如何保證緩存和數(shù)據(jù)庫的一致性？

作者：江南一點(diǎn)雨 2022-03-29 10:39:10

如果你對這個問題有過研究，應(yīng)該可以發(fā)現(xiàn)這個問題其實(shí)很好回答，如果第一次聽到或者第一次遇到這個問題，估計會有點(diǎn)懵，今天我們來聊聊這個話題。

很多小伙伴在面試的時候，應(yīng)該都遇到過類似的問題，如何確保緩存和數(shù)據(jù)庫的一致性?

1. 問題分析

首先我們來看看為什么會有這個問題!

我們在日常開發(fā)中，為了提高數(shù)據(jù)響應(yīng)速度，可能會將一些熱點(diǎn)數(shù)據(jù)保存在緩存中，這樣就不用每次都去數(shù)據(jù)庫中查詢了，可以有效提高服務(wù)端的響應(yīng)速度，那么目前我們最常使用的緩存就是 Redis 了。

用 Redis 做緩存，并不是一說緩存就是 Redis，還是要結(jié)合業(yè)務(wù)的具體情況，我們可以根據(jù)不同業(yè)務(wù)對數(shù)據(jù)要求的實(shí)時性不同，將數(shù)據(jù)分為三級，以電商項(xiàng)目為例：

第 1 級：訂單數(shù)據(jù)和支付流水?dāng)?shù)據(jù)：這兩塊數(shù)據(jù)對實(shí)時性和精確性要求很高，所以一般是不需要添加緩存的，直接操作數(shù)據(jù)庫即可。
第 2 級：用戶相關(guān)數(shù)據(jù)：這些數(shù)據(jù)和用戶相關(guān)，具有讀多寫少的特征，所以我們使用 redis 進(jìn)行緩存。
第 3 級：支付配置信息：這些數(shù)據(jù)和用戶無關(guān)，具有數(shù)據(jù)量小，頻繁讀，幾乎不修改的特征，所以我們使用本地內(nèi)存進(jìn)行緩存。

選中合適的數(shù)據(jù)存入 Redis 之后，接下來，每當(dāng)要讀取數(shù)據(jù)的時候，就先去 Redis 中看看有沒有，如果有就直接返回;如果沒有，則去數(shù)據(jù)庫中讀取，并且將從數(shù)據(jù)庫中讀取到的數(shù)據(jù)緩存到 Redis 中，大致上就是這樣一個流程，讀取數(shù)據(jù)的這個流程實(shí)際上是比較清晰也比較簡單的，沒啥好說的。

然而，當(dāng)數(shù)據(jù)存入緩存之后，如果需要更新的話，往往會來帶另外的問題：

當(dāng)有數(shù)據(jù)需要更新的時候，先更新緩存還是先更新數(shù)據(jù)庫?如何確保更新緩存和更新數(shù)據(jù)庫這兩個操作的原子性?
更新緩存的時候該怎么更新?修改還是刪除?

怎么辦?正常來說，我們有四種方案：

先更新緩存，再更新數(shù)據(jù)庫。
先更新數(shù)據(jù)庫，再更新緩存。
先淘汰緩存，再更新數(shù)據(jù)庫。
先更新數(shù)據(jù)庫，再淘汰緩存。

到底使用哪種?

在回答這個問題之前，我們不妨先來看看三個經(jīng)典的緩存模式：

Cache-Aside
Read-Through/Write through
Write Behind

2. Cache-Aside

Cache-Aside，中文也叫旁路緩存模式，如果我們能夠在項(xiàng)目中采用 Cache-Aside，那么就能夠盡可能的解決緩存與數(shù)據(jù)庫數(shù)據(jù)不一致的問題，注意是盡可能的解決，并無法做到絕對解決。

Cache-Aside 又分為讀緩存和寫緩存兩種情況，我們分別來看。

2.1 讀緩存

先來看一張流程圖：

它的流程是這樣：

讀取數(shù)據(jù)。
檢查緩存中是否有需要的數(shù)據(jù)，如果命中緩存(Cache Hit)，則直接返回數(shù)據(jù)。
如果沒有命中緩存，即 Cache Miss，那么就先去訪問數(shù)據(jù)庫。
將從數(shù)據(jù)庫中讀取到的數(shù)據(jù)設(shè)置到緩存中。
返回數(shù)據(jù)。

這是 Cache-Aside 的讀緩存流程。

其實(shí)對于讀緩存的流程而言，大家一般都沒什么異議，有異議的主要是寫流程，我們繼續(xù)來看。

2.2 寫緩存

先來看一張流程圖：

這個寫緩存的流程就比較簡單，先更新數(shù)據(jù)庫中的數(shù)據(jù)，然后刪除舊的緩存即可。

流程雖然簡單，但是卻引伸出來兩個問題：

為什么是刪除舊緩存而不是更新舊緩存?
為什么不先刪除舊的緩存，然后再更新數(shù)據(jù)庫?

