如何保证Redis缓存和数据库的双写一致性？

在数据库+缓存模式下，当数据库中的数据需要更新时，缓存里的数据怎么处理？如何保证缓存和数据库中数据的一致性？常用的解决方案有两种（其他渣渣的方案这里不讨论）：

1、先删除缓存，再更新数据库；

2、先更新数据库，再删除缓存；

下面我们就来看一下这两种方案，看看它们是怎么保证数据一致性的？

一、先删除缓存，再更新数据库

理想的流程是这样的：先删除缓存，再更新数据库，更新完数据库后，当有请求进来的时候发现缓存中没有数据，于是去查数据库，读取到更新后的新数据放回缓存再返回。这只是理想化的流程，如果只是简单的这样做，我们看看会存在什么问题呢？

在高并发场景下，假设有两个线程，线程A先删除缓存，再去更新数据库，在线程A删除缓存成功但更新数据库还未提交的时候，进来了一个线程B读取数据，发现缓存中没有数据，于是去读数据库，这时B读到的是旧数据，然后再将这个旧数据放回缓存，等A更新数据库完成以后，数据库和缓存中的数据就是不一致的。如果该缓存还没有设置过期时间，那这个数据将一直脏下去。

这个问题可以用"延时双删策略"来解决，A线程先删除缓存，再更新数据库，数据库更新完成后休眠200ms，再次删除缓存，这样做的目的就是保证中间产生的脏数据最后被再次删除。但这个200ms要根据自己的业务情况来确定。

还有一个问题，在延时双删策略第二次删除缓存的时候删除失败怎么办？这种情况可以提供一个"重试保障机制"，如果删除失败，可以将删除失败的key发送到消息队列，再次重试操作。

二、先更新数据库，再删除缓存

理想的流程是这样的：先更新数据库，再删除缓存，当再有请求进来的时候发现缓存中没有数据，于是去查数据库，再将更新后的新数据放到缓存返回。

这种策略就是典型的“Cache Aside 模式”，更新缓存的设计模式有四种：Cache aside, Read through, Write through和Write behind caching。这四种模式并不仅仅适用于数据库和缓存之间的更新，它们设计的初衷是基于计算机体系结构的，比如CPU的缓存，硬盘文件系统中的缓存，硬盘上的缓存，数据库中的缓存等。所以，它们都是非常权威的，而且历经了长时间考验的最佳实践，我们直接遵从就可以了，没必要重复造轮子。

推荐阅读：《缓存更新的套路-https://coolshell.cn/articles/17416.html》

FaceBook在论文《Scaling Memcache at Facebook》中说过，他们采用的就是Cache Aside 策略。

※ 先更新数据库，再删除缓存有什么问题？

1、并发问题

从理论上来讲，Cache Aside也有可能发生并发问题，假设有两个线程，A线程读取数据，没有命中缓存，然后就去查数据库，在A查询数据库还没有返回结果的时候，另一个线程B执行一个写操作，更新完数据库后，让缓存失效（实际上这时候缓存已经是失效的，因为A在读的时候就没有命中缓存），然后，之前的线程A读取数据库返回了结果，再把老的数据放进缓存，这时候缓存中放得是A读出来的老数据，而数据库中存的是B更新后的新数据，数据库和缓存数据不一致。

这种情况理论上会出现，不过，实际上出现的概率可能非常非常低。因为上述并发场景的出现，需要同时具备条件：1、某线程在读缓存时缓存失效了，而且刚好并发着有一个写操作；2、读操作在写操作之前开始，在写操作之后结束，也就是说读操作的耗时大于写操作；出现这种场景的概率还是很低的。

如果要解决Cache Aside的并发问题，可以通过2PC或是Paxos协议保证一致性，或者尽力的降低并发时脏数据的概率，而Facebook使用的就是降低概率的玩法，因为2PC太慢，而Paxos太复杂。

2、数据库更新成功，删除缓存失败怎么办？

如果发生这种情况，数据库中存放的是更新后的数据，缓存因为没有删除成功存放的还是老数据，这个问题怎么解决呢，我们可以提供一种保障性的"重试机制"。

方案一、基于MO实现

(1).更新数据库数据;

(2).删除缓存失败;

(3).当删除缓存数据失败时，应用程序发送消息，将需要删除的 Key 发送到MQ中;

(4).应用程序自己消费消息;

(5).应用接收到消息后，再次尝试删除缓存，如果再次删除失败，可重发消息多次尝试;

方案二，基于 阿里Canal 实现

Canal是阿里开发的基于数据库增量日志解析，提供增量数据的订阅&消费的中间件，目前主要支持MySQL的binlog解析。从下图可以看出，基于Canal的实现方案完全避免了对业务代码的侵入，核心业务代码只管更新数据库，其他的不用care。

 

(1).更新数据库数据；

(2).MySQL 将数据更新日志写入 binlog 中；

(3).Canal 订阅 & 消费 MySQL binlog；

(4).Canal 解析binlog，提取出​更新数据的key发送给另一段非业务代码；

(5).非业务代码尝试删除缓存操作，发现删除失败；

(6).将需要删除缓存的 Key 发送到消息队列 (MQ) 中；

(7).消费消息，从队列中拿到要删除的缓存key;

(8).拿到要删除的key后，再次尝试删除缓存，如果再次删除失败，可重发消息多次尝试;

总的来说就是先更新数据库，再删除缓存，提供一个"重试保障机制"，如果删除缓存失败时，可以将删除失败的key发送到消息队列，再进行重试删除操作。 

 

感兴趣的小伙伴可以关注一下博主的公众号，1W+技术人的选择，致力于原创技术干货，包含Redis、RabbitMQ、Kafka、SpringBoot、SpringCloud、ELK等热门技术的学习&资料。