1、首先redis是什么

Redis（Remote Dictionary Server )，是一個高性能的基于Key-Value結(jié)構(gòu)存儲的NoSQL開源數(shù)據(jù)庫。大部分公司采用Redis來實(shí)現(xiàn)分布式緩存，用來提高數(shù)據(jù)查詢效率。

2、為什么會選Redis

在Web應(yīng)用發(fā)展的初期，系統(tǒng)的訪問和并發(fā)并不高，交互也比較少。但隨著業(yè)務(wù)的擴(kuò)大，訪問量的提升，使得服務(wù)器負(fù)載和關(guān)系型數(shù)據(jù)庫出現(xiàn)瓶頸，而導(dǎo)致瓶頸的源頭，主要體現(xiàn)在磁盤IO上。隨著互聯(lián)網(wǎng)的進(jìn)一步發(fā)展，對系統(tǒng)性能有了更高的要求，Redis的出現(xiàn)，解決了很多問題。至于我們?yōu)槭裁匆x擇Redis，我總結(jié)為以下六個原因：

1）、基于內(nèi)存存儲，可以降低對關(guān)系型數(shù)據(jù)庫的訪問頻次，從而緩解數(shù)據(jù)庫壓力

2）、數(shù)據(jù)IO操作能支持更高級別的QPS，官方發(fā)布的指標(biāo)是10W；

3）、提供了比較多的數(shù)據(jù)存儲結(jié)構(gòu)，比如string、list、hash、set、zset等等。

4）、采用單線程實(shí)現(xiàn)IO操作，避免了并發(fā)情況下的線程安全問題。

5）、可以支持?jǐn)?shù)據(jù)持久化，避免因服務(wù)器故障導(dǎo)致數(shù)據(jù)丟失的問題

6）、Redis還提供了更多高級功能，比如分布式鎖、分布式隊(duì)列、排行榜、查找附近的人等功能，為更復(fù)雜的需求提供了成熟的解決方案。

3、 應(yīng)用場景

緩存，作為Key-Value形態(tài)的內(nèi)存數(shù)據(jù)庫，Redis 最先會被想到的應(yīng)用場景便是作為數(shù)據(jù)緩存

分布式鎖，分布式環(huán)境下對資源加鎖

分布式共享數(shù)據(jù)，在多個應(yīng)用之間共享

排行榜，自帶排序的數(shù)據(jù)結(jié)構(gòu)（zset）

消息隊(duì)列，pub/sub功能也可以用作發(fā)布者 / 訂閱者模型的消息

4、redis用作緩存時

4.1、作為緩存使用流程

緩存由于其高并發(fā)和高性能的特性，已經(jīng)在項(xiàng)目中被廣泛使用。在讀取緩存方面，大家沒啥疑問，都是按照下圖的流程來進(jìn)行業(yè)務(wù)操作。

4.2、數(shù)據(jù)性一致性問題

例如我們使用Redis來作為緩存時，讓請求先訪問到Redis，而不是直接訪問數(shù)據(jù)庫。而在這種業(yè)務(wù)場景下，可能會出現(xiàn)緩存和數(shù)據(jù)庫數(shù)據(jù)不一致性的問題。

在更新的時候，操作緩存和數(shù)據(jù)庫無疑就是以下四種可能之一：

• 先更新緩存，再更新數(shù)據(jù)庫
• 先更新數(shù)據(jù)庫，再更新緩存
• 先刪除緩存，再更新數(shù)據(jù)庫
• 先更新數(shù)據(jù)庫，再刪除緩存

4.2.1、先更新緩存，再更新數(shù)據(jù)庫

如果我成功更新了緩存，但是在執(zhí)行更新數(shù)據(jù)庫的那一步，服務(wù)器突然宕機(jī)了，那么此時，我的緩存中是最新的數(shù)據(jù)，而數(shù)據(jù)庫中是舊的數(shù)據(jù)。

臟數(shù)據(jù)就因此誕生了，并且如果我緩存的信息（是單獨(dú)某張表的），而且這張表也在其他表的關(guān)聯(lián)查詢中，那么其他表關(guān)聯(lián)查詢出來的數(shù)據(jù)也是臟數(shù)據(jù)，結(jié)果就是直接會產(chǎn)生一系列的問題。

4.2.2、先更新數(shù)據(jù)庫，在更新緩存

只有等到緩存過期之后，才能訪問到正確的信息。那么在緩存沒過期的時間段內(nèi)，所看到的都是臟數(shù)據(jù)。

以上兩圖中只要執(zhí)行第二步時失敗了，就必然會產(chǎn)生臟數(shù)據(jù)。

4.2.3、先刪除緩存，在更新數(shù)據(jù)庫

這種方式在沒有高并發(fā)的情況下，是可能保持?jǐn)?shù)據(jù)一致性的。

如果只有第一步執(zhí)行成功，而第二步失敗，那么只有緩存中的數(shù)據(jù)被刪除了，但是數(shù)據(jù)庫沒有更新，那么在下一次進(jìn)行查詢的時候，查不到緩存，只能重新查詢數(shù)據(jù)庫，構(gòu)建緩存，這樣其實(shí)也是相對做到了數(shù)據(jù)一致性。

