Redis延时双删

1.为什么缓存和MySQL数据没有保持一致性？

数据一致性是什么意思，“一致性”包含如下情况：

• 若缓存中有数据，则缓存的数据值需要和DB值相同
• 若缓存无数据，则DB值必须是最新值

不符合这两种情况的，都属于缓存和DB数据不一致。
不过，当缓存的读写模式不同时，缓存数据不一致的发生情况不一样，应对方法也有所不同。
先按照缓存读写模式，来分别了解下不同模式下的缓存不一致情况。根据是否接收写请求，可以把缓存分成读写缓存和只读缓存。

对于读写缓存，若要对数据进行增删改，就需要在缓存中进行，同时还要根据采取的写回策略，决定是否同步写回DB。

同步直写策略：写缓存时，也同步写数据库，缓存和数据库中的数据一致；
异步写回策略：写缓存时不同步写数据库，等到数据从缓存中淘汰时，再写回数据库。使用这种策略时，如果数据还没有写回数据库，缓存就发生了故障，那么，此时，数据库就没有最新的数据了。
所以，对于读写缓存来说，要想保证缓存和数据库中的数据一致，就要采用同步直写策略。不过，需要注意的是，如果采用这种策略，就需要同时更新缓存和数据库。所以，我们要在业务应用中使用事务机制，来保证缓存和数据库的更新具有原子性，也就是说，两者要不一起更新，要不都不更新，返回错误信息，进行重试。否则，我们就无法实现同步直写。

当然如果对数据的一致性要求没有那么高，可以使用异步写回策略。

对于只读缓存来说，如果有数据新增，会直接写入数据库；而有数据删改时，就需要把只读缓存中的数据标记为无效。这样一来，应用后续再访问这些增删改的数据时，因为缓存中没有相应的数据，就会发生缓存缺失。此时，应用再从数据库中把数据读入缓存，这样后续再访问数据时，就能够直接从缓存中读取了。

1.新增数据

如果是新增数据，数据会直接写到数据库中，不用对缓存做任何操作，此时，缓存中本身就没有新增数据，而数据库中是最新值，这种情况符合我们刚刚所说的一致性的第2种情况，所以，此时，缓存和数据库的数据是一致的。

2.删改数据

如果发生删改操作，应用既要更新数据库，也要在缓存中删除数据。这两个操作如果无法保证原子性，也就是说，要不都完成，要不都没完成，此时，就会出现数据不一致问题了。

假设应用先删除缓存，再更新数据库，如果缓存删除成功，但是数据库更新失败，那么，应用再访问数据时，缓存中没有数据，就会发生缓存缺失。然后，应用再访问数据库，但是数据库中的值为旧值，应用就访问到旧值了。

2.为什么删除缓存而不是更新？

如果是更新，存在分布式事务问题，可能出现修改了缓存，数据库修改失败的情况。只是删除缓存的话，就算数据库修改失败，下次查询会直接取数据库的数据，也不会出现脏数据。

3.延时双删是什么？

就是在增删改某实体类的时候，要对该实体类的缓存进行清空，清空的位置在数据库操作方法的前后。

4.为什么不能采用先删或者后删策略？

先删流程：

 后删流程：

 先删和后删都不能保证数据的一致性，所以采用延时双删的策略。

4.为什么是延时？

双删依然存在旧缓存的情况，延时是确保 修改数据库->清空缓存前，其他事务的更改缓存操作已经执行完。

 

5.为什么要延迟双删，来保证缓存一致性

• 在修改数据库数据前，需要先删除一次redis：此时是为了保证在数据库数据修改和redis数据被删除的间隔时间内，如有命中，保证此数据也不存在redis中。如果没有这一次删除，当数据库数据已经被修改了，但是还是可以从redis中读出旧数据，导致数据不一致。

• 第二次删除则是在修改数据库数据后，此时需要再次删除redis中对应数据一次，这一次是为了删除 第一次redis删除和数据库数据修改之间，如果有请求，那么旧数据又会重新缓存到redis中，然而数据在数据库中在接下来就会被修改，如果没有这一次删除，redis中则会存在数据库中旧的数据。

• 那么第二次为什么需要在数据库修改后延迟一定时间再删除redis呢？

• 为了等待之前的一次读取数据库，并等待其数据写入到缓存，最后删除这次脏数据，所以是一次数据从数据库中发到服务器+缓存写入的时间

但是延迟双删，所延迟的时间非常的难以确定，所以并不推荐延迟双删

根据综合考虑，即使先修改数据库，在删除缓存，有一定的时间会导致读取到旧数据，这通常是可以被忍受的。
只要及时将缓存删除，其他线程就可以读取到最新的值。

同时为了保证缓存一定会被删除，可以采用mq，来保证缓存会被删除

如果在mq中消息没有被重复消费，还会交由给其他消费者消费(将缓存删除)

6.解决方案

1. 更新数据库数据
2. 数据库会将操作信息写入binlog日志当中
3. 订阅程序提取出所需要的数据以及key
4. 另起一段非业务代码，获得该信息
5. 尝试删除缓存操作，发现删除失败
6. 将这些信息发送至消息队列
7. 重新从消息队列中获得该数据，重试操作。