正文

我们这行都很幽默 ,总说编程就是CV,自黑写程序大部分都是靠复制粘贴。实际上......

0 前言

只要使用Redis缓存,就必然存在缓存和DB数据一致性问题。若数据不一致,则业务应用从缓存读取的数据就不是最新数据,可能导致严重错误。如将商品库存缓存在Redis,若库存数量不对,则下单时就可能出错,这是难以接受的。

1 什么是缓存和DB的数据一致性?

一致性包含如下情况:

  • 缓存有数据缓存的数据值需和DB相同

  • 缓存无数据DB是最新值

不符合这两种情况的,都属于缓存和DB数据不一致。

2 缓存的读写模式

根据是否接收写请求,可将缓存分成读写缓存和只读缓存。

2.1 读写缓存

若要对数据进行增删改,需要在Cache进行。同时根据采取的写回策略,决定是否同步写回DB:

2.1.1 同步直写

写缓存时,也同步写数据库,缓存和数据库中的数据一致。

2.1.2 异步写回

写缓存时不同步写DB,等到数据从缓存中淘汰时,再写回DB。使用这种策略时,若数据还没有写回DB,缓存就发生故障,则此时,DB就没有最新数据了。

所以,对于读写缓存,要想保证缓存和DB数据一致,就要采用同步直写。若采用这种策略,就需同时更新缓存和DB。所以,要在业务代码中使用事务,保证缓存和DB更新的原子性,即两者:

  • 要么一起更新

  • 要么都不更新,返回错误信息,进行重试

否则,我们无法实现同步直写。

有些场景下,我们对数据一致性要求不高,比如缓存的是电商商品的非关键属性或短视频的创建或修改时间等,则可以使用异步写回。

2.2 只读缓存

  • 新增数据直接写DB

  • 删改数据删改DB,删除只读缓存中的数据

这样应用后续再访问这些增删改的数据时,由于Cache无数据 =》缓存缺失。此时,再从DB把数据读入Cache,这样后续再访问数据时,直接读Cache。

下面我们针对只读缓存,看看具体会遇到哪些问题,又该如何解决。

3 新增数据

数据直接写到DB,不操作Cache。此时,Cache本身无新增数据,而DB是最新值,所以,此时缓存和DB数据一致。

4 删改数据

此时应用既要更新DB,也要删除Cache。这俩操作若无法保证原子性,就可能出现数据不一致。

4.1 先删Cache,再更新DB

4.2 先更新DB,再删除Cache

综上,在更新DB和删除Cache时,无论这俩操作谁先执行,只要有一个操作失败了,就会导致客户端读到旧值。

那怎么办?好像怎么都会导致数据不一致?

5 数据不一致的解决方案

5.1 无并发

重试,将:

  • 要删除的Cache值

  • 或要更新的DB值

暂存到MQ。

当应用删除Cache或更新DB:

  • 成功把这些值从MQ去除,避免重复操作,这时即可保证DB、Cache数据一致性。

  • 失败重试。从MQ重新读取这些值,然后再次进行删除或更新。若重试超过一定次数,还没成功,就向业务层发送报错信息。

在更新数据库和删除缓存值的过程中,其中一个操作失败了:

先更新DB,再删除缓存

  • 若删除缓存失败,再次重试后删除成功

其它情况不再赘述。

即使这两个操作第一次执行时都没有失败,当有大量并发请求时,应用还是有可能读到不一致的数据。按不同的删除和更新顺序,分成两种情况来看

5.2 高并发

5.2.1 先删除Cache,再更新DB

假设条件:

  • 时刻t1< t2 < t3

  • 线程 T1、T2

这咋办?可以考虑如下解决方案:

延迟双删

T1更新完DB后,让它sleep一段时间,再删除Cache。

为何要 sleep 一段时间?

让T2能先从DB读数据,再把缺失数据写入Cache,然后,T1再进行删除。所以,T1 sleep的时间,就要大于T2读取数据再写入Cache的时间。

sleep 时间如何确定?

业务程序运行时,统计一下线程读数据和写缓存的操作时间,以此估算。确保读请求结束,写请求可删除读请求造成的缓存脏数据。

该策略还要考虑 Cache 和 DB 主从同步的耗时。最后写数据的休眠时间:则在读数据业务逻辑的耗时的基础上,加上几百ms即可。

这样,当其它线程读数据时,会发现Cache未命中,所以从DB读最新值。因为该方案会在第一次删除Cache后,延迟一段时间再删除,所以叫“延迟双删”。

  1. cache.delKey(X) 

  2.  db.update(X) 

  3.  Thread.sleep(N) 

  4.  cache.delKey(X) 

设置缓存TTL

设置缓存TTL,是保证最终一致性的解决方案。所有写操作以DB为准,只要到达缓存TTL,则后面的读请求自然都会从DB读最新值,然后回填缓存。

结合【双删策略】+【缓存TTL设置】,这样最差情况就是在TTL时间内数据存在不一致,而且又增加写请求耗时。

该方案的缺点

操作完DB后,由于某原因删除Cache失败,此时可能出现数据不一致,需提供重试补偿方案:

方案一

  • 更新DB

  • Cache因某异常,删除失败(问题点)

  • 将待删除的K发送至MQ

  • 自己消费消息,获得待删除K

  • 重试删除操作,直到成功(解决问题)

该方案有个缺点,对业务代码侵入性太强,于是有方案二。方案二中,启动一个订阅程序去订阅DB的binlog,获得待操作的数据。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,执行删除Cache操作。

