• 欢迎光临~

Redis与MySQL的数据一致性解决方案

开发技术 开发技术 2022-07-31 次浏览

一、前言

RedisMySQL双写一致性如何保证?
这问题其实就是在问缓存和数据库在双写场景下,一致性是如何保证的?

预备知识:谈谈一致性

Redis与MySQL的数据一致性解决方案

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。

二、集中式redis缓存的三个经典的缓存模式

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?有三种经典的缓存模式:

  • 旁路缓存(Cache-Aside Pattern)
  • 读写穿透(Read/Write Through)
  • 异步缓存写入(Write Behind)

2.1 旁路缓存

Cache-Aside Pattern,即旁路缓存模式也叫边缘缓存模式,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。这是最常用的模式。具体逻辑如下:

  • 失效:应用程序先从cache取数据,没有得到,则从数据库中取数据,成功后,放到缓存中。
  • 命中:应用程序从cache中取数据,取到后返回。
  • 更新:先把数据存到数据库中,成功后,再让缓存失效。

2.1.1 旁路缓存的读流程

旁路缓存的读请求流程如下:

Redis与MySQL的数据一致性解决方案

读的时候,先读缓存,缓存命中的话,直接返回数据;
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。

2.1.2 旁路缓存写流程

旁路缓存的写请求流程如下:

Redis与MySQL的数据一致性解决方案

更新的时候,先更新数据库,然后再删除缓存。

小结:一个是查询操作,一个是更新操作的并发,首先,没有了删除cache数据的操作了,而是先更新了数据库中的数据,此时,缓存依然有效,所以,并发的查询操作拿的是没有更新的数据,但是,更新操作马上让缓存的失效了,后续的查询操作再把数据从数据库中拉出来。而不会像文章开头的那个逻辑产生的问题,后续的查询操作一直都在取老的数据。

要么通过2PC或是Paxos协议保证一致性,要么就是拼命的降低并发时脏数据的概率,而Facebook使用了这个降低概率的玩法,因为2PC太慢,而Paxos太复杂。当然,最好还是为缓存设置上过期时间。

2.2 读写穿透

在上面的旁路缓存套路中,我们的应用代码需要维护两个数据存储,一个是缓存(Cache),一个是数据库(Repository)。而读写穿透(Read/Write Through)套路是把更新数据库(Repository)的操作由缓存自己代理了,所以,对于应用层来说,就简单很多了。可以理解为,应用认为后端就是一个单一的存储,而存储自己维护自己的Cache

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。

2.2.1 Read-Through读流程

Read Through套路就是在查询操作中更新缓存,也就是说,当缓存失效的时候(过期或LRU换出),Cache Aside是由调用方负责把数据加载入缓存,而Read Through则用缓存服务自己来加载,从而对应用方是透明的。 Read-Through的简要读流程如下
Redis与MySQL的数据一致性解决方案

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

这个简要流程是不是跟旁路缓存很像呢?

其实Read-Through就是多了一层Cache-Provider,流程如下:

Redis与MySQL的数据一致性解决方案

Read-Through的优点

Read-Through实际只是在旁路缓存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。

2.2.2 Write-Through写流程

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,不过是在更新数据时发生。当有数据更新的时候,如果没有命中缓存,直接更新数据库,然后返回。如果命中了缓存,则更新缓存,然后再由Cache自己更新数据库,流程如下:

Redis与MySQL的数据一致性解决方案

2.3 异步缓存写入

Write Behind又叫Write BackWrite Back就是Linux文件系统的Page Cache的算法。

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。它两又有个很大的不同: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

这个设计的好处就是让数据的I/O操作飞快无比(因为直接操作内存嘛 ),因为异步,Write Back还可以合并对同一个数据的多次操作,所以性能的提高是相当可观的。

Redis与MySQL的数据一致性解决方案

这种方式下,缓存和数据库的一致性不强,可能会丢失数据,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,MySQLInnoDB Buffer Pool机制就使用到这种模式。

2.4 三种模式的比较

Cache Aside更新模式实现起来比较简单,但是需要维护两个数据存储:

  • 一个是缓存(Cache
  • 一个是数据库(Repository)。

Read/Write Through的写模式需要维护一个数据存储(缓存),实现起来要复杂一些。
Write Behind Caching更新模式和Read/Write Through更新模式类似,区别是Write Behind Caching更新模式的数据持久化操作是异步的,但是Read/Write Through更新模式的数据持久化操作是同步的Write Behind Caching的优点是直接操作内存速度快,多次操作可以合并持久化到数据库。缺点是数据可能会丢失,例如系统断电等。

2.5 旁路缓存的问题

2.5.1 更新数据的时候,旁路缓存是删除缓存呢,还是应该更新缓存?

