1. 數(shù)據(jù)不一致的原因

1.1 雙寫(xiě)導(dǎo)致數(shù)據(jù)不一致

由于分布性系統(tǒng)，不能保證每個(gè)節(jié)點(diǎn)都可用，所有可能引起 Redis 在極限情況下數(shù)據(jù)沒(méi)有寫(xiě)入成功，那么此時(shí)緩存中的數(shù)據(jù)和數(shù)據(jù)庫(kù)數(shù)據(jù)不一致。

數(shù)據(jù)的更新為什么會(huì)成功：因?yàn)槭聞?wù)保證數(shù)據(jù)不管是成功還是失敗，都不會(huì)有臟數(shù)據(jù)。

1.2 高并發(fā)導(dǎo)致數(shù)據(jù)不一致

數(shù)據(jù)在修改的過(guò)程中必定會(huì)存在網(wǎng)絡(luò)延時(shí)，因?yàn)榉植际较到y(tǒng)節(jié)點(diǎn)相互獨(dú)立部署，那么在并發(fā)讀的情況之下，還沒(méi)來(lái)得及修改完，那么對(duì)于讀操作，讀到的數(shù)據(jù)都是老的數(shù)據(jù)

如果是某些不嚴(yán)謹(jǐn)?shù)那闆r，無(wú)所謂，如果是極致的嚴(yán)謹(jǐn)，那么就不能這么做了。比如我們的環(huán)境監(jiān)測(cè)，大氣的一些數(shù)據(jù)會(huì)每隔1-2分鐘更新，甚至有的是5分鐘更新，所以如果讀到的是一些老的數(shù)據(jù)，是沒(méi)有關(guān)系的，因?yàn)樽罱K幾秒或者幾十秒以后會(huì)更新，這些數(shù)據(jù)的來(lái)去不會(huì)很大，而且我們能容忍一定的誤差，所以也就無(wú)所謂了。

2. 查詢(xún)數(shù)據(jù)的邏輯

先請(qǐng)求先到 Redis，如果命中則返回結(jié)果。如果 Redis 中沒(méi)有數(shù)據(jù)，則從數(shù)據(jù)庫(kù)查詢(xún)，再寫(xiě)入到緩存中，再返回結(jié)果。

3. 更新數(shù)據(jù)的邏輯

3.1 先刪除緩存，再更新數(shù)據(jù)庫(kù)

3.1.1 方案一

在并發(fā)不高的情況下：先刪除 Redis 中的舊數(shù)據(jù)。更新數(shù)據(jù)庫(kù)中的數(shù)據(jù)。再將數(shù)據(jù)庫(kù)中的數(shù)據(jù)同步到 Redis 中。

3.1.2 方案二

在高并發(fā)的情況下，假設(shè)有請(qǐng)求 A 進(jìn)行更新操作，另一個(gè)請(qǐng)求 B 進(jìn)行查詢(xún)操作，那么有可能會(huì)出現(xiàn)：

1. A 進(jìn)行更新操作前，先刪除了緩存
2. B 查詢(xún)發(fā)現(xiàn)緩存不存在
3. B 查詢(xún)數(shù)據(jù)庫(kù)的舊值
4. B 將舊值寫(xiě)入到緩存
5. A 執(zhí)行更新，將新值寫(xiě)入到數(shù)據(jù)庫(kù)
6. 后續(xù)的請(qǐng)求因?yàn)榘l(fā)現(xiàn)緩存中有數(shù)據(jù)，導(dǎo)致 A 更新的數(shù)據(jù)一直無(wú)法更新到緩存中，這樣便出現(xiàn)了數(shù)據(jù)庫(kù)與緩存不一致的情況。

3.2 先更新數(shù)據(jù)庫(kù)，再刪除緩存

3.2.1 方案一

該方案雖然存在并發(fā)問(wèn)題，但是出現(xiàn)上述情況的概率是極低的，也有一些企業(yè)在使用這種方案。

在超高并發(fā)下，請(qǐng)求 A 執(zhí)行更新操作，請(qǐng)求 B 進(jìn)行查詢(xún)操作：

1. B 將新值寫(xiě)入到數(shù)據(jù)庫(kù)
2. A 查詢(xún) Redis 得到舊數(shù)據(jù)
3. 線程 B 刪除緩存
4. 這樣就會(huì)導(dǎo)致 A 修改數(shù)據(jù) —> A 刪除 Redis 之間出現(xiàn)臟數(shù)據(jù)。

3.2.2 方案二

在超高并發(fā)下，請(qǐng)求 A 執(zhí)行更新操作，請(qǐng)求 B 進(jìn)行查詢(xún)操作：

1. 緩存剛好失效
2. B 查詢(xún)數(shù)據(jù)庫(kù)，得到一個(gè)舊值
3. A 將新值寫(xiě)入到數(shù)據(jù)庫(kù)
4. 線程 A 刪除緩存
5. B 將舊值寫(xiě)入到緩存
6. 這樣就會(huì)導(dǎo)致后續(xù)的請(qǐng)求之間出現(xiàn)臟數(shù)據(jù)。