但如果是處于讀寫并發(fā)的情況下，還是會出現(xiàn)數(shù)據(jù)不一致的情況：

執(zhí)行完成后，明顯可以看出，1號用戶所構(gòu)建的緩存，并不是最新的數(shù)據(jù)，還是存在問題的

4.2.4、先更新數(shù)據(jù)庫，在刪除緩存

如果更新數(shù)據(jù)庫成功了，而刪除緩存失敗了，那么數(shù)據(jù)庫中就會是新數(shù)據(jù)，而緩存中是舊數(shù)據(jù)，數(shù)據(jù)就出現(xiàn)了不一致情況。

和之前一樣，如果兩段代碼都執(zhí)行成功，在并發(fā)情況下會是什么樣呢？

還是會造成數(shù)據(jù)的不一致性。

但是此處達(dá)成這個數(shù)據(jù)不一致性的條件明顯會比起其他的方式更為困難 ：

• 時刻1：讀請求的時候，緩存正好過期
• 時刻2：讀請求在寫請求更新數(shù)據(jù)庫之前查詢數(shù)據(jù)庫，
• 時刻3：寫請求，在更新數(shù)據(jù)庫之后，要在讀請求成功寫入緩存前，先執(zhí)行刪除緩存操作。

這通常是很難做到的，因?yàn)樵谡嬲牟l(fā)開發(fā)中，更新數(shù)據(jù)庫是需要加鎖的，不然沒一點(diǎn)安全性~

一定程度上來講，這種方式還是解決了一定程度上的數(shù)據(jù)不一致性問題的。

4.3、總結(jié)

以上四種方式無論選擇那種方式，如果實(shí)在多服務(wù)或時并發(fā)的情況下，其實(shí)都是有可能產(chǎn)生數(shù)據(jù)不一致性的。

為了解決這個存在的問題有以下方式：

4.3.1、延遲雙刪

先進(jìn)行緩存清除，再執(zhí)行update，最后（延遲N秒）再執(zhí)行緩存清除。進(jìn)行兩次刪除，且中間需要延遲一段時間

public void write(String key,Object data){
// 延遲雙刪偽代碼
		deleteRedisCache(key);   // 刪除redis緩存
		updateMysqlSql(obj);        // 更新mysql
		Thread.sleep(100);           // 延遲一段時間
		deleteRedisCache(key);   // 再次刪除該key的緩存
}

延遲雙刪的流程圖：

解決這樣的問題，其實(shí)最好的方式就是在執(zhí)行完更新數(shù)據(jù)庫的操作后，先休眠一會兒，再進(jìn)行一次緩存的刪除，以確保數(shù)據(jù)一致性

首先延遲刪除的時間需要大于 1號用戶執(zhí)行流程的總時間

就是1號用戶從數(shù)據(jù)庫讀取數(shù)據(jù) 寫入緩存時間

4.3.2、通過發(fā)送MQ，在消費(fèi)者線程去同步Redis

無論是更新緩存還是刪除緩存，在同時操作緩存和數(shù)據(jù)庫時，都無法保證兩者都能一次性操作成功，所以我們最好的辦法就是重試，這個重試并不是立即重試，因?yàn)榫彺婧蛿?shù)據(jù)庫可能因?yàn)榫W(wǎng)絡(luò)或者其它原因停止服務(wù)了，立即重試成功率極低，而且重試會占用線程資源，顯然不合理，所以我們需要采用異步重試機(jī)制。

異步重試我們可以使用消息隊(duì)列來完成，因?yàn)橄㈥?duì)列可以保證消息的可靠性，消息不會丟失，也可以保證正確消費(fèi)，當(dāng)且僅當(dāng)消息消費(fèi)成功后才會將消息從消息隊(duì)列中刪除。

優(yōu)點(diǎn)1：可以大幅減少接口的延遲返回的問題

優(yōu)點(diǎn)2：MQ本身有重試機(jī)制，無需人工去寫重試代碼

優(yōu)點(diǎn)3：解耦，把查詢Mysql和同步Redis完全分離，互不干擾

4.3.3、Canal 訂閱日志實(shí)現(xiàn)

當(dāng)我們業(yè)務(wù)修改數(shù)據(jù)時，我們只需要更新數(shù)據(jù)庫，無需修改緩存，那什么時候修改緩存呢？

以mysql為例，在數(shù)據(jù)庫一條記錄發(fā)生變更時就會生成一條binlog日志，我們可以訂閱這種消息，拿到具體的數(shù)據(jù)，然后根據(jù)日志消息更新緩存，訂閱日志目前比較流行的就是阿里開源的canal，那么我們的架構(gòu)就變?yōu)槿缦滦问健?/p>

訂閱數(shù)據(jù)庫變更日志，當(dāng)數(shù)據(jù)庫發(fā)生變更時，我們可以拿到具體操作的數(shù)據(jù)，然后再去根據(jù)具體的數(shù)據(jù)，去刪除對應(yīng)的緩存。

當(dāng)然Canal 也是要配合消息隊(duì)列一起來使用的，因?yàn)槠?strong>Canal本身是沒有數(shù)據(jù)處理能力的。

這個方式算的上徹底解耦了，應(yīng)用程序代碼無需再管消息隊(duì)列方面發(fā)送失敗問題，全交由 Canal來發(fā)送。

以上就是Redis數(shù)據(jù)一致性問題的三種解決方案的詳細(xì)內(nèi)容，更多關(guān)于Redis數(shù)據(jù)一致性解決的資料請關(guān)注腳本之家其它相關(guān)文章！

最新評論