Redis 数据一致性

概述

当我们在使用缓存时，如果发生数据变更，那么你需要同时操作缓存和数据库，而它们两个又分属不同的系统，因此无法做到同时操作成功或失败，因此在并发读写下很可能出现缓存与数据库数据不一致的情况

理论上可以通过分布式事务保证同时操作成功或失败，但这会影响系统性能，一般很少使用。虽然没办法做到缓存和数据库强一致，但我们可以让他们的数据尽可能在绝大部分时间内保持一致，并保证最终是一致的

缓存更新设计

一般来说都是采用删除缓存的方式更新缓存，这就涉及到先删除缓存还是先更新数据库的顺序问题了

1. 先删除缓存，后更新数据库

先删除缓存，后更新数据库，如果数据库没有更新成功，下次读缓存发现不存在，则从数据库读取，并重建缓存，此时数据库和缓存依旧保持一致，但还是旧值

高并发下，假设有两个线程并发读写数据，可能会发生以下场景：

• 线程 A 要更新 X = 2（原值 X = 1）
• 线程 A 先删除缓存
• 线程 B 读缓存，发现不存在，从数据库中读取到旧值（X = 1）
• 线程 A 将新值写入数据库（X = 2）
• 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，在高并发下这种方式容易出现长时间的脏数据，一般不建议使用

2. 先更新数据库，后删除缓存

先更新数据库，后删除缓存，如果缓存没有删除成功，数据库是最新值，缓存中是旧值，会发生不一致

再看两个线程并发读写数据：

• 某一时刻缓存中 X 失效不存在（数据库 X = 1）
• 线程 A 读取数据库，得到旧值（X = 1）
• 线程 B 更新数据库（X = 2)
• 线程 B 删除缓存
• 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），发生不一致

这种方式依旧会出现数据不一致，但概率很低，所以普遍采用这种方式

更多优化

通过前面分析，我们采用了先更新数据库，再删除缓存的方式，还可以进一步优化

1. 保证两步都执行成功

前面提到，无论采用哪种方式，只要第二步失败都会有问题，所以我们需要保证第二步成功执行

一种简单的办法是失败就重试，但这会占用资源，并且立即重试大概率还是失败，所以可以采用异步重试，就是把重试请求写到消息队列，由专门的消费者来重试，直到成功

或者更直接的做法，为了避免第二步执行失败，我们可以把操作缓存这一步，直接放到消息队列中，由消费者来操作缓存，这样做的好处是即使系统重启了，消息也不会丢失

也可以通过订阅数据库变更日志，再操作缓存的方式，以 MySQL 举例，当一条数据发生修改时，MySQL 就会产生一条变更日志（Binlog），我们可以订阅这个日志，拿到具体操作的数据，然后再根据这条数据，去删除对应的缓存。订阅变更日志，目前也有了比较成熟的开源中间件，例如阿里的 canal

2. 延迟双删

一般数据库会使用【主从复制 + 读写分离】提高性能，这种情况下也有可能出现数据不一致：

• 线程 A 更新主库 X = 2（原值 X = 1）
• 线程 A 删除缓存
• 线程 B 查询缓存，没有命中，查询「从库」得到旧值（从库 X = 1）
• 从库「同步」完成（主从库 X = 2）
• 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），在主从库中是 2（新值），也发生不一致

解决办法就是延时双删，比如线程 A 在更新数据库并删除缓存后，延迟一段时间再删除一次，延迟时间取决于主从复制的延迟时间，一般凭经验估算 1s - 5s 左右