說在前面

只要使用到緩存，無論是本地緩存還是使用Redis做緩存，那么就會存在數(shù)據(jù)同步不一致的問題。

1、 先讀取緩存，緩存數(shù)據(jù)有，則立即返回結(jié)果；
2、 如果緩存中沒有數(shù)據(jù)，則從數(shù)據(jù)庫中讀取數(shù)據(jù)；
3、 把讀取到的數(shù)據(jù)同步到緩存中，提供下次讀請求返回?cái)?shù)據(jù)；

這樣的作法是大多數(shù)人使用緩存的方式，這樣能有效減輕數(shù)據(jù)庫壓力，但是如果修改刪除數(shù)據(jù)，因?yàn)榫彺鏌o法感知到數(shù)據(jù)在數(shù)據(jù)庫中的修改。

這樣就會造成數(shù)據(jù)庫中的數(shù)據(jù)與緩存中數(shù)據(jù)不一致。

那么該如何解決呢？

有下面4種解決方案：

1、 先更新緩存，再更新數(shù)據(jù)庫；
2、 先更新數(shù)據(jù)庫，再更新緩存；
3、 先刪除緩存，后更新數(shù)據(jù)庫；
4、 先更新數(shù)據(jù)庫，后刪除緩存；

下面我們一一來看下每個方案的可行性：

一、先更新緩存，再更新數(shù)據(jù)庫

這個方案我們一般不考慮。原因是更新緩存成功，但是更新數(shù)據(jù)庫出現(xiàn)異常了。

會導(dǎo)致緩存數(shù)據(jù)與數(shù)據(jù)庫數(shù)據(jù)完全不一致，而且很難察覺，因?yàn)榫彺嬷械臄?shù)據(jù)一直都存在。

二、先更新DB，再更新緩存

這個方案我們一般也是不考慮，原因跟方案1一樣，數(shù)據(jù)庫更新成功了，緩存更新失敗，同樣會出現(xiàn)數(shù)據(jù)不一致問題，且不容易被發(fā)現(xiàn)，因?yàn)榫彺嬷幸恢贝嬖跀?shù)據(jù)。

三、先刪除緩存，后更新DB

這個方案再并發(fā)場景下也會出問題，具體出現(xiàn)的原因如下：

兩個并發(fā)請求：請求A（更新操作）和請求B（讀取操作）

1、 請求A會先刪除Redis中的數(shù)據(jù)，然后去更新數(shù)據(jù)庫；
2、 此時請求B看到Redis中的數(shù)據(jù)是空的，回去數(shù)據(jù)庫中查詢該值，補(bǔ)充到Redis緩存中；
3、 此時請求A并沒有更新成功，或者是事務(wù)還未提交（MySQL的事務(wù)隔離級別，會導(dǎo)致未提交的事務(wù)數(shù)據(jù)不會被另一個線程看到），請求B去數(shù)據(jù)庫查詢得到舊值.；

 這時候就會產(chǎn)生數(shù)據(jù)庫和Redis數(shù)據(jù)不一致的問題。

因此一般也不建議這種方式

雖然不建議，但是如果你是采用了這種方式，該如何解決數(shù)據(jù)不一致的問題呢？

其實(shí)最簡單的辦法就是延時雙刪的策略：

1、 先淘汰緩存；
2、 再寫數(shù)據(jù)庫；
3、 休眠1s，再次淘汰緩存；

這樣做，可以將1s內(nèi)所造成的緩存臟數(shù)據(jù)，再次刪除。

但是，但是，這個1s怎么確定的，具體該休眠多久呢？

1、 自行評估自己的項(xiàng)目的讀數(shù)據(jù)業(yè)務(wù)邏輯的耗時（這個我們可以利用SkyWalking等監(jiān)控工具評估耗時）；
2、 評估寫數(shù)據(jù)的休眠時間（在讀數(shù)據(jù)業(yè)務(wù)耗時的基礎(chǔ)上，加幾百ms即可）；

這樣做的目的，就是確保讀請求結(jié)束，寫請求可以刪除讀請求造成的緩存臟數(shù)據(jù)。

延時雙刪就能徹底解決不一致嗎？如果面試官這樣問你，你千萬不能回答是的。

第一，我們評估的延時時間（讀請求耗時+幾百毫秒），并不能完全代表實(shí)際運(yùn)行過程中的耗時，運(yùn)行過程如果因?yàn)橄到y(tǒng)壓力過大，我們評估的耗時就是不準(zhǔn)確，仍然會導(dǎo)致數(shù)據(jù)不一致的出現(xiàn)

