点击关注公众号，Java干货及时送达👇
引言
大家好！今天我们来聊聊一个在分布式系统中非常常见但又十分棘手的问题——Redis与MySQL之间的双写一致性。
相信很多朋友在项目中都遇到过类似的困扰，缓存是用Redis，数据库是用MySQL，但如何确保两者之间的数据一致性呢？
这也是大厂面试题的常客，我的朋友圈就有xd发文说连续面阿里和美团都被问到过，真是秦始皇学会影分身，双赢啊，哈哈！
别着急，接下来我会尽量简洁地为大家解析这个问题，并提供几个实战方案。
分布式系统一致性概览
在开始之前，我们先来了解一下分布式系统中的一致性概念。
- 强一致性：所有节点的数据必须实时同步，保证任何时候读取到的数据都是最新的。
- 弱一致性：系统允许数据暂时不一致，但最终会达到一致状态。
- 最终一致性：数据更新后，经过一段时间，系统会逐步达到一致状态。这个时间不固定，但在业务允许的范围内。
双写一致性挑战
说到双写一致性，首先要明确一下什么是双写一致性。
简单来说，就是当数据同时存在于缓存（Redis）和数据库（MySQL）时，如何确保这两者之间的数据是一致的。
典型场景分析
- 写数据库后忘记更新缓存：这种情况最常见，当我们更新数据库后，缓存没有同步更新，导致读取到旧的数据。
- 删除缓存后数据库更新失败：在某些操作中，我们可能会先删除缓存，再更新数据库，但如果数据库更新失败，就会导致缓存和数据库的数据不一致。
策略一：Cache Aside Pattern
1、策略描述
Cache Aside Pattern是最常见的一种缓存使用模式，它的核心思想是以数据库为主，缓存为辅。
2、工作流程
- 读取操作：先从缓存中读取数据，如果缓存命中则返回结果；如果缓存未命中，则从数据库中读取数据，并将数据写入缓存。
- 更新操作：先更新数据库，再删除缓存中的旧数据。
3、示例代码
java
public class CacheAsidePattern {
private RedisService redis;
private DatabaseService database;
// 读取操作
public String getData(String key) {
// 从缓存中获取数据
String value = redis.get(key);
if (value == null) {
// 缓存未命中，从数据库获取数据
value = database.get(key);
if (value != null) {
// 将数据写入缓存
redis.set(key, value);
}
}
return value;
}
// 更新操作
public void updateData(String key, String value) {
// 更新数据库
database.update(key, value);
// 删除缓存中的旧数据
redis.delete(key);
}
}
4、优缺点分析
优点：
- 简单易懂，易于实现。
- 读性能高，因为大部分读操作都会命中缓存。
缺点：
- 存在短暂的不一致情况，更新数据库后缓存可能还没删除。
- 删除缓存后，如果数据库更新失败，会导致数据不一致。
策略二：读写穿透模式
1、Read-Through
当缓存未命中时，自动从数据库加载数据，并写入缓存。
2、Write-Through
当缓存更新时，同步将数据写入数据库。
3、示例代码
java
public class ReadWriteThroughPattern {
private RedisService redis;
private DatabaseService database;
// Read-Through
public String readThrough(String key) {
// 从缓存中获取数据
String value = redis.get(key);
if (value == null) {
// 缓存未命中，从数据库获取数据
value = database.get(key);
if (value != null) {
// 将数据写入缓存
redis.set(key, value);
}
}
return value;
}
// Write-Through
public void writeThrough(String key, String value) {
// 将数据写入缓存
redis.set(key, value);
// 同步将数据写入数据库
database.update(key, value);
}
}
4、优缺点分析
优点：
- 保证了数据的强一致性，缓存和数据库的数据始终同步。
- 读写操作都由缓存处理，数据库压力较小。
缺点：
- 写操作的延迟较高，因为每次写入缓存时都需要同步写入数据库。
- 实现复杂度较高，需要额外的缓存同步机制。
策略三：异步缓存写入（Write Behind）
1、策略描述
缓存更新后，异步批量写入数据库。这种策略适用于可以容忍一定数据不一致的高性能场景。
2、示例代码
java
public class WriteBehindPattern {
private RedisService redis;
private DatabaseService database;
private UpdateQueue updateQueue;
// 异步缓存写入
public void writeBehind(String key, String value) {
// 将数据写入缓存
redis.set(key, value); // 异步将数据写入数据库
asyncDatabaseUpdate(key, value);
}
private void asyncDatabaseUpdate(String key, String value) {
// 异步操作，将更新请求放入队列
updateQueue.add(new UpdateTask(key, value));
}
}
3、优缺点分析
优点：
