分布式之数据库和缓存双写一致性方案解析

引言

为何写这篇文章？

首先，缓存因为其高并发和高性能的特性，已经在项目中被普遍使用。在读取缓存方面，你们没啥疑问，都是按照下图的流程来进行业务操做。
image
可是在更新缓存方面，对于更新完数据库，是更新缓存呢，仍是删除缓存。又或者是先删除缓存，再更新数据库，其实你们存在很大的争议。目前没有一篇全面的博客，对这几种方案进行解析。因而博主战战兢兢，顶着被你们喷的风险，写了这篇文章。

文章结构

本文由如下三个部分组成
一、讲解缓存更新策略
二、对每种策略进行缺点分析
三、针对缺点给出改进方案

正文

先作一个说明，从理论上来讲，给缓存设置过时时间，是保证最终一致性的解决方案。这种方案下，咱们能够对存入缓存的数据设置过时时间，全部的写操做以数据库为准，对缓存操做只是尽最大努力便可。也就是说若是数据库写成功，缓存更新失败，那么只要到达过时时间，则后面的读请求天然会从数据库中读取新值而后回填缓存。所以，接下来讨论的思路不依赖于给缓存设置过时时间这个方案。
在这里，咱们讨论三种更新策略：

先更新数据库，再更新缓存
先删除缓存，再更新数据库
先更新数据库，再删除缓存
应该没人问我，为何没有先更新缓存，再更新数据库这种策略。

(1)先更新数据库，再更新缓存

这套方案，你们是广泛反对的。为何呢？有以下两点缘由。
缘由一（线程安全角度）
同时有请求A和请求B进行更新操做，那么会出现
（1）线程A更新了数据库
（2）线程B更新了数据库
（3）线程B更新了缓存
（4）线程A更新了缓存
这就出现请求A更新缓存应该比请求B更新缓存早才对，可是由于网络等缘由，B却比A更早更新了缓存。这就致使了脏数据，所以不考虑。
缘由二（业务场景角度）
有以下两点：
（1）若是你是一个写数据库场景比较多，而读数据场景比较少的业务需求，采用这种方案就会致使，数据压根还没读到，缓存就被频繁的更新，浪费性能。
（2）若是你写入数据库的值，并非直接写入缓存的，而是要通过一系列复杂的计算再写入缓存。那么，每次写入数据库后，都再次计算写入缓存的值，无疑是浪费性能的。显然，删除缓存更为适合。

接下来讨论的就是争议最大的，先删缓存，再更新数据库。仍是先更新数据库，再删缓存的问题。

(2)先删缓存，再更新数据库

该方案会致使不一致的缘由是。同时有一个请求A进行更新操做，另外一个请求B进行查询操做。那么会出现以下情形:
（1）请求A进行写操做，删除缓存
（2）请求B查询发现缓存不存在
（3）请求B去数据库查询获得旧值
（4）请求B将旧值写入缓存
（5）请求A将新值写入数据库
上述状况就会致使不一致的情形出现。并且，若是不采用给缓存设置过时时间策略，该数据永远都是脏数据。
那么，如何解决呢？采用延时双删策略
伪代码以下

public void write(String key,Object data){

redis.delKey(key);
    db.updateData(data);
    Thread.sleep(1000);
    redis.delKey(key);
}

转化为中文描述就是（1）先淘汰缓存（2）再写数据库（这两步和原来同样）（3）休眠1秒，再次淘汰缓存这么作，能够将1秒内所形成的缓存脏数据，再次删除。那么，这个1秒怎么肯定的，具体该休眠多久呢？针对上面的情形，读者应该自行评估本身的项目的读数据业务逻辑的耗时。而后写数据的休眠时间则在读数据业务逻辑的耗时基础上，加几百ms便可。这么作的目的，就是确保读请求结束，写请求能够删除读请求形成的缓存脏数据。若是你用了mysql的读写分离架构怎么办？ok，在这种状况下，形成数据不一致的缘由以下，仍是两个请求，一个请求A进行更新操做，另外一个请求B进行查询操做。（1）请求A进行写操做，删除缓存（2）请求A将数据写入数据库了，（3）请求B查询缓存发现，缓存没有值（4）请求B去从库查询，这时，尚未完成主从同步，所以查询到的是旧值（5）请求B将旧值写入缓存（6）数据库完成主从同步，从库变为新值上述情形，就是数据不一致的缘由。仍是使用双删延时策略。只是，睡眠时间修改成在主从同步的延时时间基础上，加几百ms。采用这种同步淘汰策略，吞吐量下降怎么办？ok，那就将第二次删除做为异步的。本身起一个线程，异步删除。这样，写的请求就不用沉睡一段时间后了，再返回。这么作，加大吞吐量。第二次删除,若是删除失败怎么办？这是个很是好的问题，由于第二次删除失败，就会出现以下情形。仍是有两个请求，一个请求A进行更新操做，另外一个请求B进行查询操做，为了方便，假设是单库：（1）请求A进行写操做，删除缓存（2）请求B查询发现缓存不存在（3）请求B去数据库查询获得旧值（4）请求B将旧值写入缓存（5）请求A将新值写入数据库（6）请求A试图去删除请求B写入对缓存值，结果失败了。ok,这也就是说。若是第二次删除缓存失败，会再次出现缓存和数据库不一致的问题。如何解决呢？具体解决方案，且看博主对第(3)种更新策略的解析。