有些小伙伴可能会问,旁路缓存在写入请求的时候,为什么是删除缓存而不是更新缓存呢?

Redis与MySQL的数据一致性解决方案

我们在操作缓存的时候,到底应该删除缓存还是更新缓存呢?我们先来看个例子:
Redis与MySQL的数据一致性解决方案

操作的次序如下:

线程A先发起一个写操作,第一步先更新数据库
线程B再发起一个写操作,第二步更新了数据库

现在,由于网络等原因,线程B先更新了缓存,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,脏数据出现啦。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。

更新缓存相对于删除缓存,还有两点劣势:

  1. 如果你写入的缓存值,是经过复杂计算才得到的话。更新缓存频率高的话,就浪费性能啦。
  2. 在写多读少的情况下,数据很多时候还没被读取到,又被更新了,这也浪费了性能呢(实际上,写多的场景,用缓存也不是很划算了)

任何的措施,也不是绝对的好,只有分场景看是不是适合,更新缓存的措施,也是有用的:

在读多写少的场景,价值大。

2.5.2 双写的情况下,先操作数据库还是先操作缓存?

旁路缓存模式中,有些小伙伴还是有疑问,在写入请求的时候,为什么是先操作数据库呢?为什么不先操作缓存呢?

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。

Redis与MySQL的数据一致性解决方案

A、B两个请求的操作流程如下:

  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,读出来一个老数据
  4. 然后线程B把老数据设置入cache
  5. 线程A写入DB最新的数据

这样就有问题啦,缓存和数据库的数据不一致了。

缓存保存的是老数据,数据库保存的是新数据。因此,旁路缓存模式,选择了先操作数据库而不是先操作缓存。

三、redis分布式缓存与数据库的数据一致性

重要:缓存是通过牺牲强一致性来提高性能的

这是由CAP理论决定的。缓存系统适用的场景就是非强一致性的场景,它属于CAP中的AP。具体请参考分布式事务原理及解决方案里面的CAP相关理论

所以,如果需要数据库和缓存数据保持强一致,就不适合使用缓存。

所以使用缓存提升性能,就是会有数据更新的延迟。这需要我们在设计时结合业务仔细思考是否适合用缓存。然后缓存一定要设置过期时间,这个时间太短、或者太长都不好:

  • 太短的话请求可能会比较多的落到数据库上,这也意味着失去了缓存的优势。
  • 太长的话缓存中的脏数据会使系统长时间处于一个延迟的状态,而且系统中长时间没有人访问的数据一直存在内存中不过期,浪费内存。

但是,通过一些方案优化处理,是可以保证弱一致性,最终一致性的。

四、3种方案保证数据库与缓存的一致性

3种方案保证数据库与缓存的一致性

  • 延时双删策略
  • 删除缓存重试机制
  • 读取biglog异步删除缓存

4.1 缓存延时双删

有些小伙伴可能会说,不一定要先操作数据库呀,采用缓存延时双删策略就好啦?什么是延时双删呢?

延时双删的步骤:

1 先删除缓存
2 再更新数据库
3 休眠一会(比如1秒),再次删除缓存。

Redis与MySQL的数据一致性解决方案

参考代码如下:

Redis与MySQL的数据一致性解决方案

这个休眠一会,一般多久呢?都是1秒?

这个休眠时间 = 读业务逻辑数据的耗时 + 几百毫秒。

为了确保读请求结束,写请求可以删除读请求可能带来的缓存脏数据。

4.2 删除缓存重试机制

不管是延时双删还是旁路缓存的先操作数据库再删除缓存,如果第二步的删除缓存失败呢?

