2023-07-03：讲一讲Redis缓存的数据一致性问题和处理方案。

答案2023-07-03：

数据一致性

当使用缓存时，无论是在本地内存中缓存还是使用 Redis 等外部缓存系统，会引入数据同步的问题。下面以 Tomcat 向 MySQL 中进行数据的插入、更新和删除操作为例，来说明具体的过程。

分析下面几种解决方案的数据同步方案：

1.先更新缓存，再更新数据库：先更新缓存可以提高读取性能，但如果更新缓存成功而更新数据库失败，可能导致数据不一致。

2.先更新数据库，再更新缓存：确保数据的持久性，但如果更新数据库成功而更新缓存失败，也可能导致数据不一致。

3.先删除缓存，后更新数据库：通过先删除缓存，再更新数据库的方式，可以在数据更新后保证数据的一致性，但会降低读取操作的性能。

4.先更新数据库，后删除缓存：确保数据的持久性，并在更新数据库成功后再删除缓存，以保持数据的一致性。

新增数据类

对于新增数据的情况，数据会直接写入数据库，无需对缓存进行操作。在这种情况下，缓存中本身就没有新增数据，而数据库中保存的是最新值。因此，缓存和数据库的数据是一致的。

更新缓存类

1、先更新缓存，再更新DB

我们通常不考虑这个方案，因为存在以下问题：即使在更新缓存成功后，若出现更新数据库时的异常，会导致缓存中的数据与数据库数据完全不一致。由于缓存数据一直存在，这种不一致性很难察觉到。

2、先更新DB，再更新缓存

我们一般不考虑先更新数据库再更新缓存的方案，与第一个方案存在相同的问题。数据库更新成功但缓存更新失败时，仍然会导致数据不一致的问题。此外，这种方案还存在以下问题：

并发问题：当有请求A和请求B同时进行更新操作时，可能出现以下情况：线程A先更新数据库，然后线程B也更新了数据库，随后线程B更新了缓存，最后线程A也更新了缓存。这导致了请求A应该先更新缓存，但由于网络等原因，请求B却比请求A更早更新了缓存，从而产生脏数据。
业务场景问题：如果写数据库的操作比读数据的操作更频繁，采用这种方案会导致数据还没有被读取，就频繁更新缓存，从而浪费性能。

除了更新缓存，我们还可以考虑删除缓存的方案。具体选择更新缓存还是淘汰缓存取决于“更新缓存的复杂度”。如果更新缓存的成本较低，我们更倾向于更新缓存以提高缓存命中率；而如果更新缓存的代价较高，我们则更倾向于淘汰缓存。

删除缓存类

3、先删除缓存，后更新DB

该方案也会出问题，具体出现的原因如下。

1、此时来了两个请求，请求 A（更新操作）和请求 B（查询操作）

2、请求 A 会先删除 Redis 中的数据，然后去数据库进行更新操作；

3、此时请求 B 看到 Redis 中的数据时空的，会去数据库中查询该值，补录到 Redis 中；

4、但是此时请求 A 并没有更新成功，或者事务还未提交，请求B去数据库查询得到旧值；

5、那么这时候就会产生数据库和 Redis 数据不一致的问题。

如何解决呢？其实最简单的解决办法就是延时双删的策略。就是

（1）先淘汰缓存

（2）再写数据库

（3）休眠1秒，再次淘汰缓存

这段伪代码就是“延迟双删”

redis.delKey(X)

db.update(X)

Thread.sleep(N)

redis.delKey(X)

这么做，可以将1秒内所造成的缓存脏数据，再次删除。

那么，这个1秒怎么确定的，具体该休眠多久呢？

针对上面的情形，读该自行评估自己的项目的读数据业务逻辑的耗时。然后写数据的休眠时间则在读数据业务逻辑的耗时基础上，加几百ms即可。这么做的目的，就是确保读请求结束，写请求可以删除读请求造成的缓存脏数据。

但是上述的保证事务提交完以后再进行删除缓存还有一个问题，就是如果你使用的是** Mysql ****的读写分离的架构**的话，那么其实主从同步之间也会有时间差。

此时来了两个请求，请求 A（更新操作）和请求 B（查询操作）

请求 A 更新操作，删除了

Redis，

请求主库进行更新操作，主库与从库进行同步数据的操作，

请 B 查询操作，发现 Redis

中没有数据，

去从库中拿去数据，此时同步数据还未完成，拿到的数据是旧数据。

此时的解决办法有两个：

1、还是使用双删延时策略。只是，睡眠时间修改为在主从同步的延时时间基础上，加几百ms。

2、就是如果是对 Redis

进行填充数据的查询数据库操作，那么就强制将其指向主库进行查询。

继续深入，采用这种同步淘汰策略，吞吐量降低怎么办？

那就将第二次删除作为异步的。自己起一个线程，异步删除。这样，写的请求就不用沉睡一段时间后了，再返回。这么做，加大吞吐量。

继续深入，第二次删除,如果删除失败怎么办？

所以，我们引出了，下面的第四种策略，先更新数据库，再删缓存。

4、先更新DB，后删除缓存

Cache Aside模式是一种常用的缓存处理方式。在读取数据时，先检查缓存，如果缓存中存在数据，则直接返回；如果缓存中不存在，则从数据库中读取，并将数据写入缓存，最后返回响应。在更新数据时，先更新数据库，然后再删除缓存。

通常情况下，我们更倾向于使用删除缓存的操作，因为删除缓存的速度比在数据库中更新数据的速度更快，能更有效地避免数据不一致的问题。通过延时双删的处理方式，可以进一步减少缓存不一致性的可能性。