缓存与数据库数据一致性问题_一致性缺失 通过增大缓存容量缓解

目录

谈谈一致性

 三个经典的缓存模式

Cache-Aside读流程

Cache-Aside 写流程

操作缓存的时候，到底是删除缓存呢，还是更新缓存？

双写的情况下，先操作数据库还是先操作缓存？

3种方案保证数据库与缓存的一致性

缓存延时双删

删除缓存重试机制

---

谈谈一致性

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

 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？有三种经典的缓存使用模式：

• Cache-Aside Pattern

• Read-Through/Write-through

• Write-behind

Cache-Aside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。

Cache-Aside 写流程

更新的时候，先更新数据库，然后再删除缓存。

 

操作缓存的时候，到底是删除缓存呢，还是更新缓存？

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，脏数据出现啦。

更新缓存相对于删除缓存，先分析下两点劣势：

• 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。

• 在写数据库场景多，读数据场景少的情况下，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的,哈哈)

举个例子，一个缓存涉及的表的字段，在一分钟之内修改20次、100次，那么缓存更新20、100次，但一分钟只被查询了一次。但如果是删除缓存的话，我一分钟删除20、100次，又不用做更新操作，等到你用的时候再去查，这样是不是节省了开支。

双写的情况下，先操作数据库还是先操作缓存？

Cache-Aside缓存模式中，有些小伙伴还是会有疑问，在写请求过来的时候，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。

1、先操作缓存、再操作数据库

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

酱紫就有问题啦，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。

2、先操作数据库、再操作缓存

 

此时缓存和数据库的数据一致了。缓存保存的是新数据，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。

• 个别小伙伴可能会问，先操作数据库再操作缓存，不一样也会导致数据不一致嘛？它俩又不是原子性操作的。这个是会的，但是这种方式，一般因为删除缓存失败等原因，才会导致脏数据，这个概率就很低。接下来我们再来分析这种删除缓存失败的情况，如何保证一致性。

3种方案保证数据库与缓存的一致性

 

缓存延时双删

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。

★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。

这种方案还算可以，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。但是如果第二次删除缓存失败呢？缓存和数据库的数据还是可能不一致，对吧？给Key设置一个自然的expire过期时间，让它自动过期怎样？那业务要接受过期时间内，数据的不一致咯？还是有其他更佳方案呢？

 

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。可以使用这个方案优化：删除失败就多删除几次呀,保证删除缓存成功就可以了呀~ 所以可以引入删除缓存重试机制

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