- 写操作的性能非常高，因为只需更新缓存，数据库更新是异步进行的。
- 适用于对写操作性能要求较高的场景。
缺点：
- 存在数据不一致的风险，缓存更新后数据库可能还未更新。
- 实现复杂度较高，需要处理异步操作中的异常和重试。
实战解析
方案一：延时双删策略
1、策略详解
延时双删策略的核心思想是：在更新数据库后，先删除一次缓存，然后延迟一段时间再删除一次缓存，减少数据不一致的风险。
2、实施要点
关键是如何确定延迟时间，这个时间需要根据系统的具体情况来调整，以平衡一致性和性能。
3、示例代码
java
public class DelayedDoubleDeletePattern {
private RedisService redis;
private DatabaseService database;
private ScheduledExecutorService scheduledExecutorService;
private long delay = 500;
// 延迟时间，单位：毫秒 // 更新操作
public void updateDataWithDelay(String key, String value) {
// 更新数据库
database.update(key, value);
// 删除缓存中的旧数据
redis.delete(key);
// 延迟一段时间再删除缓存
scheduledExecutorService.schedule(() -> redis.delete(key), delay, TimeUnit.MILLISECONDS);
}
}
4、优缺点分析
优点：
- 简化了缓存和数据库的一致性问题。
- 避免了缓存和数据库的同步更新，提高了系统性能。
缺点：
- 需要精确控制延迟时间，否则可能导致缓存和数据库不一致。
- 实现相对复杂，需要额外的定时任务管理。
实战方案二：删除缓存重试机制
1、机制介绍
删除缓存时，如果失败，可以设置重试机制，以确保缓存最终被删除。
2、实现方式
通过使用Spring的@Retryable注解，可以简化重试逻辑。
3、示例代码
java
import org.springframework.retry.annotation.Backoff;
import org.springframework.retry.annotation.Retryable;
import org.springframework.stereotype.Service;
@Servicepublic
class CacheService {
private RedisService redis;
@Retryable(value = Exception.class, maxAttempts = 5, backoff = @Backoff(delay = 2000))
public void deleteCache(String key) {
// 删除缓存中的数据
redis.delete(key);
}
}
4、优缺点分析
优点：
- 确保缓存最终被删除，降低数据不一致的风险。
- 使用Spring的重试机制，简化实现逻辑。
缺点：
- 需要处理重试的多次失败情况，可能导致系统负载增加。
- 适用于缓存删除失败率较低的场景。
实战方案三：监听binlog异步删除缓存
1、核心思路
利用数据库的binlog变更来异步更新缓存，通过消息队列和异步服务解耦缓存更新操作。
2、技术实现
通过订阅binlog，将变更记录放入消息队列，然后由异步服务处理缓存更新。
3、示例代码
java
public class BinlogListenerPattern {
private RedisService redis;
private MessageQueue messageQueue;
// 订阅binlog
public void onBinlogChange(BinlogEntry entry) { // 将变更记录放入消息队列
messageQueue.send(new CacheUpdateMessage(entry.getKey()));
} // 异步服务处理缓存更新
public void processCacheUpdate(CacheUpdateMessage message) { // 删除缓存中的数据
redis.delete(message.getKey());
}
}
4、优缺点分析
优点：
- 利用数据库的变更日志，保证缓存和数据库的一致性。
- 异步处理提高了系统性能，降低了实时更新的压力。
缺点：
- 实现复杂度较高，需要处理消息队列和异步服务。
- 存在延迟更新的情况，可能导致短时间内的数据不一致。
总结与最佳实践
在实际项目中，我们需要根据具体的业务场景来选择最合适的一致性策略。
同时，在高并发场景下，可以结合分布式锁和消息队列来确保数据一致性。
异步处理中的异常处理和重试策略也非常重要，能够有效提高系统的稳定性和可靠性。
希望这篇文章能帮助大家更好地理解Redis与MySQL双写一致性的问题，并在实际项目中应用这些解决方案。
如果有任何问题或建议，欢迎在评论区讨论。
谢谢大家的阅读！加油！加油！加油！
关注公众号，回复关键词【面试】，或选择菜单 -学习资源 - 面试题，都可获取精心收集的Java面试题。
包含：【Java面试八股文10万字总结】【Java进阶架构核心手册】
后续会不断收集更多资源及干货放在里面
你的点赞+在看，是我持续分享干货的动力哦！
END
在看
往期推荐
最近整理了一批这些年来学习和工作手记的PDF文档目录，覆盖了Java核心技术、SpringBoot、SpringCloud微服务、数据库、ElasticSearch、MQ消息队列等主流技术，相信对渴望成长的人会有所帮助。
获取方式：点“在看”，关注公众号并回复“资源”领取，更多内容陆续奉上。
点个在看，证明你还爱我
本篇文章来源于微信公众号: Java分享客栈
微信扫描下方的二维码阅读本文
Comments NOTHING