面试|如何保证数据库和缓存双写一致性数据库|一致性|mq|定时任务|缓

数据库和缓存（比如：redis）双写数据一致性问题，是一个跟开发语言无关的公共问题。尤其在高并发的场景下，这个问题变得更加严重。
接下来我和大家一起来探讨一下
常见方案通常情况下，我们使用缓存的主要目的是为了提升查询的性能。大多数情况下，我们是这样使用缓存的：

文章图片

简单来说就是先查缓存，如果缓存中没有数据再去查数据库，同时将数据库中查出的结果更新同步至缓存，如果数据库中也没有，则返回空。
这种缓存用法表面上看着很合理，可是我们忽略了一些重要的场景

如果数据库中的某条数据，放入缓存之后，又立马被更新了，那么该如何更新缓存呢？

不更新缓存行不行？

答案是肯定不行，要不然本文也就没有存在的必要了。
如果长期不更新，只依赖于缓存的过期时间的话，那么用户可能在很长一段时间内使用的都是旧的数据，比如：如果数据库中的某条数据，放入缓存之后，又立马被更新了，那么就会出现上面这个情况。

那么，我们该如何更新缓存呢？
目前有以下4种方案：

先写缓存，再写数据库
先写数据库，再写缓存
先删缓存，再写数据库
先写数据库，再删缓存

我们看看这些方案到底行不行的通
1.先写缓存，再写数据库我们知道缓存快的主要原因是其 I/O的瓶颈，由于缓存直接读写内存，所以操作速度很快，但是直接读写内存的话，如果遇到缓存数据库宕机，就会导致写入到内存数据丢失，同时我们还会遇到当写入缓存成功之后，如果刚写完缓存，突然网络出现了异常，导致写数据库失败了，这种情况是缓存有，数据库没有，此时缓存中的数据就变成了脏数据。
我们必须要理解缓存的主要目的是暂存，也就是说把数据库的数据临时保存在内存，便于后续的查询，提升查询速度，但如果某条数据，在数据库中都不存在，那这条数据可以说是毫无意义。因此这种方案不可取。
2.先写数据库，再写缓存这种方案可以避免假数据带来的问题，所谓假数据就是指数据库中没有，但是缓存中有的数据就是假数据。但是新的问题又产生了。
2.1 写缓存失败了如果把写数据库和写缓存操作，放在同一个事务当中，当写缓存失败了，我们可以把写入数据库的数据进行回滚。
这种场景也可以接受，但是只能应用于并发量较小的业务场景，对接口性能要求不太高的系统，可以这么做。
但如果在高并发的业务场景中，写数据库和写缓存，都属于远程操作。为了防止出现大事务，造成的死锁问题，通常建议写数据库和写缓存不要放在同一个事务中。
如果同时写入缓存和数据库就会出现写数据库成功了，但写缓存失败了，数据库中已写入的数据不会回滚，导致数据库是新数据，而缓存是旧数据，两边数据不一致的情况。
2.2 高并发场景假设在高并发场景下，针对同一个用户的同一条数据，有两个写数据请求：a和b，它们同时请求到业务系统，其中请求a获取的是旧数据，而请求b获取的是新数据，如下图所示：

文章图片

我么就按照上图的流程走一遍：

1.请求a先过来，刚写完了数据库。但由于网络原因，卡顿了一下，还没来得及写缓存。
2.这时候请求b过来了，先写了数据库
3.接下来，请求b顺利写了缓存
4.过了一会，请求a卡顿结束，也写入了缓存

上面的过程就会出现一个很严重的情况：数据库中是新值，而数据库中是旧值。
而且这种方式会严重浪费系统资源。
为什么这么说呢？

如果写的缓存，并不是简单的数据内容，而是要经过非常复杂的计算得出的最终结果。这样每写一次缓存，都需要经过一次非常复杂的计算，不是非常浪费系统资源吗！！！

尤其是当我们遇到的业务场景是写多读少，在这类业务场景下，每一次写操作都需要写一次缓存，这样的话就有点得不偿失了。
3.先删缓存在写数据库上面两种方案我们可以看到直接更新缓存的问题很多。
所以我们换一种思路：不去直接更新缓存，而改为删除缓存
但是删缓存也有两种方案：

1.先删缓存，再写数据库
2.先写数据库，再删缓存

3.1 先删缓存，在写数据库大致流程如下：

文章图片

这个流程有没有问题呢？
我们一起来分析一下
还是先讨论一下高并发下的问题
3.1.1 高并发下的问题
假设在高并发的场景中，同一个用户的同一条数据，有一个读数据请求c，还有另一个写数据请求d（一个更新操作），同时请求到业务系统。如下图所示：

文章图片

上图流程如下：

请求d先过来，把缓存删除了。但由于网络原因，卡顿了一下，还没来得及写数据库。
这时请求c过来了，先查缓存发现没数据，再查数据库，有数据，但是旧值。
请求c将数据库中的旧值，更新到缓存中。
此时，请求d卡顿结束，把新值写入数据库。

在这个过程当中，请求d的新值并没有被请求c写入缓存，同样会导致缓存和数据库的数据不一致的情况。
那么，这种场景的数据不一致问题，能否解决呢？
3.1.2 缓存双删
针对上面这种场景有一种很简单的处理办法，思路很简单：
当d请求写入成功之后，我们在将缓存重删一次。

