分佈式之數據庫和緩存雙寫一致性方案解析

引言

爲何寫這篇文章？

首先，緩存因爲其高併發和高性能的特性，已經在項目中被普遍使用。在讀取緩存方面，你們沒啥疑問，都是按照下圖的流程來進行業務操做。
image
可是在更新緩存方面，對於更新完數據庫，是更新緩存呢，仍是刪除緩存。又或者是先刪除緩存，再更新數據庫，其實你們存在很大的爭議。目前沒有一篇全面的博客，對這幾種方案進行解析。因而博主戰戰兢兢，頂着被你們噴的風險，寫了這篇文章。

文章結構

本文由如下三個部分組成
一、講解緩存更新策略
二、對每種策略進行缺點分析
三、針對缺點給出改進方案

正文

先作一個說明，從理論上來講，給緩存設置過時時間，是保證最終一致性的解決方案。這種方案下，咱們能夠對存入緩存的數據設置過時時間，全部的寫操做以數據庫爲準，對緩存操做只是盡最大努力便可。也就是說若是數據庫寫成功，緩存更新失敗，那麼只要到達過時時間，則後面的讀請求天然會從數據庫中讀取新值而後回填緩存。所以，接下來討論的思路不依賴於給緩存設置過時時間這個方案。
在這裏，咱們討論三種更新策略：

先更新數據庫，再更新緩存
先刪除緩存，再更新數據庫
先更新數據庫，再刪除緩存
應該沒人問我，爲何沒有先更新緩存，再更新數據庫這種策略。

(1)先更新數據庫，再更新緩存

這套方案，你們是廣泛反對的。爲何呢？有以下兩點緣由。
緣由一（線程安全角度）
同時有請求A和請求B進行更新操做，那麼會出現
（1）線程A更新了數據庫
（2）線程B更新了數據庫
（3）線程B更新了緩存
（4）線程A更新了緩存
這就出現請求A更新緩存應該比請求B更新緩存早纔對，可是由於網絡等緣由，B卻比A更早更新了緩存。這就致使了髒數據，所以不考慮。
緣由二（業務場景角度）
有以下兩點：
（1）若是你是一個寫數據庫場景比較多，而讀數據場景比較少的業務需求，採用這種方案就會致使，數據壓根還沒讀到，緩存就被頻繁的更新，浪費性能。
（2）若是你寫入數據庫的值，並非直接寫入緩存的，而是要通過一系列複雜的計算再寫入緩存。那麼，每次寫入數據庫後，都再次計算寫入緩存的值，無疑是浪費性能的。顯然，刪除緩存更爲適合。

接下來討論的就是爭議最大的，先刪緩存，再更新數據庫。仍是先更新數據庫，再刪緩存的問題。

(2)先刪緩存，再更新數據庫

該方案會致使不一致的緣由是。同時有一個請求A進行更新操做，另外一個請求B進行查詢操做。那麼會出現以下情形:
（1）請求A進行寫操做，刪除緩存
（2）請求B查詢發現緩存不存在
（3）請求B去數據庫查詢獲得舊值
（4）請求B將舊值寫入緩存
（5）請求A將新值寫入數據庫
上述狀況就會致使不一致的情形出現。並且，若是不採用給緩存設置過時時間策略，該數據永遠都是髒數據。
那麼，如何解決呢？採用延時雙刪策略
僞代碼以下

public void write(String key,Object data){

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

轉化爲中文描述就是（1）先淘汰緩存（2）再寫數據庫（這兩步和原來同樣）（3）休眠1秒，再次淘汰緩存這麼作，能夠將1秒內所形成的緩存髒數據，再次刪除。那麼，這個1秒怎麼肯定的，具體該休眠多久呢？針對上面的情形，讀者應該自行評估本身的項目的讀數據業務邏輯的耗時。而後寫數據的休眠時間則在讀數據業務邏輯的耗時基礎上，加幾百ms便可。這麼作的目的，就是確保讀請求結束，寫請求能夠刪除讀請求形成的緩存髒數據。若是你用了mysql的讀寫分離架構怎麼辦？ok，在這種狀況下，形成數據不一致的緣由以下，仍是兩個請求，一個請求A進行更新操做，另外一個請求B進行查詢操做。（1）請求A進行寫操做，刪除緩存（2）請求A將數據寫入數據庫了，（3）請求B查詢緩存發現，緩存沒有值（4）請求B去從庫查詢，這時，尚未完成主從同步，所以查詢到的是舊值（5）請求B將舊值寫入緩存（6）數據庫完成主從同步，從庫變爲新值上述情形，就是數據不一致的緣由。仍是使用雙刪延時策略。只是，睡眠時間修改成在主從同步的延時時間基礎上，加幾百ms。採用這種同步淘汰策略，吞吐量下降怎麼辦？ok，那就將第二次刪除做爲異步的。本身起一個線程，異步刪除。這樣，寫的請求就不用沉睡一段時間後了，再返回。這麼作，加大吞吐量。第二次刪除,若是刪除失敗怎麼辦？這是個很是好的問題，由於第二次刪除失敗，就會出現以下情形。仍是有兩個請求，一個請求A進行更新操做，另外一個請求B進行查詢操做，爲了方便，假設是單庫：（1）請求A進行寫操做，刪除緩存（2）請求B查詢發現緩存不存在（3）請求B去數據庫查詢獲得舊值（4）請求B將舊值寫入緩存（5）請求A將新值寫入數據庫（6）請求A試圖去刪除請求B寫入對緩存值，結果失敗了。ok,這也就是說。若是第二次刪除緩存失敗，會再次出現緩存和數據庫不一致的問題。如何解決呢？具體解決方案，且看博主對第(3)種更新策略的解析。