我們來分別回答這兩個問題。

為什么是刪除舊緩存而不是更新舊緩存?

更新緩存，說著容易做起來并不容易。很多時候我們更新緩存并不是簡簡單單更新一個 Bean。很多時候，我們緩存的都是一些復(fù)雜操作或者計算(例如大量聯(lián)表操作、一些分組計算)的結(jié)果，如果不加緩存，不但無法滿足高并發(fā)量，同時也會給 MySQL 數(shù)據(jù)庫帶來巨大的負(fù)擔(dān)。那么對于這樣的緩存，更新起來實(shí)際上并不容易，此時選擇刪除緩存效果會更好一些。
對于一些寫頻繁的應(yīng)用，如果按照更新緩存->更新數(shù)據(jù)庫的模式來，比較浪費(fèi)性能，因?yàn)槭紫葘懢彺婧苈闊浯蚊看味家獙懢彺妫强赡軐懥耸危蛔x了一次，讀的時候讀到的緩存數(shù)據(jù)是第十次的，前面九次寫緩存都是無效的，對于這種情況不如采取先寫數(shù)據(jù)庫再刪除緩存的策略。
在多線程環(huán)境下，這樣的更新策略還有可能會導(dǎo)致數(shù)據(jù)邏輯錯誤，來看如下一張流程圖：

可以看到，有兩個并發(fā)的線程 A 和 B：

首先 A 線程更新了數(shù)據(jù)庫。
接下來 B 線程更新了數(shù)據(jù)庫。
由于網(wǎng)絡(luò)等原因，B 線程先更新了緩存。
A 線程更新了緩存。

那么此時，緩存中保存的數(shù)據(jù)就是不正確的，而如果采用了刪除緩存的方式，就不會發(fā)生這種問題了。

為什么不先刪除舊的緩存，然后再更新數(shù)據(jù)庫?

這個也是考慮到并發(fā)請求，假設(shè)我們先刪除舊的緩存，然后再更新數(shù)據(jù)庫，那么就有可能出現(xiàn)如下這種情況：

這個操作是這樣的，有兩個線程，A 和 B，其中 A 寫數(shù)據(jù)，B 讀數(shù)據(jù)，具體流程如下：

A 線程首先刪除緩存。
B 線程讀取緩存，發(fā)現(xiàn)緩存中沒有數(shù)據(jù)。
B 線程讀取數(shù)據(jù)庫。
B 線程將從數(shù)據(jù)庫中讀取到的數(shù)據(jù)寫入緩存。
A 線程更新數(shù)據(jù)庫。

一套操作下來，我們發(fā)現(xiàn)數(shù)據(jù)庫和緩存中的數(shù)據(jù)不一致了!所以，在 Cache-Aside 中是先更新數(shù)據(jù)庫，再刪除緩存。

2.3 延遲雙刪

其實(shí)無論是先更新數(shù)據(jù)庫再刪除緩存，還是先刪除緩存再更新數(shù)據(jù)庫，在并發(fā)環(huán)境下都有可能存在問題：

假設(shè)有 A、B 兩個并發(fā)請求：

先更新數(shù)據(jù)庫再刪除緩存：當(dāng)請求 A 更新數(shù)據(jù)庫之后，還未來得及進(jìn)行緩存清除，此時請求 B 查詢到并使用了 Cache 中的舊數(shù)據(jù)。
先刪除緩存再更新數(shù)據(jù)庫：當(dāng)請求 A 執(zhí)行清除緩存后，還未進(jìn)行數(shù)據(jù)庫更新，此時請求 B 進(jìn)行查詢，查到了舊數(shù)據(jù)并寫入了 Cache。

當(dāng)然我們前面已經(jīng)分析過了，盡量先操作數(shù)據(jù)庫再操作緩存，但是即使這樣也還是有可能存在問題，解決問題的辦法就是延遲雙刪。

延遲雙刪是這樣：先執(zhí)行緩存清除操作，再執(zhí)行數(shù)據(jù)庫更新操作，延遲 N 秒之后再執(zhí)行一次緩存清除操作，這樣就不用擔(dān)心緩存中的數(shù)據(jù)和數(shù)據(jù)庫中的數(shù)據(jù)不一致了。

那么這個延遲 N 秒，N 是多大比較合適呢?一般來說，N 要大于一次寫操作的時間，如果延遲時間小于寫入緩存的時間，會導(dǎo)致請求 A 已經(jīng)延遲清除了緩存，但是此時請求 B 緩存還未寫入，具體是多少，就要結(jié)合自己的業(yè)務(wù)來統(tǒng)計這個數(shù)值了。

2.4 如何確保原子性

但是更新數(shù)據(jù)庫和刪除緩存畢竟不是一個原子操作，要是數(shù)據(jù)庫更新完畢后，刪除緩存失敗了咋辦?