删除失败会导致脏数据哦~

删除失败就多删除几次呀,保证删除缓存成功呀~所以可以引入删除缓存重试机制

Redis与MySQL的数据一致性解决方案

删除缓存重试机制的大致步骤:

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

4.3 同步biglog异步删除缓存

重试删除缓存机制还可以,就是会造成好多业务代码入侵。其实,还可以通过数据库的binlog来异步淘汰key。

Redis与MySQL的数据一致性解决方案

mysql为例可以使用阿里的canalbinlog日志采集发送到MQ队列里面,然后编写一个简单的缓存删除消息者订阅binlog日志,根据更新log删除缓存,并且通过ACK机制确认处理这条更新log,保证数据缓存一致性

4.3.1 如何确保消费成功

PushConsumer为了保证消息肯定消费成功,只有使用方明确表示消费成功,RocketMQ才会认为消息消费成功。中途断电,抛出异常等都不会认为成功——即都会重新投递。首先,消费的时候,我们需要注入一个消费回调,具体sample代码如下:

consumer.registerMessageListener(new MessageListenerConcurrently() {
@Override
public ConsumeConcurrentlyStatus consumeMessage(List<MessageExt> msgs,
            ConsumeConcurrentlyContext context) {
    System.out.println(Thread.currentThread().getName() + " Receive New Messages: " + msgs);
    delcache(key);//执行真正删除
    return ConsumeConcurrentlyStatus.CONSUME_SUCCESS;//返回消费成功
 }
});

业务实现消费回调的时候,当且仅当此回调函数返回ConsumeConcurrentlyStatus.CONSUME_SUCCESSRocketMQ才会认为这批消息(默认是1条)是消费完成的。如果这时候消息消费失败,例如数据库异常,余额不足扣款失败等一切业务认为消息需要重试的场景,只要返回ConsumeConcurrentlyStatus.RECONSUME_LATERRocketMQ就会认为这批消息消费失败了。

为了保证消息是肯定被至少消费成功一次,RocketMQ会把这批消费失败的消息重发回Brokertopic不是原topic而是这个消费租的RETRY topic),在延迟的某个时间点(默认是10秒,业务可设置)后,再次投递到这个ConsumerGroup。而如果一直这样重复消费都持续失败到一定次数(默认16次),就会投递到DLQ死信队列。应用可以监控死信队列来做人工干预。

4.3.2 pub/sub的订阅实现

Pub/Sub功能(means Publish,Subscribe)即发布及订阅功能。Pub/Sub是目前广泛使用的通信模型,它采用事件作为基本的通信机制,提供大规模系统所要求的松散耦合的交互模式:订阅者(如客户端)以事件订阅的方式表达出它有兴趣接收的一个事件或一类事件;发布者(如服务器)可将订阅者感兴趣的事件随时通知相关订阅者。熟悉设计模式的朋友应该了解这与23种设计模式中的观察者模式极为相似。

Redis的pub/sub订阅实现

Redis通过publishsubscribe命令实现订阅和发布的功能。订阅者可以通过subscriberedis server订阅自己感兴趣的消息类型。redis将信息类型称为通道(channel)。当发布者通过publish命令向redis server发送特定类型的信息时,订阅该消息类型的全部订阅者都会收到此消息。

4.3.3 主从数据库通过biglog异步删除

但是还有个问题,「如果是主从数据库呢」

因为主从DB同步存在延时时间。如果删除缓存之后,数据同步到备库之前已经有请求过来时,「会从备库中读到脏数据」,如何解决呢?解决方案如下流程图:

Redis与MySQL的数据一致性解决方案

五、缓存与数据的一致性的保障策略总结

综上所述,在分布式系统中,缓存和数据库同时存在时,如果有写操作的时候,「先操作数据库,再操作缓存」。如下:

  1. 读取缓存中是否有相关数据
  2. 如果缓存中有相关数据value,则返回
  3. 如果缓存中没有相关数据,则从数据库读取相关数据放入缓存中key->value,再返回
  4. 如果有更新数据,则先更新数据库,再删除缓存
  5. 为了保证第四步删除缓存成功,使用binlog异步删除
  6. 如果是主从数据库,binglog取自于从库
  7. 如果是一主多从,每个从库都要采集binlog,然后消费端收到最后一台binlog数据才删除缓存,或者为了简单,收到一次更新log,删除一次缓存

参考文章

https://blog.csdn.net/lans_g/article/details/124652284

程序员灯塔
转载请注明原文链接:Redis与MySQL的数据一致性解决方案
喜欢 (0)