如何保障MySQL和redis缓存的一致性
一、问题分析
众所周知，数据库是把数据存储在磁盘上，访问时需要进行IO操作，在请求量小的情况下，耗时还比较低。但随着数据量的增大，访问量的集中，整个数据库负担加重，响应就会变慢，请求延时上升。进而导致用户侧的等待时间变长，很大程度上影响了用户体验。
为了解决这一问题，在整个请求链路上就引入了缓存的策略，将数据库中的数据copy一份到redis缓存（毕竟可是号称单机抗10w qps）。由于redis的数据是直接存在内存中，因此读写数据速度提升，整体请求响应速度也得到了提高。
但是这样一来，数据就存在了两个地方：缓存redis和数据库db中，不可避免出现redis和db中数据的一致性问题。
二、针对读场景
- 如果redis中存在用户所需数据，直接返回即可；如果不存在，则试图从db中读取数据，读取完成后，将该数据更新到redis中，避免下次再次查询或其他用户查询时，仍从db读取。
- 在高并发场景下，两次请求同时请求redis，发现数据并不存在后，都会从db中加载数据，然后再重新将数据写入redis，无论两次请求的写操作谁先谁后，数据本身是一样的，只不过额外进行了一次数据写覆盖。因此不会产生数据不一致的问题。
三、针对写场景
- 如果redis中本身不存在缓存数据，则直接修改db中的数据即可，不会产生数据不一致问题。
- 如果redis中已存在缓存数据，则需要同时修改db和redis中的数据，但是二者修改操作的执行必然存在先后顺序。在高并发的场景下，就有可能产生数据不一致的情况。
四、疑问？
- 由于redis中的数据可有可无，那么当数据发生变化时，是对redis中的数据进行修改，还是直接删除对应的redis，然后通过后续的读请求再回源db，将数据重新写入redis呢？
- redis和db的数据写操作的顺序问题，是先更新redis，还是先更新db？
五、问题1：缓存数据淘汰 或者 更新
方案1: 淘汰缓存策略
- 优点：操作简单，直接将对应缓存删除即可。
- 缺点：由于缓存被删除后，下次的读请求无法命中缓存，需回源db，将数据重新写入redis。
方案2: 更新缓存策略
- 优点：缓存命中率高，只要缓存进行了更新，后续的读请求不会出现缓存未命中(cache miss)的情况。
- 缺点：在某些业务场景下，缓存更新的成本过大。且更新后的缓存不一定会被使用。
综合分析
其实业界一般采用的都是缓存淘汰策略，而非缓存更新策略。原因有三：
- 大多数情况下，redis缓存中的数据并不是完全copy
db中的数据，而是将db中多张表的数据进行了重新计算，筛选后更新到redis。如果在db某一张表的数据发生了变化的情况下，需要同步重新计算redis中的值，成本过高。 - 缓存更新后的新值，无法保证一定会有读请求命中，如果一直没有请求命中该部分冷数据，其实是产生了一定的资源浪费（计算成本+存储成本）。
- 相较于淘汰缓存策略中，仅有一次读请求cache miss的结果来说，淘汰缓存策略的缺点完全可以容忍。
问题2：redis和db写操作，谁先谁后？
注意：以下的方案讨论都是基于redis淘汰缓存操作以及数据库更新操作保证成功（可通过重试机制解决）的情况下，高并发的业务场景中的解决方案。
方案1: 先淘汰缓存，后更新数据库
正常情况
- A请求进行写操作，先淘汰缓存，再更新数据库。
- B请求进行读操作，由于A请求已将缓存淘汰，B请求没有在redis中发现所需数据，因此从数据库中读取数据，并更新缓存到redis中。
异常情况1
- A请求进行写操作，先淘汰缓存。
- B请求进行读操作，由于A请求已将缓存淘汰，B请求没有在redis中发现所需数据，因此从数据库中读取数据，并更新缓存到redis中。注意，此时redis中被更新的依然是老数据，A请求的数据库更新操作尚未完成。
- A请求进行数据库更新操作。此时，数据库中是新数据，redis缓存中是老数据，产生了数据不一致的问题。且该不一致会一直持续到缓存自然失效或者下次的更新操作。
提供两种解决思路
异步更新缓存
- A请求进行写操作，先淘汰缓存。
- B请求进行读操作，由于A请求已将缓存淘汰，B请求没有在redis中发现所需数据，因此从数据库中读取数据。注意，此时不向redis写入新的缓存策略。
- A请求通过订阅数据库binlog，对redis缓存数据进行异步更新。
- 该方案虽然解决了数据不一致的问题，但是在数据库更新操作完成前，所有的读请求都会直接打到数据库上，具有比较大的风险。
延时双删
- A请求进行写操作，先淘汰缓存。
- B请求进行读操作，由于A请求已将缓存淘汰，B请求没有在redis中发现所需数据，因此从数据库中读取数据，并更新缓存到redis中。注意，此时redis中被更新的依然是老数据，A请求的数据库更新操作尚未完成。假设该步骤耗时N秒。
- A请求进行数据库更新操作。
- 由于此时redis中写入了老数据，因此A请求在休眠M秒后（M略大于N），再次对redis进行淘汰缓存操作。
- 该方案虽然解决了数据不一致的问题，但是由于请求A在更新完数据库之后，需要休眠M秒再次淘汰缓存，一定程度上影响了数据更新操作的吞吐量。可以尝试将等待M秒更新redis的操作放到另一个单独的线程（比如消息队列+重试机制），可以有效缓解吞吐量降低的问题。
异常情况2
- A请求进行读操作，此时redis缓存中没有数据，因此直接从数据库中读取数据。
- B请求进行写操作，先淘汰缓存，再更新数据库。
- A请求进行将从数据库中读到的老数据，更新到redis。此时产生数据不一致问题。
- 该种异常情况发生概率极低，一般读操作比写操作要快。如有担心，可以采用上述的延时删除策略。
方案2: 先更新数据库，后更新淘汰缓存
正常情况
- A请求进行写操作，先更新数据库，再淘汰缓存。
- B请求进行读操作，由于A请求已将缓存淘汰，B请求没有在redis中发现所需数据，因此从数据库中读取数据，并更新缓存到redis中。
异常情况1
- A请求进行写操作，先更新数据库。
- B请求进行读操作，由于A请求尚未淘汰缓存，B请求在redis中发现所需数据，因此直接返回老数据，产生了数据不一致的问题。
- A请求淘汰缓存。
- C请求进行读操作，发现redis中没有数据，因此从数据库中读取新数据，并更新至缓存。数据不一致的问题解决。
- 该场景下，数据最终一致，只是在高并发下产生了一小段时间的数据不一致。
异常情况2
- A请求进行读操作，此时redis缓存中没有数据，因此直接从数据库中读取数据。
- B请求进行写操作，更新数据库，并将redis中缓存进行了淘汰（虽然此时redis中并没有任何的缓存）。
- A请求将从数据库中读到的老数据，更新到redis。此时产生数据不一致问题。
- 该种异常情况发生概率极低，一般读操作比写操作要快。如有担心，可以采用上述的延时删除策略。
总结
- 方案1：先淘汰缓存，后更新数据库的策略，有可能导致长时间的数据不一致问题，可以通过延时双删 or 异步更新缓存策略进行解决。
- 方案2：先更新数据库，后更新缓存，有可能导致极短时间内的数据不一致，但是数据最终是一致的。