体要怎么做呢？

我们可以这样优化：

*  写请求依旧只写数据库
 *  读请求先读缓存，如果缓存不存在，则从数据库读取，并重建缓存
 *  同时，写入缓存中的数据，都设置失效时间

![在这里插入图片描述][6a502a889b00469e80f9794d4a8fb663.png]

这样一来，缓存中不经常访问的数据，随着时间的推移，都会逐渐「过期」淘汰掉，最终缓存中保留的，都是经常被访问的「热数据」，缓存利用率得以最大化。

再来看数据一致性问题。

要想保证缓存和数据库「实时」一致，那就不能再用定时任务刷新缓存了。

所以，当数据发生更新时，我们不仅要操作数据库，还要一并操作缓存。具体操作就是，修改一条数据时，不仅要更新数据库，也要连带缓存一起更新。

但数据库和缓存都更新，又存在先后问题，那对应的方案就有 2 个：

1.  先更新缓存，后更新数据库
2.  先更新数据库，后更新缓存

哪个方案更好呢？

先不考虑并发问题，正常情况下，无论谁先谁后，都可以让两者保持一致，但现在我们需要重点考虑「异常」情况。

因为操作分为两步，那么就很有可能存在「第一步成功、第二步失败」的情况发生。

这 2 种方案我们一个个来分析。

### 先更新缓存，后更新数据库 ###

如果缓存更新成功了，但数据库更新失败，那么此时缓存中是最新值，但数据库中是「旧值」。

虽然此时读请求可以命中缓存，拿到正确的值，但是，一旦缓存「失效」，就会从数据库中读取到「旧值」，重建缓存也是这个旧值。

这时用户会发现自己之前修改的数据又「变回去」了，对业务造成影响。

### 先更新数据库，后更新缓存 ###

如果数据库更新成功了，但缓存更新失败，那么此时数据库中是最新值，缓存中是「旧值」。

之后的读请求读到的都是旧数据，只有当缓存「失效」后，才能从数据库中得到正确的值。

这时用户会发现，自己刚刚修改了数据，但却看不到变更，一段时间过后，数据才变更过来，对业务也会有影响。

可见，无论谁先谁后，但凡后者发生异常，就会对业务造成影响。那怎么解决这个问题呢？

别急，后面我会详细给出对应的解决方案。

我们继续分析，除了操作失败问题，还有什么场景会影响数据一致性？

这里我们还需要重点关注：**并发问题**。

## 并发引发的一致性问题 ##

假设我们采用「先更新数据库，再更新缓存」的方案，并且两步都可以「成功执行」的前提下，如果存在并发，情况会是怎样的呢？

有线程 A 和线程 B 两个线程，需要更新「同一条」数据，会发生这样的场景：

1.  线程 A 更新数据库（X = 1）
2.  线程 B 更新数据库（X = 2）
3.  线程 B 更新缓存（X = 2）
4.  线程 A 更新缓存（X = 1）

最终 X 的值在缓存中是 1，在数据库中是 2，发生不一致。

也就是说，A 虽然先于 B 发生，但 B 操作数据库和缓存的时间，却要比 A 的时间短，执行时序发生「错乱」，最终这条数据结果是不符合预期的。

***同样地，采用「先更新缓存，再更新数据库」的方案，也会有类似问题，这里不再详述。***

除此之外，我们从「缓存利用率」的角度来评估这个方案，也是不太推荐的。

这是因为每次数据发生变更，都「无脑」更新缓存，但是缓存中的数据不一定会被「马上读取」，这就会导致缓存中可能存放了很多不常访问的数据，浪费缓存资源。

而且很多情况下，写到缓存中的值，并不是与数据库中的值一一对应的，很有可能是先查询数据库，再经过一系列「计算」得出一个值，才把这个值才写到缓存中。

由此可见，这种「更新数据库 + 更新缓存」的方案，不仅缓存利用率不高，还会造成机器性能的浪费。

所以此时我们需要考虑另外一种方案：**删除缓存**。

### 删除缓存可以保证一致性吗？ ###

删除缓存对应的方案也有 2 种：

1.  先删除缓存，后更新数据库
2.  先更新数据库，后删除缓存

经过前面的分析我们已经得知，但凡「第二步」操作失败，都会导致数据不一致。

这里我不再详述具体场景，你可以按照前面的思路推演一下，就可以看到依旧存在数据不一致的情况。

这里我们重点来看「并发」问题。

#### 先删除缓存，后更新数据库 ####

如果有 2 个线程要并发「读写」数据，可能会发生以下场景：

1.  线程 A 要更新 X = 2（原值 X = 1）
2.  线程 A 先删除缓存
3.  线程 B 读缓存，发现不存在，从数据库中读取到旧值（X = 1）
4.  线程 A 将新值写入数据库（X = 2）
5.  线程 B 将旧值写入缓存（X = 1）

最终 X 的值在缓存中是 1（旧值），在数据库中是 2（新值），发生不一致。

可见，先删除缓存，后更新数据库，当发生「读+写」并发时，还是存在数据不一致的情况。

#### 先更新数据库，后删除缓存 ####

依旧是 2 个线程并发「读写」数据：

1.  缓存中 X 不存在（数据库 X = 1）
2.  线程 A 读取数据库，得到旧值（X = 1）
3.  线程 B 更新数据库（X = 2)
4.  线程 B 删除缓存
5.  线程 A 将旧值写入缓存（X = 1）

最终 X 的值在缓存中是 1（旧值），在数据库中是 2（新值），也发生不一致。

这种情况「理论」来说是可能发生的，但实际真的有可能发生吗？

其实概率「很低」，这是因为它必须满足 3 个条件：

1.  缓存刚好已失效
2.  读请求 + 写请求并发
3.  更新数据库 + 删除缓存的时间（步骤 3-4），要比读数据库 + 写缓存时间短（步骤 2 和 5）

仔细想一下，条件 3 发生的概率其实是非常低的。

因为写数据库一般会先「加锁」，所以写数据库，通常是要比读数据库的时间更长的。

***这么来看，「先更新数据库 + 再删除缓存」的方案，是可以保证数据一致性的。***

所以，我们应该采用这种方案，来操作数据库和缓存。

还有更深入的其他的解决方案，碍于文本限制下期再进行详细讲解！

[acb213f5338a4f4a81fd7c003c0d50a3.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/ec5e5529599041508ef0b87cf9ad0dac.png
[537664c260e044a0809380bf28f8c03c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/516ae3845cc54c6aaca28a79bdc71762.png
[6a502a889b00469e80f9794d4a8fb663.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/22/d386e4d023724ebbbe818460245db540.png