Redis 双写一致性

一致性

• 一致性就是数据保持一致，在分布式系统中，可以理解为多个节点中数据的值是一致的。
  • 强一致性：这种一致性级别是最符合用户直觉的，它要求系统写入什么，读出来的也会是什么，用户体验好，但实现起来往往对系统的性能影响大。
  • 弱一致性：这种一致性级别约束了系统在写入成功后，不承诺立即可以读到写入的值，也不承诺多久之后数据能够达到一致，但会尽可能地保证到某个时间级别（比如秒级别）后，数据能够达到一致状态。
  • 最终一致性：最终一致性是弱一致性的一个特例，系统会保证在一定时间内，能够达到一个数据一致的状态，这里之所以将最终一致性单独提出来，是因为它是弱一致性中非常推崇的一种一致性模型，也是业界在大型分布式系统的数据一致性上比较推崇的模型。

缓存模式

• 缓存可以提升性能，缓解数据库压力，但是使用缓存也会导致数据不一致性的问题，一般我们是如何使用缓存呢？有三种经典的缓存使用模式：
  • Cache-Aside Pattern
  • Read-Through/Write-through
  • Write-behind

Cache-Aside Pattern

• Cache-Aside Pattern，即旁路缓存模式，它的提出是为了尽可能地解决缓存与数据库的数据不一致问题。

读流程

1. 读的时候，先读缓存，缓存命中的话，直接返回数据。
2. 缓存没有命中的话，就去读数据库，从数据库取出数据，放入缓存后，同时返回响应。

写流程

• 更新的时候，先更新数据库，然后再删除缓存。

Read-Through/Write-Through（读写穿透）

• Read/Write-Through模式中，服务端把缓存作为主要数据存储，应用程序跟数据库缓存交互，都是通过抽象缓存层完成的。

Read-Through

1. 从缓存读取数据，读到直接返回。
2. 如果读取不到的话，从数据库加载，写入缓存后，再返回响应。

• 这个简要流程与Cache-Aside很像，其实Read-Through就是多了一层Cache-Provider而已，流程如下：

• Read-Through实际只是在Cache-Aside之上进行了一层封装，它会让程序代码变得更简洁，同时也减少数据源上的负载。

Write-Through

• Write-Through模式下，当发生写请求时，也是由缓存抽象层完成数据源和缓存数据的更新，流程如下：

Write-behind（异步缓存写入）

• Write-behind 跟Read-Through/Write-Through有相似的地方，都是由Cache Provider来负责缓存和数据库的读写，它们又有个很大的不同：Read/Write-Through是同步更新缓存和数据的，Write-Behind则是只更新缓存，不直接更新数据库，通过批量异步的方式来更新数据库。

• 这种方式下，缓存和数据库的一致性不强，对一致性要求高的系统要谨慎使用，但是它适合频繁写的场景，MySQL的InnoDB Buffer Pool机制就使用到这种模式。

保证数据库与缓存的一致性

删除缓存而不是更新缓存

1. 线程A先发起一个写操作，第一步先更新数据库。
2. 线程B再发起一个写操作，第二步更新了数据库。
3. 由于网络等原因，线程B先更新了缓存。
4. 线程A更新缓存。

• 这时候，缓存保存的是A的数据（老数据），数据库保存的是B的数据（新数据），数据不一致了，脏数据出现，如果是删除缓存取代更新缓存则不会出现这个脏数据问题。

先写数据库再删缓存

• 假设有A,B两个请求，请求A做更新操作，请求B做查询读取操作。

1. 线程A发起一个写操作，第一步del cache
2. 此时线程B发起一个读操作，cache miss
3. 线程B继续读DB，读出来一个旧数据。
4. 然后线程B把旧数据设置入cache
5. 线程A写入DB最新的数据。

• 缓存和数据库的数据不一致了，缓存保存的是旧数据，数据库保存的是新数据，因此，Cache-Aside缓存模式，选择了先操作数据库而不是先操作缓存。
• 先操作数据库再操作缓存，也会导致数据不一致，因为不是原子性操作。
• 当缓存失效时，会出现如下问题：
  1. 缓存失效了。
  2. 读线程从数据库读取旧值。
  3. 写线程将新值更新到数据库。
  4. 写线程删除缓存。
  5. 读线程将旧值写入缓存。
• 这种情况下只需要线程B延时删除缓存就好。

缓存延时双删

1. 先删除缓存。
2. 再更新数据库。
3. 休眠一会（读业务逻辑数据的耗时 + 几百毫秒）
4. 再次删除缓存。

• 第一次删除缓存的目的在于当最后一次延时删除缓存失败的情况发生，至少一致性策略只会退化成先删缓存再更新数据的策略。
• 为了确保读请求结束，写请求第二次删除读请求可能带来的缓存脏数据，只有休眠那一会（比如就那1秒），可能有脏数据，一般业务也会接受的。

删除缓存重试机制

• 不管是延时双删还是Cache-Aside的先操作数据库再删除缓存，都可能会存在第二步的删除缓存失败，导致的数据不一致问题。
• 可以引入删除缓存重试机制，如果删除失败就多删除几次，保证删除缓存成功。

1. 写请求更新数据库。
2. 缓存因为某些原因，删除失败。
3. 把删除失败的key放到消息队列。
4. 消费消息队列的消息，获取要删除的key
5. 重试删除缓存操作。

读取binlog异步删除缓存

• 通过异步更新缓存将缓存与数据库的一致性同步从业务中独立出来统一处理，保证数据一致性。

1. 读Redis：热数据基本都在Redis
2. 写MySQL：增删改都是操作MySQL
3. 更新Redis数据：订阅MySQ的数据操作记录binlog，来更新到Redis

• 数据操作分为两大部分：
  • 全量更新（将全部数据一次性写入Redis)
  • 增量更新（实时更新）
• 一旦MySQL中产生了新的写入，更新，删除等操作，就可以把binlog相关的消息通过消息队列推送至Redis,Redis再根据binlog中的记录，对Redis进行更新。
• 这种同步机制类似于MySQL的主从备份机制，可以结合使用阿里的canal对MySQL的binlog进行订阅。