對于這種情況，一種常見的解決方案就是使用消息中間件來實(shí)現(xiàn)刪除的重試。大家知道，MQ 一般都自帶消費(fèi)失敗重試的機(jī)制，當(dāng)我們要刪除緩存的時候，就往 MQ 中扔一條消息，緩存服務(wù)讀取該消息并嘗試刪除緩存，刪除失敗了就會自動重試。如果小伙伴們還不懂 RabbitMQ 的使用，可以在公眾號江南一點(diǎn)雨后臺回復(fù) rabbitmq，有免費(fèi)的視頻+文檔。

3. Read-Through/Write-Through

這種緩存操作模式，松哥印象最深的是在 Oracle Coherence 中有應(yīng)用，不知道小伙伴們有沒有用過 Oracle Coherence，這是一個內(nèi)存數(shù)據(jù)網(wǎng)格，通過這個，應(yīng)用開發(fā)人員和管理人員可快速訪問鍵值數(shù)據(jù)，Coherence 可提供集群式低延遲數(shù)據(jù)存儲、多語言網(wǎng)格計算和異步事件流處理，從而為客戶企業(yè)應(yīng)用賦予超高水平的可擴(kuò)展性和性能。

Oracle Coherence 我們就不討論了，我們就來說說 Read-Through。

3.1 Read-Through

這里為了省事，我就不自己畫圖了，網(wǎng)上找了一張圖片，如下：

乍一看，很多人感覺這和 Cache-Aside 一樣呀，沒啥區(qū)別!是的，單看流程是不太容易看到區(qū)別。

Read-Through 是一種類似于 Cache-Aside 的緩存方法，區(qū)別在于，在 Cache-Aside 中，由應(yīng)用程序決定去讀取緩存還是讀取數(shù)據(jù)庫，這樣就會導(dǎo)致應(yīng)用程序中出現(xiàn)了很多業(yè)務(wù)無關(guān)的代碼;而在 Read-Through 中，相當(dāng)于多出來了一個中間層 Cache Middleware，由它去讀取緩存或者數(shù)據(jù)庫，應(yīng)用層的代碼得到了簡化，松哥之前寫過 Spring Cache 的用法，大家回憶下 Spring Cache 中的 @Cacheable 注解，感覺像不像 Read-Through?

我畫一個簡單的流程圖大家來看下：

可以看到，和 Cache-Aside 相比，其實(shí)就相當(dāng)于是多了一個 Cache Middleware，這樣我們在應(yīng)用程序中就只需要正常的讀寫數(shù)據(jù)就行了，并不用管底層的具體邏輯，相當(dāng)于把緩存相關(guān)的代碼從應(yīng)用程序中剝離出來了，應(yīng)用程序只需要專注于業(yè)務(wù)就行了。

3.2 Write-Through

Write-Through 其實(shí)也是差不多，所有的操作都交給 Cache Middleware 來完成，應(yīng)用程序中就是一句簡單的更新就行了，我們來看看流程：

在 Write-Through 策略中，所有的寫操作都經(jīng)過 Cache Middleware，每次寫入時，Cache Middleware 會將數(shù)據(jù)存儲在 DB 和 Cache 中，這兩個操作發(fā)生在一個事務(wù)中，因此，只有兩個都寫入成功，一切才會成功。

這種寫數(shù)據(jù)的優(yōu)勢在于，應(yīng)用程序只與 Cache Middleware 對話，所以它的代碼更加干凈和簡單。

4. Write Behind

Write-Behind 緩存策略類似于 Write-Through 緩存，應(yīng)用程序僅與 Cache Middleware 通信，Cache Middleware 會預(yù)留一個與應(yīng)用程序通信的接口。

Write-Behind 與 Write-Through 最大的區(qū)別在于，前者是數(shù)據(jù)首先寫入緩存，一段時間后(或通過其他觸發(fā)器)再將數(shù)據(jù)寫入 Database，并且這里涉及到的寫入是一個異步操作。這種方式下，Cache 和 DB 數(shù)據(jù)的一致性不強(qiáng)，對一致性要求高的系統(tǒng)要謹(jǐn)慎使用，如果有人在數(shù)據(jù)尚未寫入數(shù)據(jù)源的情況下直接從數(shù)據(jù)源獲取數(shù)據(jù)，則可能導(dǎo)致獲取過期數(shù)據(jù)，不過對于頻繁寫入的場景，這個其實(shí)非常適用。

將數(shù)據(jù)寫入 DB 可以通過多種方式完成：