JAVA面试相关四（如何解决redis缓存和MYSQL数据一致性的问题，以及缓存雪崩、穿透问题）

今天看了一个帖子，说得是解决Redis和Mysql数据一致性的问题，讲的挺好的，记录摘要，供大家参考。

如何解决redis缓存和MYSQL数据一致性的问题

Redis缓存和MySQL数据一致性的问题，相信大家在大量使用redis缓存进行业务开发的场景下是一定要考虑的问题。

总有运营、产品、测试人员过来问你为什么我刚刚更新了一条数据，APP上还是原来的数据呢？你总是一句话：“加了缓存，等会儿就好”。有可能是1分钟，有可能是半小时。问你的都属于关系不错，不问你直接给你提bug你也没办法。

下面就分享一下我个人在工作中对如何解决redis缓存和MySQL数据一致性的一些心得：

简单粗暴

 大家看了这个图是不是就知道什么意思了？一个请求过来查询数据，我先看看redis有没有，有直接返回，没有就去数据库查出来，顺便同步到redis，设置一下过期时间。下次同样的数据查询redis缓存就可以直接返回了。是不是很简单很粗暴？在实时性要求不高的场景下，这种方式我估计是大家最常用的一种方式。但是他有几个问题：

1.     无法保证一致性：数据库更改了数据，redis里的数据就和数据库不一致了，产生脏读；
2. 缓存雪崩：这种方案要求redis里的缓存必须设置有效期，如果在同一时间大面积过期，所有请求压力都指向数据库，这个时候数据库顶不住压力就会宕机，然后整个世界都安静了；
3. 缓存穿透：查询一个数据，缓存没有，去查询数据库，数据库也没有，怎么办？这样的请求多了对数据库也是压力，没有数据的时候也需要在redis缓存一个空值

缓存同步

 针对第一种方案的问题，那么大多数时候我们会继续做一个job，去定时同步数据库里的数据都redis缓存中，我们的业务请求直接查询redis缓存，无论有或者没有数据都直接返回结果。这样可以避免缓存穿透、缓存雪崩等问题，也能缓解redis缓存和数据库不一致的情况，但是还无法彻底解决一致性的问题。在job的间隔期内对数据的修改必须要等到下一次job的运行。

 

缓存同步加强版

针对上面的2中方案的问题，我们又搞了第三种方案，简单概括就是：“实时刷新、定时同步”八字方案。具体如下：

1. 增加一个cache中间件，专门处理各类缓存同步事件，采用消息队列机制保证每一次数据的操作都能够刷新对应的缓存数据；
2. 采用elastic-job做定时的增量/全量数据同步；
3. 服务请求大部分走redis，高并发API只走缓存，不允许流量进入数据库层面；

以上三种方案我们都有采用，即使现在更多采用第三种方案，但是前两种我们依旧在用，不同的场景采用不同的方案。三种方案的结合基本上能满足我们的业务在数据一致性的需求。 

上面我们基本上能解决缓存一致性的问题，但是同时也提到了redis缓存雪崩，缓存穿透问题，实际应用中我们常常无法完全保证缓存能够正确并且全部缓存我们的禁药数据（也就是强一致性要求），尤其是在并发高，数据量大的情况下，我们能做的只有采取合适的策略来降低缓存和数据库间数据不一致的概率，合适的策略包括 合适的缓存更新策略，更新数据库后要及时更新缓存、缓存失败时增加重试机制，例如MQ模式的消息队列。

Redis缓存穿透问题

缓存击穿表示恶意用户模拟请求很多缓存中不存在的数据，由于缓存中都没有，导致这些请求短时间内直接落在了数据库上，导致数据库异常。这个我们在实际项目就遇到了，有些抢购活动、秒杀活动的接口API被大量的恶意用户刷，导致短时间内数据库c超时了，好在数据库是读写分离，同时也有进行接口限流，hold住了。

解决方案的话：

方案1、使用互斥锁排队

业界比价普遍的一种做法，即根据key获取value值为空时，锁上，从数据库中load数据后再释放锁。若其它线程获取锁失败，则等待一段时间后重试。这里要注意，分布式环境中要使用分布式锁，单机的话用普通的锁（synchronized、Lock）就够了
 

public String getWithLock(String key, Jedis jedis, String lockKey, String uniqueId, long expireTime) {
    // 通过key获取value
    String value = redisService.get(key);
    if (StringUtil.isEmpty(value)) {
        //封装的tryDistributedLock包括setnx和expire两个功能，在低版本的redis中不支持
        try {
            boolean locked = redisService.tryDistributedLock(jedis, lockKey, uniqueId, expireTime);
            if (locked) {
                value = userService.getById(key);
                redisService.set(key, value);
                redisService.del(lockKey);
                return value;
            } else {
                // 其它线程进来了没获取到锁便等待50ms后重试
                Thread.sleep(50);
                getWithLock(key, jedis, lockKey, uniqueId, expireTime);
            }
        } catch (Exception e) {
            log.error("getWithLock exception=" + e);
            return value;
        } finally {
            redisService.releaseDistributedLock(jedis, lockKey, uniqueId);
        }
    }
    return value;
}

这样做思路比较清晰，也从一定程度上减轻数据库压力，但是锁机制使得逻辑的复杂度增加，吞吐量也降低了，有点治标不治本。

方案2、接口限流与熔断、降级

重要的接口一定要做好限流策略，防止用户恶意刷接口，同时要降级准备，当接口中的某些服务不可用时候，进行熔断，失败快速返回机制。

这里不做熔断降级限流的具体讲解，请参考后续文章

方案3、缓存同步

即上面所说的缓存一致性解决方案中，当value值为空时，一样在redis中存放key-null键值，当value有更新时，再同步到redis中

 

Redis缓存雪崩问题

缓存在同一时间内大量键过期（失效），接着来的一大波请求瞬间都落在了数据库中导致连接异常。

解决方案：

方案1、也是像解决缓存穿透一样加锁排队，实现同上;

方案2、建立备份缓存，缓存A和缓存B，A设置超时时间，B不设值超时时间，先从A读缓存，A没有读B，并且更新A缓存和B缓存;

public String getByKey(String keyA,String keyB) {
    String value = redisService.get(keyA);
    if (StringUtil.isEmpty(value)) {
        value = redisService.get(keyB);
        String newValue = getFromDbById();
        redisService.set(keyA,newValue,31, TimeUnit.DAYS);
        redisService.set(keyB,newValue);
    }
    return value;
}

方案3、设置缓存超时时间的时候加上一个随机的时间长度，比如这个缓存key的超时时间是固定的5分钟加上随机的2分钟，酱紫可从一定程度上避免雪崩问题；