如何解决数据更新导致缓存一致性问题？

如何解决数据更新导致缓存一致性问题？

一.为什么使用分布式缓存

我们初步了解了什么是缓存以及一般的缓存使用逻辑，那么为什么要使用分布式缓存呢?

在服务架构初期我们基本上都是单体架构，一个tomcat服务器撑起一片天，可能只需要基于本地内存存储进行缓存即可。但随着架构的演进，由单体SOA架构闫金成分布式架构之后，如果还使用本地缓存，那么就会导致多台服务器上缓存不一致，数据无法共享问题。因此基于这种问题，分布式的缓存由此诞生。当前分布式缓存最常用的工具还是redis和memcached。

二.缓存过期以及一致性问题

读取缓存步骤一般没有什么问题，但是一旦涉及到数据更新：数据库和缓存更新，就容 易出现缓存(Redis)和数据库（MySQL）间的数据一致性问题。

讨论一致性问题之前，先来看一个更新的操作顺序问题：

先删除缓存，再更新数据库

问题：同时有一个请求 A 进行更新操作，一个请求 B 进行查询操作。 可能出现:

（ 1）请求 A 进行写操作（key = 1 value = 2） ，先删除缓存 key = 1 value = 1

（ 2）请求 B 查询发现缓存不存在

（ 3）请求 B 去数据库查询得到旧值 key = 1 value = 1

（ 4）请求 B 将旧值写入缓存 key = 1 value = 1

（ 5）请求 A 将新值写入数据库 key = 1 value = 2

缓存中数据永远都是脏数据

我们比较推荐操作顺序：

先删除缓存，再更新数据库，再删缓存（双删，第二次删可异步延时）

public void write(String key,Object data){

redis.delKey(key);

db.updateData(data);

Thread.sleep(500);

redis.delKey(key);

}

接下来，看一看缓存同步的一些方案，见下图：

2.1.数据实时同步更新

方法：更新数据库同时更新缓存，使用缓存工具类和或编码实现。

优点：数据实时同步更新，保持强一致性

缺点：代码耦合，对业务代码有侵入性

2.2.数据准实时更新

准一致性，更新数据库后，异步更新缓存，使用观察者模式/发布订阅/MQ 实现；

优点：数据同步有较短延迟 ，与业务解耦

缺点：实现复杂，架构较重

2.3.缓存失效机制

弱一致性，基于缓存本身的失效机制

优点：实现简单，无须引入额外逻辑

缺点：有一定延迟，存在缓存击穿/雪崩问题

2.4.定时任务更新

最终一致性，采用任务调度框架，按照一定频率更新

优点：不影响正常业务

缺点：不保证一致性，依赖定时任务

2.5.各方案实现总结

方案名称	技术特点	优点	缺点	适用场景
数据实时 同步更新	强一致性，更新数据库同时更新缓存，使用缓存工具类和或编码实现	数据一致性强	代码耦合 运行期耦合 影响正常业务	数据一致实时性要求比较高的场景，如：银行业务、证券交易；
数据准实时更新	准一致性，更新数据库后，异步更新缓存，使用观察者模式/发布订阅/MQ实现；	数据同步有较短延迟 与业务解耦 不影响正常业务	实现复杂，架构较重	不适合写操作频繁并且数据一致实时性要求严格的场景；
缓存失效 机制	弱一致性，基于缓存本身的失效机制	实现简单	有一定延迟 不保证强一致性 存在缓存雪崩问题；	适合读多写少的场景，能接受一定数据延时；
任务调度 更新	最终一致性，采用任务调度框架，按照一定频率更新；	不影响正常业务；	不保证一致性 依赖定时任务 容易堆积垃圾数据；	适合复杂统计类数据缓存更新，对数据一致实时性要求低的场景；如：统计类数据，BI分析等；