第二，延時雙刪雖然在保證事務(wù)提交完以后再進(jìn)行刪除緩存，但是如果你使用的是MySQL的讀寫分離的機(jī)構(gòu)，主從同步之間其實(shí)也會有時間差。

此時該如何解決呢？

解決辦法有兩個：

1、 還是使用延時雙刪策略，只是睡眠時間改為在主從同步的延時時間基礎(chǔ)上，加幾百毫秒（讀接口耗時+主從延遲時間+幾百毫秒）；
2、 對Redis進(jìn)行填充數(shù)據(jù)查詢（更新緩存時查詢數(shù)據(jù)庫），強(qiáng)制走主庫查詢，那么我們延時雙刪就沒必要增加主從延時時間了（增加個主從延時時間也會增加更大的不確定性，因?yàn)橹鲝难訒r時間也是不穩(wěn)定的）；

如果面試官繼續(xù)深入的問你，采用這種同步延時雙刪的淘汰策略，接口的吞吐量降低怎么辦？（數(shù)據(jù)變更時，更新接口都要多休眠一個延時時間）

既然同步會降低吞吐量，那就同步改異步（性能優(yōu)化的常用手段）。

將第二次刪除的操作，異步起一個線程，異步刪除，這樣寫的請求就不用沉睡一段時間后才能返回了。

總的來說，先刪除緩存，再更新數(shù)據(jù)庫的方式，還是瑕疵較多，發(fā)生數(shù)據(jù)一致性的問題和性能問題的概率更大。比如：

1、 先刪除緩存可能導(dǎo)致讀請求因緩存缺失而大量訪問數(shù)據(jù)庫（尤其是高并發(fā)場景的電商，可能一瞬間就把數(shù)據(jù)庫打掛了）；
2、 讀請求接口的耗時和寫緩存的時間，估算不夠準(zhǔn)確，會導(dǎo)致延遲雙刪中的sleep時間不好設(shè)置；

下面我們來看最后一種解決方案，這個解決方式是4個方案中發(fā)生數(shù)據(jù)不一致性的概率最低的。

四、先更新DB，后刪除緩存

 讀的時候，先讀緩存，緩存沒有的話，就讀數(shù)據(jù)庫，然后取出數(shù)據(jù)后放入緩
存，同時返回響應(yīng)。更新的時候，先更新數(shù)據(jù)庫，然后再刪除緩存。

這種方案下就不存在數(shù)據(jù)不一致性的問題了么？

其實(shí)是依然存在的，尤其是在大型互聯(lián)網(wǎng)電商，高并發(fā)系統(tǒng)中，并發(fā)問題導(dǎo)致的數(shù)據(jù)一致性的數(shù)據(jù)量非常大。

假設(shè)兩個請求，請求A和請求B，請求A做查詢操作（讀請求），請求B做更新操作（寫請求）

當(dāng)高并發(fā)場景下，會有如下情形出現(xiàn)：

1、 緩存剛好失效；
2、 請求A查詢數(shù)據(jù)庫，得到一個舊值；
3、 請求B將新值寫入數(shù)據(jù)庫；
4、 請求B刪除緩存；
5、 請求A將查到的舊值寫入緩存；

 高并發(fā)場景下，確實(shí)有可能會發(fā)生上述的情況，產(chǎn)生臟數(shù)據(jù)。

然而，發(fā)生這種的概率又有多少呢？

?

