Redis與MySQL雙寫一致性如何保證？ （美團二面）

前言

四月份的時候，有位朋友去美團面試，他說被問到Redis與MySQL雙寫一致性如何保證？ 這道題其實就是在問緩存和數據庫在雙寫場景下，一致性是如何保證的？本文將跟大家一起來探討如何回答這個問題。

• github地址，感謝每一顆star

談談一致性

一致性就是數據保持一致，在分布式系統中，可以理解為多個節點中數據的值是一致的。

• 強一致性：這種一致性級別是最符合用戶直覺的，它要求系統寫入什么，讀出來的也會是什么，用戶體驗好，但實現起來往往對系統的性能影響大
• 弱一致性：這種一致性級別約束了系統在寫入成功后，不承諾立即可以讀到寫入的值，也不承諾多久之后數據能夠達到一致，但會盡可能地保證到某個時間級別（比如秒級別）后，數據能夠達到一致狀態
• 最終一致性：最終一致性是弱一致性的一個特例，系統會保證在一定時間內，能夠達到一個數據一致的狀態。這里之所以將最終一致性單獨提出來，是因為它是弱一致性中非常推崇的一種一致性模型，也是業界在大型分布式系統的數據一致性上比較推崇的模型

三個經典的緩存模式

緩存可以提升性能、緩解數據庫壓力，但是使用緩存也會導致數據不一致性的問題。一般我們是如何使用緩存呢？有三種經典的緩存模式：

• Cache-Aside Pattern
• Read-Through/Write through
• Write behind

Cache-Aside Pattern

Cache-Aside Pattern，即旁路緩存模式，它的提出是為了盡可能地解決緩存與數據庫的數據不一致問題。

Cache-Aside讀流程

Cache-Aside Pattern的讀請求流程如下：

1. 讀的時候，先讀緩存，緩存命中的話，直接返回數據
2. 緩存沒有命中的話，就去讀數據庫，從數據庫取出數據，放入緩存后，同時返回響應。

Cache-Aside 寫流程

Cache-Aside Pattern的寫請求流程如下：

更新的時候，先更新數據庫，然后再刪除緩存。

Read-Through/Write-Through（讀寫穿透）

Read/Write Through模式中，服務端把緩存作為主要數據存儲。應用程序跟數據庫緩存交互，都是通過抽象緩存層完成的。

Read-Through

Read-Through的簡要流程如下

1. 從緩存讀取數據，讀到直接返回
2. 如果讀取不到的話，從數據庫加載，寫入緩存后，再返回響應。

這個簡要流程是不是跟Cache-Aside很像呢？其實Read-Through就是多了一層Cache-Provider，流程如下：

Read-Through實際只是在Cache-Aside之上進行了一層封裝，它會讓程序代碼變得更簡潔，同時也減少數據源上的負載。

Write-Through

Write-Through模式下，當發生寫請求時，也是由緩存抽象層完成數據源和緩存數據的更新,流程如下：

Write behind （異步緩存寫入）

Write behind跟Read-Through/Write-Through有相似的地方，都是由Cache Provider來負責緩存和數據庫的讀寫。它兩又有個很大的不同：Read/Write Through是同步更新緩存和數據的，Write Behind則是只更新緩存，不直接更新數據庫，通過批量異步的方式來更新數據庫。

這種方式下，緩存和數據庫的一致性不強，對一致性要求高的系統要謹慎使用。但是它適合頻繁寫的場景，MySQL的InnoDB Buffer Pool機制就使用到這種模式。

操作緩存的時候，刪除緩存呢，還是更新緩存？

一般業務場景，我們使用的就是Cache-Aside模式。 有些小伙伴可能會問， Cache-Aside在寫入請求的時候，為什么是刪除緩存而不是更新緩存呢？

我們在操作緩存的時候，到底應該刪除緩存還是更新緩存呢？我們先來看個例子：

1. 線程A先發起一個寫操作，第一步先更新數據庫
2. 線程B再發起一個寫操作，第二步更新了數據庫
3. 由于網絡等原因，線程B先更新了緩存
4. 線程A更新緩存。

這時候，緩存保存的是A的數據（老數據），數據庫保存的是B的數據（新數據），數據不一致了，臟數據出現啦。如果是刪除緩存取代更新緩存則不會出現這個臟數據問題。

更新緩存相對于刪除緩存，還有兩點劣勢：

• 如果你寫入的緩存值，是經過復雜計算才得到的話。更新緩存頻率高的話，就浪費性能啦。
• 在寫數據庫場景多，讀數據場景少的情況下，數據很多時候還沒被讀取到，又被更新了，這也浪費了性能呢(實際上，寫多的場景，用緩存也不是很劃算了)

雙寫的情況下，先操作數據庫還是先操作緩存？

Cache-Aside緩存模式中，有些小伙伴還是有疑問，在寫入請求的時候，為什么是先操作數據庫呢？為什么不先操作緩存呢？

假設有A、B兩個請求，請求A做更新操作，請求B做查詢讀取操作。

1. 線程A發起一個寫操作，第一步del cache
2. 此時線程B發起一個讀操作，cache miss
3. 線程B繼續讀DB，讀出來一個老數據
4. 然后線程B把老數據設置入cache
5. 線程A寫入DB最新的數據

醬紫就有問題啦，緩存和數據庫的數據不一致了。緩存保存的是老數據，數據庫保存的是新數據。因此，Cache-Aside緩存模式，選擇了先操作數據庫而不是先操作緩存。

緩存延時雙刪

有些小伙伴可能會說，不一定要先操作數據庫呀，采用緩存延時雙刪策略就好啦？什么是延時雙刪呢？

1. 先刪除緩存
2. 再更新數據庫
3. 休眠一會（比如1秒），再次刪除緩存。

這個休眠一會，一般多久呢？都是1秒？

這個休眠時間 = 讀業務邏輯數據的耗時 + 幾百毫秒。 為了確保讀請求結束，寫請求可以刪除讀請求可能帶來的緩存臟數據。

刪除緩存重試機制

不管是延時雙刪還是Cache-Aside的先操作數據庫再刪除緩存，如果第二步的刪除緩存失敗呢，刪除失敗會導致臟數據哦~

刪除失敗就多刪除幾次呀,保證刪除緩存成功呀~ 所以可以引入刪除緩存重試機制

1. 寫請求更新數據庫
2. 緩存因為某些原因，刪除失敗
3. 把刪除失敗的key放到消息隊列
4. 消費消息隊列的消息，獲取要刪除的key
5. 重試刪除緩存操作

讀取biglog異步刪除緩存

重試刪除緩存機制還可以，就是會造成好多業務代碼入侵。其實，還可以通過數據庫的binlog來異步淘汰key。

以mysql為例 可以使用阿里的canal將binlog日志采集發送到MQ隊列里面，然后通過ACK機制確認處理這條更新消息，刪除緩存，保證數據緩存一致性

推薦學習：《Redis視頻教程》