zoukankan      html  css  js  c++  java
  • 数据库和缓存一致性分析

    缓存由于其高并发和高性能的特性,已经在项目中被广泛使用,在读取缓存方面,大家没啥疑问,都是按照下图的流程来进行业务操作。

    从理论上来说,给缓存设置过期时间,是保证最终一致性的解决方案。这种方案下,我们可以
    对存入缓存的数据设置过期时间,所有的写操作以数据库为准,对缓存操作只是尽最大努力即可。也就是说如果数据库写成功,缓存更新失败,那么只要到达过期时间,则后面的读请求自然会从数据库中读取新值然后回填缓存。因此,接下来讨论的思路不依赖于给缓存设置过期时间这个方案。

    在这里,我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
    

    - 先更新数据库,再更新缓存

    这套方案,大家是普遍反对的。为什么呢?有如下两点原因。

    1.线程安全角度

    同时有请求A和请求B进行更新操作,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,但是因为网络等原因,B却比A更早更新了缓存。这就导致了脏数据,因此不考虑。

    2.业务场景角度

    有如下两点:

    1. 如果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,采用这种方案就会导致,数据压根还没读到,缓存就被频繁的更新,浪费性能。
    2. 如果你写入数据库的值,并不是直接写入缓存的,而是要经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。还是先更新数据库,再删缓存的问题。

    对于一个不能保证事务性的操作,一定涉及“哪个任务先做,哪个任务后做”的问题,解决这个问题的方向是:

    如果出现不一致,谁先做对业务的影响较小,就谁先执行

    • 假设先写数据库,再淘汰缓存:
      第一步写数据库操作成功,第二步淘汰缓存失败,则会出现DB中是新数据,Cache中是旧数据,数据不一致。

    • 假设先淘汰缓存,再写数据库:
      第一步淘汰缓存成功,第二步写数据库失败,则只会引发一次Cache miss。

    结论数据和缓存的操作时序,结论是清楚的:先淘汰缓存,再写数据库

    但是这真的正确么?
    我们对此作出详细的分析

    - 先删缓存,再更新数据库

    该方案会导致不一致的原因是。同时有一个请求A进行更新操作,另一个请求B进行查询操作。那么会出现如下情形:

    (1)请求A进行写操作,删除缓存
    (2)请求B查询发现缓存不存在
    (3)请求B去数据库查询得到旧值
    (4)请求B将旧值写入缓存
    (5)请求A将新值写入数据库
    

    上述情况就会导致不一致的情形出现。而且,如果不采用给缓存设置过期时间策略,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
    伪代码如下

    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(这两步和原来一样)
    (3)休眠1秒,再次淘汰缓存
    

    那么,这个1秒怎么确定的,具体该休眠多久呢

    针对上面的情形,读者应该自行评估自己的项目的读数据业务逻辑的耗时。以及主备复制的时间差,然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即可。这么做的目的,就是确保读请求结束,写请求可以删除读请求造成的缓存脏数据。
    

    第二次删除,如果删除失败怎么办?

    这里我们可以将 删除行为封装成 消息或者事件进行异步处理。这里就涉及到了可靠消息的问题了。

    先更新数据库,再删缓存

    第一步写数据库操作成功,第二步淘汰缓存失败,则会出现DB中是新数据,Cache中是旧数据,数据不一致
    

    上文因为上述原因否定了这个方案

    但是我们在先删除缓存再更新数据库的时候提到过两次删除的方案,同样会涉及到缓存删除失败的问题。这个问题我们是可以合理的去解决的

    所以现在我们再来分析下这个方案

    这种情况会存在并发问题么
    不是的。假设这会有两个请求,一个请求A做查询操作,一个请求B做更新操作,那么会有如下情形产生

    (1)缓存刚好失效
    (2)请求A查询数据库,得一个旧值
    (3)请求B将新值写入数据库
    (4)请求B删除缓存
    (5)请求A将查到的旧值写入缓存
    ok,如果发生上述情况,确实是会发生脏数据。
    

    发生上述情况有一个先天性条件,

    就是步骤(3)的写数据库操作比步骤(2)的读数据库操作耗时更短,才有可能使得步骤(4)先于步骤(5)。可是,大家想想,数据库的读操作的速度远快于写操作的(不然做读写分离干嘛,做读写分离的意义就是因为读操作比较快,耗资源少),因此步骤(3)耗时比步骤(2)更短,这一情形很难出现。

    假设,有人非要抬杠,有强迫症,一定要解决怎么办?
    如何解决上述并发问题?
    首先,给缓存设有效时间是一种方案。其次,采用策略(2)里给出的异步延时删除策略,保证读请求完成以后,再进行删除操作。

    缓存删除重试方案

    (1)更新数据库数据;
    (2)缓存因为种种问题删除失败
    (3)将需要删除的key发送至消息队列
    (4)自己消费消息,获得需要删除的key
    (5)继续重试删除操作,直到成功
    

    然而,该方案有一个缺点,对业务线代码造成大量的侵入。于是有了方案二,在方案二中,启动一个订阅程序去订阅数据库的binlog,获得需要操作的数据。在应用程序中,另起一段程序,获得这个订阅程序传来的信息,进行删除缓存操作。

    方案二:

    (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。
    
    上述的订阅binlog程序在mysql中有现成的中间件叫canal,可以完成订阅binlog日志的功能。
    

    总结

    说了这么多,到底哪个更好呢?

    1.如果你的数据库没有读写分离,缓存的是单条数据的缓存,例如用户的信息,订单信息等。选择先删除缓存,再更新数据库。

    public void write(String key,Object data){
            begin
            //用悲观锁锁住数据
            select .... for update
            redis.delKey(key);
            db.updateData(data);
            conmit
        }
    

    2.读写分离,分表分库的情况下,推荐使用先更新数据库,再删缓存

    无论是先更新数据库,再删缓存还是先删除缓存,再更新数据库,都涉及二次缓存删除可靠性的问题,先更新数据库,再删缓存最终缓存得到的脏数据概率更低

    3.缓存信息是经过大量计算出来的,例如公司运营数据,报表数据。

    这种情况要考虑你的业务的正确性,如果经过大量计算出来缓存到内存的内容经常需要变更,那为什么需要缓存呢

    最后再切记
    一开始考虑去缓存经常被更新的数据,从业务上就是一个错误


    参考

    http://blog.jobbole.com/113992/

  • 相关阅读:
    CodeForces.1174D.EhabandtheExpectedXORProblem(构造前缀异或和数组)
    HDU-6187.DestroyWalls(最大生成树)
    HDU.6186.CSCource.(前缀和数组和后缀和数组)
    <每日一题>Day 9:POJ-3281.Dining(拆点 + 多源多汇+ 网络流 )
    <每日一题> Day8:CodeForces-996A.Hit the Lottery(贪心)
    最小割 + 网络流变体
    <每日一题> Day7:CodeForces-1166C.A Tale of Two Lands (二分 + 排序)
    <每日一题> Day6:HDU递推专题完结
    <每日一题> Day5:简单递推两题
    POJ-3122.Pie(二分法最大化平均值)
  • 原文地址:https://www.cnblogs.com/xmzJava/p/9778109.html
Copyright © 2011-2022 走看看