Redis：缓存一致性问题（缓存更新策略）

系统管理员 2024-03-26 12:32 34阅读 0赞

#### Redis缓存的一致性 ####

*  1. 缓存
 *   *  1.1 缓存的作用：
     *  1.2 缓存的成本：
 *  2. 缓存模型
 *  3. 缓存一致性问题
 *   *  3.1 引入
     *  3.2 解决
     *   *  (1) 主动更新：先更新数据库，再手动删除缓存
         *  (2) 使用事务保证原子性
         *  (3) 以Redis中的有效时间TTL为兜底
 *  4. 案例：商铺信息查询和更新
 *   *  4.1 更新商铺信息（事务、主动删除）
     *  4.2 查询商铺信息（TTL兜底）

## 1. 缓存 ##

### 1.1 缓存的作用： ###

1.  **降低后端负载**，当请求进入Tomcat后，不用查数据库（需要查询磁盘比较慢）；  
    而使用缓存，请求从缓存中查到数据后直接返回前端，不用查数据库；
2.  **提高读写效率**，降低响应时间，Redis的读写在微妙级别，比读写数据库（磁盘）快很多

### 1.2 缓存的成本： ###

1.  **数据的一致性问题**：当数据库数据变化，那么缓存中数据就不是最新的了，这是数据就不一致了；
2.  **增加代码维护成本**：为了解决缓存和数据库不一致，需要使用复杂的代码来维护（缓存穿透、击穿）；  
    3.运维成本：为了避免缓存缓存雪崩，保证缓存的高可用，缓存往往是集群模式，而集群的部署、维护需要运维；

## 2. 缓存模型 ##

在客户端和数据库之间添加了一个中间层！  
这样客户端请求会优先到达缓存Redis！  
如果Redis中有数据就返回，就不用走数据库了（请求命中）； 若没有才去查询数据库（未命中）；  
将未命中的数据写到Redis中，这样下一次再查询就可以使用缓存了；  
随着用户请求越多，Redis中缓存的数据越多，Redis的命中率就会越来越高；

![在这里插入图片描述][c0bad090273647939afa70399b91ff98.png]

## 3. 缓存一致性问题 ##

### 3.1 引入 ###

**当对数据库修改，Redis未更改，此时数据不一致，即出现了缓存一致性问题**；

### 3.2 解决 ###

**缓存更新策略**：

1.  **内存淘汰**：不用维护，Redis自动淘汰部分数据，只能一定程度下保证一致性，一致性差（`LRU`最久未使用算法）；
2.  **超时剔除**：通过expire()方法给缓存数据添加`有效时间TTL`，时间到期后自动删除，一致性一般；
3.  **主动更新**：自己编写业务逻辑，每当修改数据库时，更新Redis缓存，一致性好； **`√`**

#### (1) 主动更新：先更新数据库，再手动删除缓存 ####

**考虑：**  
**1. 删除缓存还是更新缓存？**  
更新：每当数据库更新，缓存都要更新，开销较大，可能很多是无效操作（用户没查）； **`×`**  
删除：更新数据库时让缓存失效，用户查询时再去更新 **`√`**；

**2. 先删除缓存还是先更新数据库？ （并发场景）**  
**先缓存，再数据库**：  
假设线程1先更新缓存再更新数据库，那么当缓存先被删除后，更新数据库的时间会比较长，如果这段时间内有其他线程2来查询缓存（DQL较快），由于已经被删除则会去数据库查，查完之后再`写回`缓存；而之前更新数据库的线程1这是才更新完数据库，此时缓存是旧值，数据库是新值；  
![在这里插入图片描述][30d32a59e1e04106a743676bb821995d.png]

**先数据库，再缓存**：  
假设线程1先`查询`，此时缓存失效了，就去查询数据库中数为A，而此时线程2来`更新`数据库数为B，并删除了缓存，而后线程1 将数据A更新到缓存，而此时数据库是B，缓存是A；  
![在这里插入图片描述][e9062f32734d4f778a9df87dfab85d18.png]

但是线程2更新数据库是很慢的，一般不会比线程1 查询快，所以发生一致性问题的可能性很低，所以使用先修改数据库，再删除缓存！

#### (2) 使用事务保证原子性 ####

单体系统：将对Redis和数据库的操作放在一个 **`事务`** 中！  
分布式系统：缓存操作和数据库操作可能不在同一个服务器中，则利用`TCC`等分布式事务；

#### (3) 以Redis中的有效时间TTL为兜底 ####

在查询的时候未命中则更新数据到Redis，并用expire方法设置Redis的TTL有效时间！让缓存中的数据定期清除，这样也能保证一定的有效性；

## 4. 案例：商铺信息查询和更新 ##

![在这里插入图片描述][8aa6e0c4e9fd492ea333d032489b3fe2.png]  
**需求：**  
1.【查询】：根据id查询店铺，如果未命中则查询数据库，查询数据库数据，并更新到缓存，设置超时时间；  
2.【更新】：当在数据库修改店铺id时，先修改数据库，再删除缓存；

### 4.1 更新商铺信息（事务、主动删除） ###

更新数据库和删除缓存在同一个 **`事务`** 中！  
1.判断id是否存在，不存在则报错；  
2.先更新数据库  
3.再根据id删除缓存中的数据  
![在这里插入图片描述][26b4a53e4b8a4de88153f78bf33cc1cf.png]

### 4.2 查询商铺信息（TTL兜底） ###

1.注入stringRedisTemplate的bean，从Redis查询商户缓存，如果命中则返回商铺信息  
这里存商铺信息的是String格式，则需要将String格式的Json反序列化为Java对象；  
2.未命中则查询数据库，若不存在，报错；  
3.若数据库中存在，则用stringRedisTemplate.opsForVlaue将商铺信息写到Redis中，并更新TTL有效时间(兜底)！  
4.再把商铺信息数据返回；  
![在这里插入图片描述][07546914697d41dfb2b365d599d3169d.png]

[c0bad090273647939afa70399b91ff98.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/6ff617b7de934643a6a1ebb08919063d.png
[30d32a59e1e04106a743676bb821995d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/98f6122204644a75b1b5c470eadaf0b1.png
[e9062f32734d4f778a9df87dfab85d18.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/f499d9caf8af422284d0c9b9ccaaa4c6.png
[8aa6e0c4e9fd492ea333d032489b3fe2.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/ca6e41f7c8cd49a4a0f93aa432fe35eb.png
[26b4a53e4b8a4de88153f78bf33cc1cf.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/5a9727f514324aab8dcb221b94923421.png
[07546914697d41dfb2b365d599d3169d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/26/115646255f1c47018881895e0ecd19dc.png