[[416541]]
缓存系统交互缓存系统设计是后端开发人员的必备技能，也是实现高并发的重要武器。
对于读多写少的场景，我们通常使用内存型数据库作为缓存，关系型数据库作为主存储，从而形成两层相互依赖的存储体系。
共识：我们将使用Redis和MySQL作为缓存和主存的实体，展开今天的话题。
缓存系统需要处理读取场景和更新场景：
读取时只要之前MySQL和Redis中的数据是一致的，后续只要没有更新操作就不会有什么问题，借助于内存读取速度来提高并发能力，这也是我们设计缓存系统的初衷。
单纯读取的情况并不多，即使是读多写少的业务模型，也还是会有更新操作，由于操作MySQL和Redis并非天然的原子操作，因此需要我们特殊处理。
读取过程示意：
读取过程：
读请求优先从缓存中获取数据，拿到后即可返回，完成交互；
如缓存无数据，则从主存储拿数据，并且将数据更新回写到缓存中，为后续的读取请求做铺垫。
更新过程之所以会出现数据不一致问题，有内外两大原因：
内部原因：Redis和MySQL的更新不是天然的原子操作，非事务性的组合拳。
外部原因：实际中的读写请求是并发且无序的，可预测性很差，完全不可控。
数据不一致的感知
我们来看个实际中的例子，进一步了解缓存系统的数据不一致问题。
平时上下班挤地铁的时候，我们经常会听网易云，比如我喜欢听民谣，所有会关注官方发布的一些民谣歌曲榜单，如图：
这是个非常典型的读多写少的场景，因为歌单是网易云的运营同学配置的，作为用户我们是无法修改的歌单的内容的。
所以假如我是网易云的后端同学，我肯定会把歌单的信息存储在Redis中，缓存下来提高性能，大概可以是这个样子：
假如因为版权问题，运营删除了一首歌，此时更新了MySQL，但是如果Redis中的数据并没有及时被更新，那么就会有一部分用户在歌单中看到本已被删除的歌曲，点击时可能无法播放等。
画外音：这就是缓存和主存储的数据不一致的现象，当然具体网易云是咋实现的，咱也不清楚，上述的场景纯属作者脑补来说明不一致问题的直观实例。
理性看待不一致问题数据一致性可以说是分布式系统中必然存在的问题，数据一致性可以分为：
强一致性：时时刻刻保持一致。
最终一致性：允许短暂的不一致，但是最后还是一致的。
要实现缓存和主存储的强一致性，需要借助于复杂的分布式一致性协议等，倒不如不用缓存，毕竟缓存的优势还是读多写少的场景。
画外音：缓存并不是什么万金油，对于写多读少的场景，或许并不是适合用缓存，劝大家不要唯缓存论。
在工程上大部分场景下最终一致性就足够了，因此我们将问题转化为：
在保证数据最终一致性的前提下，如何把数据不一致带来的影响降低到业务可接受的范围内。 更新还是删除是个问题当MySQL被更新时，我们如何处理Redis中的老数据呢？
江湖上有两种常见的做法，我们一起来看看：
删除操作 ：直接将key淘汰掉，是否再次被加载由后续读请求决定，本次只负责删除，只管杀不管埋。 更新操作 ：直接update发生变化的key，相当于帮后面的请求做了加载的操作，管杀管埋。可以明确一点删除操作直接操作就行，但是更新操作可能涉及的处理步骤更多，也就是update比delete更复杂。
还有一点，我们需要尽量保证Redis中的数据都是热数据，update每次都会使得数据驻留在Redis中，或许这是没有必要的，因为这些可能是冷数据，至于要加载哪些数据，还是交给后面的请求比较合适。
综上，我们更倾向于将delete操作作为通用的选择，因此文章后续都是基于删除缓存的策略来展开的。
如何解决不一致问题Redis和MySQL的数据不一致产生的根源是: 业务进行更新/写入操作 。
先操作Redis 还是 先操作MySQL是个问题，操作时序不同产生的影响也不同。
尺有所短，寸有所长，说到底是一种权衡，哪一种组合产生的负面影响对业务最小，就倾向于哪种方案。
缓存系统的数据不一致问题，是个经典的问题，因此肯定有很多解决问题的套路，所以让我们带着分析和思考去看看，各个方案的利弊。
思路一：设置缓存过期时间当向Redis写入一条数据时，同时设置过期时间x秒，业务不同过期时间不同。
过期时间到达时Redis就会删掉这条数据，后续读请求Redis出现Cache Miss，进而读取MySQL，然后把数据写到Redis。
如果发生更新操作时，只操作MySQL，那么Redis中的数据更新就只是依赖于过期时间来保底。
