数据库和缓存如何保持一致性

问题引入

大量的访问请求使得数据库操作频繁，结果导致服务器性能下降，为了解决该问题可以引入reids，让其作为数据库的缓存。这样，在客户端请求数据时，能从缓存中读取就可以不必去数据库中读取，从而减轻数据库压力，提高服务器性能。但是如果数据发生变化，而数据又存在于数据库和redis中，此时就会产生数据一致性问题。

方案一：先更新数据库，再更新缓存

首先结论是该方案不能解决数据一致性问题，原因出在并发上。比如现在有 A 请求和 B 请求，这两个请求同时更新同一条数据，此时如果出现如下顺序：

1. A 请求先将数据库数据更新为 1
2. B 请求将数据库数据更新为 2
3. B 请求将缓存更新为 2
4. A 请求将缓存更新为 1

此时，数据库中的数据为 2，而缓存中数据为 1，出现数据不一致的问题，所以该方案不成立。

方案二： 先更新缓存，再更新数据库

该方案依然不成立，道理如方案一种的案例一样，只不过将数据库和缓存换一下位置，最后依然会出现数据不一致。

旁路缓存策略（Cache Aside）

不更新缓存，而是删除缓存中的数据，然后，到读取数据时，发现缓存中没有数据后再去数据库中读取数据并更新到缓存中。

此时又引申出一个问题，是先删除缓存再更新数据库还是先更新数据库再删除缓存。

方案三： 先删除缓存，再更新数据库

结论是改方案不成立。假设有一用户年龄为20， A 请求更新该用户年龄为21，B 请求读取该用户年龄，此时出现如下顺序：

1. A 请求删除缓存
2. B 请求缓存未命中，读取数据库中年龄为 20，并将 20 更新到缓存中
3. A 请求更新数据库中年龄为 21

此时，数据库中年龄为 21，而缓存中数据为 20，出现数据不一致问题。对于此情况有如下解决方案：

# 删除缓存
redis.delKey(X)
# 更新数据库
db.update(X)
# 睡眠
Thread.sleep(N)
# 再删除缓存
redis.delKey(X)

睡眠操作主要是为了确保 A 请求在睡眠的时候， B 请求能够在这一段时间完成所有操作。最后再删掉缓存数据，所以 A 请求的睡眠时间要大于 B 请求从数据库读数据+写入缓存的时间。但是具体睡眠多久是个玄学问题，很难评估出来，所以这个方案也只是尽可能保证数据一致性而已，还是会有数据不一致的问题，因此更建议使用方案四。

方案四： 先更新数据库，再删除缓存

假设开始年龄数据在缓存中不存在，A 请求读取年龄，B 请求更新年龄，此时出现如下顺序：

1. A 请求缓存未命中，读取数据库中年龄为 20
2. B 请求更新数据库年龄为 21
3. B 请求删除缓存
4. A 请求将 20 写入缓存

此时，缓存中数据为 20， 而数据库中数据为 21，出现数据不一致问题。但是在实际中，这个问题出现的概率并不高，因为缓存的写入通常要远远快于数据库的写入，所以认为该方案是可以保证数据一致性的。

同时也可以给缓存加上过期时间，万一出现数据不一致，一旦数据过期被移除缓存，之后请求数据就需要从数据库中取数据，然后把数据同步到缓存中进而保持数据一致性。

但是此时还存在其他问题，即删除缓存的操作不一定成功，这就会导致客户端得到的是未更新的数据。现在有如下两种方案解决这个问题。

1. 重试机制

引入消息队列，将要从缓存中删除的数据加入到消息队列中。

• 如果应用删除缓存失败，就从消息队列中重新读取数据，然后再次删除缓存，这个就是重试机制。如果重试超过一定次数还是没有成功，就需要向业务层发送报错信息了。
• 如果删除缓存成功，就要把数据从消息队列中移除，避免重复操作。

2. 订阅 MySQL binlog，再操作缓存

在数据库更新成功后就会产生一条变更日志，记录在 binlog 中。于是可以通过订阅 binlog 日志，拿到具体要操作的数据，然后再执行缓存删除。阿里巴巴的 Canal 中间件就是基于这个实现。

Canal 模拟 MySQL 主从复制的交互协议，把自己伪装成一个 MySQL 从节点，向 MySQL 主节点发送 dump 请求，MySQL 收到请求后就会开始推送 binlog 给 Canal，Canal 解析 binlog 字节流后，转换为便于读取的结构化数据，供下游订阅使用。

补充

如果在业务中对缓存命中率有很高的要求，此时就需要更新数据库+更新缓存的方案。为了解决数据不一致问题，现有提供如下两种做法：

1. 在更新缓存前先加个分布式锁，保证同一时间只有一个请求更新数据库和缓存，就不会产生并发问题了，但引入锁会对写入性能带来影响。
2. 在更新完缓存时，给缓存加上较短的过期时间，这样即使出现缓存不一致问题，缓存的数据也会很快过期，对业务还是可以接受的