Redis與MySQL雙寫一致性如何保證

談談一致性

一致性就是數據保持一致，在分布式系統中，可以理解為多個節點中數據的值是一致的。

強一致性：這種一致性級別是最符合用戶直覺的，它要求系統寫入什么，讀出來的也會是什么，用戶體驗好，但實現起來往往對系統的性能影響大
弱一致性：這種一致性級別約束了系統在寫入成功后，不承諾立即可以讀到寫入的值，也不承諾多久之后數據能夠達到一致，但會盡可能地保證到某個時間級別（比如秒級別）后，數據能夠達到一致狀態
最終一致性：最終一致性是弱一致性的一個特例，系統會保證在一定時間內，能夠達到一個數據一致的狀態。這里之所以將最終一致性單獨提出來，是因為它是弱一致性中非常推崇的一種一致性模型，也是業界在大型分布式系統的數據一致性上比較推崇的模型

三個經典的緩存模式

緩存可以提升性能、緩解數據庫壓力，但是使用緩存也會導致數據不一致性的問題。一般我們是如何使用緩存呢？有三種經典的緩存使用模式：

Cache-Aside Pattern
Read-Through/Write-through
Write-behind

Cache-Aside Pattern

Cache-Aside Pattern，即旁路緩存模式，它的提出是為了盡可能地解決緩存與數據庫的數據不一致問題。

Cache-Aside讀流程

Cache-Aside Pattern的讀請求流程如下：

Cache-Aside讀請求

讀的時候，先讀緩存，緩存命中的話，直接返回數據
緩存沒有命中的話，就去讀數據庫，從數據庫取出數據，放入緩存后，同時返回響應。

Cache-Aside 寫流程

Cache-Aside Pattern的寫請求流程如下：

Cache-Aside寫請求

更新的時候，先更新數據庫，然后再刪除緩存。

Read-Through/Write-Through（讀寫穿透）

Read/Write-Through模式中，服務端把緩存作為主要數據存儲。應用程序跟數據庫緩存交互，都是通過抽象緩存層完成的。

Read-Through

Read-Through的簡要流程如下

Read-Through簡要流程

從緩存讀取數據，讀到直接返回
如果讀取不到的話，從數據庫加載，寫入緩存后，再返回響應。

這個簡要流程是不是跟Cache-Aside很像呢？其實Read-Through就是多了一層Cache-Provider而已，流程如下：

Read-Through流程

Read-Through實際只是在Cache-Aside之上進行了一層封裝，它會讓程序代碼變得更簡潔，同時也減少數據源上的負載。

Write-Through

Write-Through模式下，當發生寫請求時，也是由緩存抽象層完成數據源和緩存數據的更新,流程如下：

Write-behind （異步緩存寫入）

Write-behind?跟Read-Through/Write-Through有相似的地方，都是由Cache Provider來負責緩存和數據庫的讀寫。它們又有個很大的不同：Read/Write-Through是同步更新緩存和數據的，Write-Behind則是只更新緩存，不直接更新數據庫，通過批量異步的方式來更新數據庫。

Write behind流程

這種方式下，緩存和數據庫的一致性不強，對一致性要求高的系統要謹慎使用。但是它適合頻繁寫的場景，MySQL的InnoDB Buffer Pool機制就使用到這種模式。

操作緩存的時候，到底是刪除緩存呢，還是更新緩存？

日常開發中，我們一般使用的就是Cache-Aside模式。有些小伙伴可能會問，Cache-Aside在寫入請求的時候，為什么是刪除緩存而不是更新緩存呢？

Cache-Aside寫入流程

我們在操作緩存的時候，到底應該刪除緩存還是更新緩存呢？我們先來看個例子：

線程A先發起一個寫操作，第一步先更新數據庫
線程B再發起一個寫操作，第二步更新了數據庫
由于網絡等原因，線程B先更新了緩存
線程A更新緩存。

這時候，緩存保存的是A的數據（老數據），數據庫保存的是B的數據（新數據），數據不一致了，臟數據出現啦。如果是刪除緩存取代更新緩存則不會出現這個臟數據問題。

更新緩存相對于刪除緩存，還有兩點劣勢：

如果你寫入的緩存值，是經過復雜計算才得到的話。更新緩存頻率高的話，就浪費性能啦。
在寫數據庫場景多，讀數據場景少的情況下，數據很多時候還沒被讀取到，又被更新了，這也浪費了性能呢(實際上，寫多的場景，用緩存也不是很劃算的,哈哈)

雙寫的情況下，先操作數據庫還是先操作緩存？

Cache-Aside緩存模式中，有些小伙伴還是會有疑問，在寫請求過來的時候，為什么是先操作數據庫呢？為什么不先操作緩存呢？

假設有A、B兩個請求，請求A做更新操作，請求B做查詢讀取操作。

線程A發起一個寫操作，第一步del cache
此時線程B發起一個讀操作，cache miss
線程B繼續讀DB，讀出來一個老數據
然后線程B把老數據設置入cache
線程A寫入DB最新的數據

醬紫就有問題啦，緩存和數據庫的數據不一致了。緩存保存的是老數據，數據庫保存的是新數據。因此，Cache-Aside緩存模式，選擇了先操作數據庫而不是先操作緩存。

個別小伙伴可能會問，先操作數據庫再操作緩存，不一樣也會導致數據不一致嘛？它倆又不是原子性操作的。這個是會的，但是這種方式，一般因為刪除緩存失敗等原因，才會導致臟數據，這個概率就很低。小伙伴們可以畫下操作流程圖，自己先分析下哈。接下來我們再來分析這種刪除緩存失敗的情況，如何保證一致性。