换句话说： 如果某个key的数据目前在缓存中，当数据发生更新时，只写MySQL并不写Redis，在更新数据后且缓存过期前的这段时间内，读取的数据是不一致的。
画外音：这种方案是最简单的，如果业务对短时间不一致问题并不在意，设置过期时间的方案就足够了，没有必要搞太复杂。
思路二：先淘汰缓存&再更新主存为了防止其他线程读到缓存中的旧数据，干脆淘汰掉，然后把数据更新到主存储，后续的请求再次读取时触发Cache Miss，从而读取MySQL再将新数据更新到Redis。
在T1时刻：Redis和MySQL对于age的值都是18，二者一致;
在T2时刻：有更新请求需要设置age=20，此时Redis中就没有age这个数据了；在完成Redis淘汰后，进行MySQL数据更新age=20;
这个方案听着还不错的样子，但是读写请求都是并发的，先后顺序完全无法预测，甚至后发出的请求先处理完成，也是很常见的。
因此就造成一个明显的漏洞： 在淘汰Redis的数据完成后，更新MySQL完成之前，这个时间段内如果有新的读请求过来，发现Cache Miss了，就会把旧数据重新写到Redis中，再次造成不一致，并且毫无察觉后续读的都是旧数据。
画外音：这个方案其实不能说完全没有用，但是至少不完美吧，还可以再想想别的方案。
思路三：先更新主存&再淘汰缓存先更新MySQL，成功之后淘汰缓存，后续读取请求时触发Cache Miss再将新数据回写Redis。
这种模式在更新MySQL和淘汰Redis这段时间内，请求读取的还是Redis的旧数据，不过等MySQL更新完成，就可以立刻恢复一致，影响相对比较小。
但是，假如T0时刻读取的数据在缓存没有，那么触发Cache Miss后会产生回写，假如这个回写动作是在T4时刻完成，那么写入的还是老数据，如图：
这种情况确实有问题，但是真是好巧不巧：
事件A：更新MySQL前出现一个读请求，且缓存中无数据出现cache miss
事件B：T3时刻回写Redis的操作才完成，在此之前T2时刻清除了缓存
那么发生问题的概率就是P(A)*P(B)，从实际考虑这种综合事件发生的概率非常低，因为写操作远慢于读操作。
也就是实际场景中上图中更新MySQL&淘汰缓存的操作耗时更久，可以把之前回写到Redis老数据给清除掉。
画外音：先更新MySQL再淘汰Redis的方案，虽然存在小概率不一致问题，但是总体来说工程上是可用的，比如非要说写完MySQL挂了，Redis就没淘汰，这种情况只能说确实有问题。
思路四：延时双删策略前面提到的思路二和思路三都只有一次Redis淘汰操作，这里要说的延时双删本质上是思路二和思路三的结合：
说实话个人觉得，这个方案有点堆操作的感觉，而且设置延时的目的是为了避免思路三的小概率问题，延时设置多久不好确定，二来延时降低了并发性能，同时前置的删除缓存操作起到的作用并不大。
这个方案倒是透露出一种思想：多删几次，可能一致性更有保证，那确实如此。
画外音：这个方案也不是说不行，其实有点麻烦，并且在复杂高并发场景中反而影响性能，要是一般的场景或许也能用起来。
思路五：异步更新缓存既然直接操作MySQL和Redis都多少存在一些问题，那么能不能引入中间层来解决问题呢？
把MySQL的更新操作完成后不直接操作Redis，而是把这个操作命令(消息)扔到一个中间层，然后由Redis自己来消费更新数据，这是一种解耦的异步方案。
单纯为了更新缓存引入中间件确实有些复杂，但是像MySQL提供了binlog的同步机制，此时Redis就作为Slave进行主从同步，实现数据的更新，成本也还可以接受。
画外音：引入中间层思想真是万金油啊！
总结一下本文主要介绍了以下几个关键内容：
缓存系统适用的场景：读多写少。
缓存系统的读写基本交互过程，读很简单，写有点复杂。
缓存系统写时的不一致问题有内外两个因素：外部读写的并发无序性和内部操作非原子性。
使用缓存系统，我们就需要接受最终一致性的前提，否则不建议用缓存。
解决缓存数据不一致的思路有很多，或多或少都有不足，具体用哪种，需要根据实际业务场景，没有哪种方案是普遍适用的。
配配查-配资股网-实盘配资app-股票配资公司官网提示：文章来自网络，不代表本站观点。
- 上一篇：没有了
- 下一篇：炒股指杠杆平台仅次于京、沪、深、杭；同时
沪深京指数
热点资讯