發(fā)生上述情況的一個先天性條件，就是步驟（3）的寫數(shù)據(jù)庫操作比步驟（2）的讀數(shù)據(jù)庫操作耗時更短，才有可能使得步驟（4）先于步驟（5）。

可是，大家想想，數(shù)據(jù)庫的讀操作的速度遠(yuǎn)快于寫操作的（不然做讀寫分離干嘛，做讀寫分離的意義就是因?yàn)樽x操作比較快，耗資源少）。

因此步驟（3）耗時比步驟（2） 更短，這一情形很難出現(xiàn)。

但是，如果面試官問你：如果我的業(yè)務(wù)屬性要求一定要解決怎么辦？那么如何解決上述并發(fā)問題？

首先，給緩存設(shè)置過期時間是一種有效的方案。

如果你的業(yè)務(wù)數(shù)據(jù)對實(shí)時性要求不是很高，可以接受數(shù)據(jù)的短時間數(shù)據(jù)不一致的場景，我們此種方案就可以解決了（比如商品詳情中的描述、屬性等）

其次，仍可以采用異步延時刪除的策略。

參考方案3中的異步延時刪除策略方案，刪除的方案其實(shí)還有問題，這個我們放在后面說

一般采用這些手段幾乎就已經(jīng)把Redis緩存和數(shù)據(jù)庫數(shù)據(jù)不一致的概率降到了極低。

如果非要強(qiáng)一致性，極低的數(shù)據(jù)不一致的概率都不能接受，那么該如何解決呢？

其實(shí)也有解決方案：那就是加鎖，在讀請求加一個讀鎖，所有的讀請求不阻塞，在寫請求加一個寫鎖，一旦有寫請求，則暫時阻塞讀，等寫請求處理完，刪除完緩存再放開讀。

如果你的業(yè)務(wù)并發(fā)要求不高，讀多寫少，且對數(shù)據(jù)一致性有很高的要求，可以采用這種方案，但是保證強(qiáng)一致性的同時，就會損失一些性能，所以該不該用這種方案，大家可以根據(jù)自己業(yè)務(wù)的屬性做好權(quán)衡。

方案補(bǔ)充（重要）

3、 4都屬于刪除緩存類，其實(shí)刪除緩存類都會有一個共同的問題，那就是在刪除緩存的階段出錯了怎么辦？此時再讀取緩存的時候每次都是錯誤的數(shù)據(jù)了；

此時解決方案有兩個：

一、利用消息隊(duì)列進(jìn)行刪除失敗的補(bǔ)償

具體的業(yè)務(wù)邏輯如下：

1、 請求A先對數(shù)據(jù)庫進(jìn)行更新操作；
2、 在對Redis進(jìn)行刪除操作的時候發(fā)現(xiàn)報(bào)錯，刪除失敗；
3、 此時將Redis的key作為消息體發(fā)送到消息隊(duì)列中；
4、 系統(tǒng)接收到消息隊(duì)列發(fā)送的消息后；
5、 再次對Redis進(jìn)行刪除操作；

但是這個方案會有一個缺點(diǎn)，就是會對業(yè)務(wù)代碼造成大量的侵入，深深的耦合在一起。

所以還有一個優(yōu)化的方案

二、訂閱MySQL的binlog日志，異步刪除

我們知道對 Mysql 數(shù)據(jù)庫更新操作后 ，在 binlog日志中我們都能夠找到相應(yīng)的操作，那么我們可以訂閱 Mysql數(shù)據(jù)庫 的 binlog日志對緩存進(jìn)行操作，這樣就達(dá)到了一個解耦的目的了。

業(yè)務(wù)代碼流程如下：

1、 更新數(shù)據(jù)庫，更新完成后，觸發(fā)binlog消息；
2、 經(jīng)常B（消費(fèi)者）訂閱binlog消息，執(zhí)行緩存刪除操作；
3、 緩存刪除失敗，將刪除任務(wù)丟到消息隊(duì)列中；
4、 進(jìn)程B獲取刪除失敗任務(wù)；
5、 執(zhí)行二次刪除redis緩存；

說到底就是通過數(shù)據(jù)庫的 binlog 來異步淘汰 key，利用工具(canal)將 binlog
日志采集發(fā)送到 MQ 中，然后通過 ACK 機(jī)制確認(rèn)處理刪除緩存。
先更新DB，后刪除緩存，這種方式，被稱為 Cache Aside Pattern，屬于緩存更新的經(jīng)典設(shè)計(jì)模式之一。

所以如果大家做緩存與數(shù)據(jù)庫的同步，推薦大家選擇這一種方式。

總結(jié)

至此，億級電商流量，高并發(fā)下Redis與MySQL的數(shù)據(jù)一致性如何保證的方案，非常圓滿了。以上的內(nèi)容，如果大家能爛熟于心、對答如流、如數(shù)家珍，基本上 面試官會被你 震驚到、吸引到。