vlambda博客
学习文章列表

Redis和Mysql如何保持数据一致性

架构师(JiaGouX)
我们都是架构师!
架构未来,你来不来?


  • 在高并发的场景下,大量的请求直接访问Mysql很容易造成性能问题
  • 所以,我们都会用Redis来做数据的缓存,削减对数据库的请求
  • 但是,Mysql和Redis是两种不同的数据库,如何保证不同数据库之间数据的一致性就非常关键了


1.导致数据不一致的原因

  • 在高并发的业务场景下,数据库大多数情况都是用户并发访问最薄弱的环节。
  • 所以,就需要使用redis做一个缓冲操作,让请求先访问到redis,而不是直接访问MySQL等数据库。
  • 读取缓存步骤一般没有什么问题,但是一旦涉及到数据更新:数据库和缓存更新,就容易出现缓存(Redis)和数据库(MySQL)间的数据一致性问题。
  • 这个业务场景,主要是解决读数据从Redis缓存,一般都是按照下图的流程来进行业务操作。

2.缓存先后删除问题

不管是先写MySQL数据库,再删除Redis缓存;还是先删除缓存,再写库,都有可能出现数据不一致的情况。

2.1 先删除缓存

  • 如果先删除Redis缓存数据,然而还没有来得及写入MySQL,另一个线程就来读取
  • 这个时候发现缓存为空,则去Mysql数据库中读取旧数据写入缓存,此时缓存中为脏数据。
  • 然后数据库更新后发现Redis和Mysql出现了数据不一致的问题

2.2 后删除缓存

  • 如果先写了库,然后再删除缓存,不幸的写库的线程挂了,导致了缓存没有删除
  • 这个时候就会直接读取旧缓存,最终也导致了数据不一致情况
  • 因为写和读是并发的,没法保证顺序,就会出现缓存和数据库的数据不一致的问题

3.解决方案

3.1 延时双删策略

3.1.1 基本思路

  • 在写库前后都进行redis.del(key)操作,并且设定合理的超时时间。

  • 伪代码如下:

public void write( String key, Object data ){ redis.delKey( key ); db.updateData( data ); Thread.sleep( 500 ); redis.delKey( key );}

3.1.2 具体步骤

  • 1.先删除缓存
  • 2.再写数据库
  • 3.休眠500毫秒
  • 4.再次删除缓存

问题:这个500毫秒怎么确定的,具体该休眠多久时间呢?

  • 需要评估自己的项目的读数据业务逻辑的耗时。

  • 这么做的目的,就是确保读请求结束,写请求可以删除读请求造成的缓存脏数据。

  • 当然这种策略还要考虑redis和数据库主从同步的耗时。

  • 最后的的写数据的休眠时间:则在读数据业务逻辑的耗时基础上,加几百ms即可。比如:休眠1秒。

3.1.3 设置缓存过期时间是关键点

  • 从理论上来说,给缓存设置过期时间,是保证最终一致性的解决方案
  • 所有的写操作以数据库为准,只要到达缓存过期时间,缓存删除
  • 如果后面还有读请求的话,就会从数据库中读取新值然后回填缓存

3.1.4 方案缺点

结合双删策略+缓存超时设置,这样最差的情况就是:
  • 在缓存过期时间内发生数据存在不一致
  • 同时又增加了写请求的耗时。

3.2 异步更新缓存(基于Mysql binlog的同步机制)

3.2.1 整体思路

  • 1.涉及到更新的数据操作,利用Mysql binlog 进行增量订阅消费
  • 2.将消息发送到消息队列
  • 3.通过消息队列消费将增量数据更新到Redis上
  • 4.操作情况
  • 读取Redis缓存:热数据都在Redis上
  • 写Mysql:增删改都是在Mysql进行操作
  • 更新Redis数据:Mysql的数据操作都记录到binlog,通过消息队列及时更新到Redis上

3.2.2 Redis更新过程

(1) 数据操作主要分为两种:
  • 一种是全量(将所有数据一次性写入Redis)
  • 一种是增量(实时更新)
这里说的是增量,指的是mysql的update、insert、delate变更数据。
(2)读取binlog后分析 ,利用消息队列,推送更新各台的redis缓存数据。
  • 这样一旦MySQL中产生了新的写入、更新、删除等操作,就可以把binlog相关的消息推送至Redis
  • Redis再根据binlog中的记录,对Redis进行更新
  • 其实这种机制,很类似MySQL的主从备份机制,因为MySQL的主备也是通过binlog来实现的数据一致性
这里的消息推送工具你也可以采用别的第三方:kafka、rabbitMQ等来实现推送更新Redis!

4.总结

  • 在高并发应用场景下,如果是 对数据一致性要求高 的情况下,要定位好导致数据和缓存不一致的原因
  • 解决高并发场景下数据一致性的方案有两种,分别是 延时双删策略 异步更新缓存 两种方案
  • 另外, 设置缓存的过期时间 是保证数据保持一致性的关键操作,需要结合业务进行合理的设置。


·END·

相关阅读:









来源:joyohub.com/redis/redis-consistency


版权申明:内容来源网络,仅供分享学习,版权归原创者所有。除非无法确认,我们都会标明作者及出处,如有侵权烦请告知,我们会立即删除并表示歉意。谢谢!

架构师

我们都是架构师!



关注架构师(JiaGouX),添加“星标”

获取每天技术干货,一起成为牛逼架构师

技术群请加若飞:1321113940 进架构师群

投稿、合作、版权等邮箱:[email protected]