3.3 緩存雙刪方案

它的流程為：

1. 先刪除緩存
2. 再寫(xiě)數(shù)據(jù)庫(kù)
3. 休眠一段時(shí)間，再刪除緩存

回顧一下方案“先刪除緩存，再更新數(shù)據(jù)庫(kù)”可能造成數(shù)據(jù)庫(kù)與緩存不一致的情況。

假設(shè)有請(qǐng)求 A 進(jìn)行更新操作，另一個(gè)請(qǐng)求 B 進(jìn)行查詢(xún)操作，如果使用緩存雙刪策略：

1. A 進(jìn)行更新操作前，先刪除了緩存
2. B 查詢(xún)發(fā)現(xiàn)緩存不存在
3. B 查詢(xún)數(shù)據(jù)庫(kù)的舊值
4. B 將舊值寫(xiě)入到緩存
5. A 執(zhí)行更新，將新值寫(xiě)入到數(shù)據(jù)庫(kù)，執(zhí)行休眠 Thread.sleep(t)
6. A 蘇醒，再次將緩存中的值刪除

緩存雙刪的優(yōu)點(diǎn)是大大降低了數(shù)據(jù)庫(kù)與緩存不一致的概率的發(fā)生，注意這里只是降低，并不是說(shuō)完全的避免，途中紅框的地方就是緩存臟數(shù)據(jù)的時(shí)間，缺點(diǎn)為一定程度上降低了吞吐量，因?yàn)橄到y(tǒng)進(jìn)行了休眠

這里為什么要采用休眠，對(duì)數(shù)據(jù)進(jìn)行延遲緩存，原因是

1. 例如：如果在 A 刪除緩存之后，數(shù)據(jù)庫(kù)修改之間 C 再次請(qǐng)求數(shù)據(jù)庫(kù)，將老的信息存儲(chǔ)進(jìn)緩存，那么后續(xù)所有的請(qǐng)求打在緩存中，還是獲取到老的數(shù)據(jù)
2. 在分庫(kù)分表的情況下，延遲一定的時(shí)間，也保證了，修改后的數(shù)據(jù)全部同步到所有的數(shù)據(jù)庫(kù)中。

4. 擴(kuò)展：其它的解決雙寫(xiě)一直問(wèn)題

通過(guò)監(jiān)聽(tīng)數(shù)據(jù)庫(kù)日志，來(lái)修改 Redis 的數(shù)據(jù)，使數(shù)據(jù)的修改達(dá)到準(zhǔn)實(shí)時(shí)的級(jí)別，例如：canal。但是這種情況下會(huì)有一些時(shí)間的延遲，也會(huì)短暫的產(chǎn)生臟數(shù)據(jù)。這種情況適用于寫(xiě)多讀少的場(chǎng)景

完全使用緩存作為數(shù)據(jù)庫(kù)，后面在定時(shí)任務(wù)修改數(shù)據(jù)庫(kù)數(shù)據(jù)。這種情況下，沒(méi)要求對(duì) Redis 的三高要求非常高，可以采用云廠商的 Redis 服務(wù)。

讀取的時(shí)候只提供 Redis，也就是說(shuō)，當(dāng)更新操作一開(kāi)始從 Redis 中刪除數(shù)據(jù)了，用戶(hù)去讀 Redis，如果沒(méi)有是不會(huì)從數(shù)據(jù)庫(kù)中讀的，因?yàn)橹惶峁?Redis 的讀取，寫(xiě)入的時(shí)候只在數(shù)據(jù)新增以及更新后才會(huì)放入到 Redis，那么如此一來(lái)，并發(fā)讀的時(shí)候就不會(huì)從數(shù)據(jù)庫(kù)讀取老的數(shù)據(jù)并且放入 Redis 中了。沒(méi)有讀到也沒(méi)關(guān)系，做一些空數(shù)據(jù)的處理，可能會(huì)有個(gè)幾百毫秒或者 1-2s 的延遲，但是可以忍受。但是要注意做好緩存穿透的校驗(yàn)處理。

5. 緩存數(shù)據(jù)的思考

我們能放入緩存的數(shù)據(jù)本就不應(yīng)該是實(shí)時(shí)性、一致性要求超高的，所以緩存數(shù)據(jù)的時(shí)候加上過(guò)期時(shí)間，保證每天拿到當(dāng)前最新數(shù)據(jù)即可。

我們不應(yīng)該過(guò)度設(shè)計(jì)，增加系統(tǒng)的復(fù)雜性，遇到實(shí)時(shí)性、一致性要求高的數(shù)據(jù)，就應(yīng)該查數(shù)據(jù)庫(kù)，即使慢點(diǎn)。

超高并發(fā)場(chǎng)景的一致性，都是最終一致性，也就是弱一致性，所以要考慮每一個(gè)環(huán)節(jié)可能失敗的情況，補(bǔ)償 job 也是常有的。

總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評(píng)論