方案二

  • 更新DB数据

  • DB会将操作信息写入binlog日志

  • 订阅程序提取出所需要的数据及K

  • 另起一段非业务代码,获得该信息

  • 尝试删除Cache操作,发现删除失败

  • 将这些信息发送至MQ

  • 重新从MQ获得该数据,重试删除操作

以上方案都是在业务中经常会碰到的场景,可据业务对数据一致性的要求选择具体方案。

5.2.2 先更新DB,再删除Cache

这种情况下,如果其他线程并发读缓存的请求不多,那么,就不会有很多请求读取到旧值。而且,线程A一般也会很快删除缓存值,这样一来,其他线程再次读取时,就会发生缓存缺失,进而从数据库中读取最新值。所以,这种情况对业务的影响较小。

至此,Cache和DB数据不一致的原因也都有了对应解决方案。

  • 删除Cache或更新DB失败而导致数据不一致重试,确保删除或更新成功

  • 在删除Cache、更新DB这两步操作中,有其他线程的并发读操作,导致其他线程读取到旧值延迟双删

绝大多数场景都会将Redis作为只读缓存:

  • 既可以先删除缓存值再更新数据库

  • 也可以先更新数据库再删除缓存

推荐优先使用先更新数据库再删除缓存:

  • 先删除缓存值再更新数据库,有可能导致请求因缓存缺失而访问数据库,给数据库带来压力

  • 如果业务应用中读取数据库和写缓存的时间不好估算,那么,延迟双删中的等待时间就不好设置

不过,当使用先更新数据库再删除缓存时,也有个地方需要注意,如果业务层要求必须读取一致的数据,那么,我们就需要在更新数据库时,先在Redis缓存客户端暂存并发读请求,等数据库更新完、缓存值删除后,再读取数据,从而保证数据一致性。

6 直接更新 Cache

在只读缓存中进行数据的删改操作时,需要在缓存中删除相应的缓存值。若此过程不是删除缓存,而是直接更新缓存,效果如何?

这种情况相当于把Redis当做读写缓存使用,删改操作同时操作DB、Cache。

6.1 无并发

先更新数据库,再更新缓存

若更新DB成功,但Cache更新失败,此时DB最新值,但缓存旧值,后续读请求会直接命中缓存,得到旧值。

先更新缓存,再更新数据库

如果更新缓存成功,但数据库更新失败:

  • 缓存中是最新值

  • 数据库中是旧值

后续读请求会直接命中缓存,但得到的是最新值,短期对业务影响不大。但一旦缓存过期或满容后被淘汰,读请求就会从数据库中重新加载旧值到缓存中,之后的读请求会从缓存中得到旧值,对业务产生影响。

针对这种其中一个操作可能失败的情况,类似只读缓存方案,也可使用重试。把第二步操作放入到MQ中,消费者从MQ取出消息,再更新缓存或数据库,成功后把消息从消息队列删除,否则进行重试,以此达到数据库和缓存的最终一致。

6.2 并发读写

也会产生不一致,分为以下4种双写场景。

双写模式下,更新DB有返回值,更新Redis的操作可放到更新DB返回后进行,通过数据库的行锁机制,可以避免更新DB是线程A,B,但更新Redis是线程B,A的情况。

先更新数据库,再更新缓存

写+读并发。线程A先更新数据库,之后线程B读取数据,此时线程B会命中缓存,读取到旧值,之后线程A更新缓存成功,后续的读请求会命中缓存得到最新值。

这时,线程A未更新完缓存之前,在这期间的读请求会短暂读到旧值,对业务短暂影响。

先更新缓存,再更新数据库

写+读并发。线程A先更新缓存成功,之后线程B读取数据,此时线程B命中缓存,读取到最新值后返回,之后线程A更新数据库成功。这种场景下,虽然线程A还未更新完数据库,数据库会与缓存存在短暂不一致,但在这之前进来的读请求都能直接命中缓存,获取到最新值,所以对业务没影响。

先更新数据库,再更新缓存

写+写并发。线程A和线程B同时更新同一条数据,更新数据库的顺序是先A后B,但更新缓存时顺序是先B后A,这会导致数据库和缓存的不一致。

先更新缓存,再更新数据库

写+写并发。与场景3类似,线程A和线程B同时更新同一条数据,更新缓存的顺序是先A后B,但是更新数据库的顺序是先B后A,这也会导致数据库和缓存的不一致。

场景1和2对业务影响较小,场景3和4会造成数据库和缓存不一致,影响较大。即读写缓存下,写+读并发对业务的影响较小,而写+写并发时,会造成数据库和缓存的不一致。

针对场景3、4解决方案:对于写请求,配合分布式锁。写请求进来时,针对同一资源的修改操作,先加分布式锁,这样同一时间只允许一个线程去更新DB和Cache,没有拿到锁的线程把操作放入到MQ,延时处理。这样保证多个线程操作同一资源的顺序性,以此保证一致性。

综上,使用读写缓存同时操作数据库和缓存时,因为其中一个操作失败导致不一致的问题,同样可以通过MQ重试解决。而在并发的场景下,读+写并发对业务没有影响或者影响较小,而写+写并发时需要配合分布式锁的使用,才能保证缓存和数据库的一致性。

另外,读写缓存模式由于会同时更新数据库和缓存:

  • 优点缓存一直会有数据。若更新后立即访问,可直接命中缓存,能降低读请求对DB的压力(没有只读缓存的删除缓存导致缓存缺失和再加载的过程)

  • 缺点若更新后的数据,之后很少再被访问到,会导致缓存中保留的不是最热数据,缓存利用率不高(只读缓存中保留的都是热数据)

所以读写缓存比较适合用于读写相当的业务场景。

7 总结

快为你的项目选择一套合适的方案吧~