面试总结-如何保证redis和mysql的数据一致性_先更新数据库,再删除缓存,使用mysql binlog日志

1. 不推荐的四种方案

1.1. 先更新数据库，再更新缓存

1.2. 先更新缓存，再更新数据库

以上两种情况存在多线程并发双写不一致性

1.3. 先删除缓存，再更新数据库（优化方案，延迟双删方案）

T1删缓存；T2读缓存未命中，后读数据库，再更新缓存；T1再更新数据库；T3再读缓存(脏数据)

1.4.先更新数据库，再删除缓（优化方案，canal订阅binlog日志方案）

T1读缓存未命中，再查询数据库；T2更新数据库，再删缓存；T1更新缓存；T3再读缓存(脏数据)

以上两种情况存在多线程并发读写不一致性存

2. 延迟双删(最终一致性)

A. T1删除缓存，再更新数据库；

B. T2(或多个线程)在T1更新完之前读取数据库旧数据，再写入缓存；

C. T1更新完数据库，再睡眠n秒(具体看T2的数据业务逻辑时间)，待T2读写结束，再次删除缓存；

D. T3查询缓存未命中，再查询数据库最新该数据(是T1更新的数据)。保证了mysql和redis的一致性

2.1延迟双删存在的问题：

A. 睡眠延迟时间不好确定(T1线程sleep的时间, 需要大于T2线程读取数据再写入Redis缓存的时间.)

B. mysql若是读写分离架构，线程睡眠时间还需要加上从机自主机同步数据的时间

C. 睡眠延迟导致吞吐量降低

D. T2在第二次删除缓存时，删除缓存失败

2.2优化延迟双删方案：

T2延迟后第二次删除缓存，但若删除失败，也导致数据库和缓存的数据不一致

因此提出优化解决方案，删除失败的缓存，进入mq消息队列，实现异步重试删除，直至删除成功。若重试达到次数上限还未成功，直接报错或发通知，再手动处理，保证最终一致性

优化后的缺点：业务代码被入侵

3. 同canal订阅binlog日志(最终一致性)

3.1. 先更新数据库

3.2. 数据库将操作sql信息写入binlog

3.3. 通过canal订阅binlog，并提取所需数据及key

3.4. 另起业务代码，获取canal的订阅数据，解析目标key

3.5. 尝试删除这些key的缓存，若删除失败，将这些删除失败的数据推至mq

3.6. mq再通过异步重试，执行删除操作

canal是阿里出的一个增量数据同步工具，原理就是伪装成mysql Slave向master发送jdump协议，master收到dumpq请求，开始推送binlog给canal，然后canal解析binlog中的sql，发往存储目的地，如mysql、kafka、es、mq、redis等

4. 若要实现mysql和redis的强一致性，怎么办？

一致性协议方案：2PC、Paxos一致性算法、分布式锁等；这些方案往往比较复杂，影响系统性能

但是我们引入redis缓存的目的是什么？是提升系统性能，比如我们可以通过加分布式锁的方式来实现强一致性，但我们也要付出相应的代价，甚至很可能会超过引入缓存带来的性能提升。因此没必要追求强一致性，只能尽可能地去降低出现数据不一致的概率，并达到最终一致性。

同时设置redis缓存失效时间，虽然会有短时间数据不一致，但失效时间兜底也能保证最终一致性

5. mysql的主从复制原理

1. 开启binlog日志，mysql安装目录下的my.ini配置文件，添加一句log_bin = mysql_bin即可

2. mysql会把所有的DDL、DML、TCL写入BinaryLog日志文件中

3. Master会开启一个 log dump 线程，用来给从库的 i/o线程传binlog

4. 从库的i/o线程去请求主库的binlog，并将得到的binlog日志写到中继日志（relaylog）中

5. 从库的sql线程，会读取relaylog文件中的日志，并解析成具体操作，通过主从的操作一致，而达到最终数据一致