如何保持mysql和redis中数据的一致性？

2022-08-17 00:00:00 数据 数据库 删除 更新 缓存

在介绍“如何保持mysql和redis中数据的⼀致性”这个问题之前，我们需要先弄清什么是“⼀致性”，以及不同缓存 策略下出现的”不⼀致“问题，才能提出⽅法解决这种”不⼀致“，进⽽达到”数据的⼀致性“。

⾸先，“数据⼀致”⼀般指的是：缓存中有数据，缓存的数据值 = 数据库中的值。

但根据缓存中是有数据为依据，则”⼀致“可以包含两种情况：

  • 缓存中有数据，缓存的数据值 = 数据库中的值
  • 缓存中本没有数据，数据库中的值 = 新值（有请求查询数据库时，会将数据写⼊缓存，则变为上⾯的“⼀ 致”状态）

”数据不⼀致“：缓存的数据值 ≠ 数据库中的值；缓存或者数据库中存在旧值，导致其他线程读到旧数据

根据是否接收写请求，可以把缓存分成读写缓存和只读缓存。

只读缓存：只在缓存进⾏数据查找，即使⽤ “更新数据库+删除缓存” 策略；

读写缓存：需要在缓存中对数据进⾏增删改查，即使⽤ “更新数据库+更新缓存”策略。

只读缓存：新增数据时，直接写⼊数据库；更新（修改/删除）数据时，先删除缓存。

后续，访问这些增删改的数据时，会发⽣缓存缺失，进⽽查询数据库，更新缓存。

  • 新增数据时 ，写⼊数据库；访问数据时，缓存缺失，查数据库，更新缓存（始终是处于”数据⼀致“的状态， 不会发⽣数据不⼀致性问题)
  • 更新（修改/删除）数据时 ，会有个时序问题：更新数据库与删除缓存的顺序（这个过程会发⽣数据不⼀致性问题）

在更新数据的过程中，可能会有如下问题：

  • ⽆并发请求下，其中⼀个操作失败的情况
  • 并发请求下，其他线程可能会读到旧值

因此，要想达到数据⼀致性，需要保证两点：

  • ⽆并发请求下，保证A和B步骤都能成功执⾏
  • 并发请求下，在A和B步骤的间隔中，避免或消除其他线程的影响

接下来，我们针对有/⽆并发场景，进⾏分析并使⽤不同的策略。

A. 无并发情况

⽆并发请求下，在更新数据库和删除缓存值的过程中，因为操作被拆分成两步，那么就很有可能存在“步骤1成功， 步骤2失败”的情况发⽣（由于单线程中步骤1和步骤2是串⾏执⾏的，不太可能会发⽣“步骤2成功，步骤1失败”的情况）。

(1) 先删除缓存，再更新数据库

(2) 先更新数据库，再删除缓存

解决策略：

a.消息队列+异步重试

⽆论使⽤哪⼀种执⾏时序，可以在执⾏步骤1时，将步骤2的请求写⼊消息队列，当步骤2失败时，就可以使⽤重试策略，对失败操作进⾏“补偿”。

具体步骤如下：

  1. 把要删除缓存值或者是要更新数据库值操作生成消息，暂存到消息队列中（例如使⽤ Kafka 消息队列）；
  2. 当删除缓存值或者是更新数据库值操作成功时，把这些消息从消息队列中去除（丢弃），以免重复操作；
  3. 当删除缓存值或者是更新数据库值操作失败时，执⾏失败策略，重试服务从消息队列中重新读取（消费）这些消息，然后再次进⾏删除或更新；
  4. 删除或者更新失败时，需要再次进⾏重试，重试超过的⼀定次数，向业务层发送报错信息。

b.订阅Binlog变更日志

  • 创建更新缓存服务，接收数据变更的MQ消息，然后消费消息，更新/删除Redis中的缓存数据；
  • 使⽤ Binlog 实时更新/删除Redis 缓存。利⽤Canal，即将负责更新缓存的服务伪装成⼀个MySQL 的从节点，从 MySQL 接收 Binlog，解析 Binlog 之后，得到实时的数据变更信息，然后根据变更信息去更新/删除 Redis 缓存；
  • MQ+Canal策略，将Canal Server接收到的Binlog数据直接投递到MQ进⾏解耦，使⽤MQ异步消费Binlog日志，以此进⾏数据同步；

不管⽤ MQ/Canal或者MQ+Canal的策略来异步更新缓存，对整个更新服务的数据可靠性和实时性要求都⽐较⾼，如果产⽣数据丢失或者更新延时情况，会造成MySQL和Redis 中的数据不⼀致。因此，使⽤这种策略时，需要考虑出现不同步问题时的降级或补偿方案。

B. 高并发情况

使⽤以上策略后，可以保证在单线程/⽆并发场景下的数据⼀致性。但是，在⾼并发场景下，由于数据库层⾯的读写并发，会引发的数据库与缓存数据不⼀致的问题（本质是后发⽣的读请求先返回了）

(1) 先删除缓存，再更新数据库

假设线程 A 删除缓存值后，由于⽹络延迟等原因导致未及更新数据库，⽽此时，线程 B 开始读取数据时会发现缓存缺失，进⽽去查询数据库。⽽当线程 B 从数据库读取完数据、更新了缓存后，线程 A 才开始更新数据库，此时，会导致缓存中的数据是旧值，⽽数据库中的是新值，产⽣“数据不⼀致”。其本质就是，本应后发⽣的“B线程读请求” 先于“A线程-写请求”执⾏并返回了。

或者

解决策略：

a.设置缓存过期时间 + 延时双删

通过设置缓存过期时间，若发⽣上述淘汰缓存失败的情况，则在缓存过期后，读请求仍然可以从DB中读取新数据并更新缓存，可减⼩数据不⼀致的影响范围。虽然在⼀定时间范围内数据有差异，但可以保证数据的终⼀致性。

此外，还可以通过延时双删进⾏保障：在线程 A 更新完数据库值以后，让它先 sleep ⼀⼩段时间，确保线程 B 能 够先从数据库读取数据，再把缺失的数据写⼊缓存，然后，线程 A 再进⾏删除。后续，其它线程读取数据时，发现缓存缺失，会从数据库中读取新值。

redis.delKey(X)
db.update(X)
Thread.sleep(N)
redis.delKey(X)

相关文章