数据库跟缓存的双写一致性

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。这种情况下当用户读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先更新数据库再更新缓存。先删缓存再更新数据库。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 14B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。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。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。命中应用程序从缓存中取数据取到后返回。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对业务线代码造成大量的侵入引入了中间件。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如果缓存数据不敏感直接给缓存设置TTL即可。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。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。