文章图片

这就是我们所说的缓存双删，即：

即在写数据库之前删除一次，写完数据库后，再删除一次。

该方案有个非常关键的地方是：第二次删除缓存，并非立马就删，而是要在一定的时间间隔之后。
有了缓存删除方案之后，我们在回顾一下高并发下的场景问题：

1.请求d先过来，把缓存删除了。但由于网络原因，卡顿了一下，还没来得及写数据库。
2.这时请求c过来了，先查缓存发现没数据，再查数据库，有数据，但是旧值。
3.请求c将数据库中的旧值，更新到缓存中。
4.此时，请求d卡顿结束，把新值写入数据库。
5.一段时间之后，比如：500ms，请求d将缓存删除。

这样看确实解决了缓存不一致的问题，但是为什么我们非得等一会在删除缓存呢？
请求d卡顿结束，把新值写入数据库后，请求c将数据库中的旧值，更新到缓存中。
此时，如果请求d删除太快，在请求c将数据库中的旧值更新到缓存之前，就已经把缓存删除了，这次删除就没任何意义。我们必须要搞清楚，我们之所以要再删除一次缓存的原因是因为c请求导致缓存中更新了数据库中旧值，我们需要把这个旧值删除掉，所以必须要在请求c更新缓存之后，再删除缓存，才能把旧值及时删除了，删除删除太快，可能后面。
现在解决了一个问题之后，又遇到一个问题：如果第二次删除缓存时，删除失败了该怎么办呢？
由于下面的场景同样也会遇到这个问题，所以我单独拿出来讲解缓存删除失败的解决方案。
3.2 先写数据库，再删缓存从前面得知，先删缓存，再写数据库，在并发的情况下，也可能会出现缓存和数据库的数据不一致的情况。
接下来，我们重点看看先写数据库，再删缓存的方案。
在高并发的场景中，有一个读数据请求，有一个写数据请求，更新过程如下：

请求e先写数据库，由于网络原因卡顿了一下，没有来得及删除缓存。
请求f查询缓存，发现缓存中有数据，直接返回该数据。
请求e删除缓存。

在这个过程中，只有请求f读了一次旧数据，后来旧数据被请求e及时删除了，看起来问题不大，但如果是读数据请求先过来呢？

请求f查询缓存，发现缓存中有数据，直接返回该数据。
请求e先写数据库。
请求e删除缓存。

这种情况有问题吗？
完全没问题!!!
但是呢，我们别忘了，我们的缓存如果设置了有效期，即缓存自己失效了。

文章图片

上面的流程大致如下：

缓存过期时间到了，自动失效。
请求f查询缓存，发缓存中没有数据，查询数据库的旧值，但由于网络原因卡顿了，没有来得及更新缓存。
请求e先写数据库，接着删除了缓存。
请求f更新旧值到缓存中。

当然这种情况发生的概率比较下，只有同时满足：

缓存刚好自动失效。
请求f从数据库查出旧值，更新缓存的耗时，比请求e写数据库，并且删除缓存的还长。

查询数据库的速度，一般比写数据库要快，更何况写完数据库，还要删除缓存。所以绝大多数情况下，写数据请求比读数据情况耗时更长。
我们先做个总结：

推荐大家使用先写数据库，再删缓存的方案，虽说不能100%避免数据不一致问题，但出现该问题的概率，相对于其他方案来说是最小的。

【面试|如何保证数据库和缓存双写一致性】但是这个方案也会也到缓存删除失败的情况，解决缓存删除失败的情况
4.删缓存失败怎么办？如果缓存删除失败了，也会导致缓存和数据库的数据不一致。
所以为了解决这个方案，我们加入一个重试机制。
在接口中如果更新了数据库成功了，但更新缓存失败了，可以立刻重试3次。如果其中有任何一次成功，则直接返回成功。如果3次都失败了，则写入数据库，准备后续再处理。
当然，如果你在接口中直接同步重试，该接口并发量比较高的时候，可能有点影响接口性能，这个我们不怕，可以改为异步。
异步重试方式有很多种：

1.每次都单独起一个线程，该线程专门做重试的工作。但如果在高并发的场景下，可能会创建太多的线程，导致系统OOM问题，不太建议使用。
2.将重试的任务交给线程池处理，但如果服务器重启，部分数据可能会丢失。
3.将重试数据写表，然后使用elastic-job等定时任务进行重试。
4.将重试的请求写入mq等消息中间件中，在mq的consumer中处理。
5.订阅mysql的binlog，在订阅者中，如果发现了更新数据请求，则删除相应的缓存。

4.1 定时任务我们创建一个重试表，表中有个字段记录重试次数，初始值为0，同时设置一个最大的重试次数，用一个定时任务异步的去读取重试表中的数据，然后去执行删除缓存操作，每删除一次，重试次数加1，如果其中有任意一次成功了，则返回成功。如果重试了5次，还是失败，则我们需要在重试表中记录一个失败的状态，等待后续进一步处理。
在高并发场景中，定时任务推荐使用elastic-job。相对于xxl-job等定时任务，它可以分片处理，提升处理速度。同时每片的间隔可以设置成：1,2,3,5,7秒等。
使用定时任务重试的话，有个缺点就是实时性没那么高，对于实时性要求特别高的业务场景，该方案不太适用。但是对于一般场景，还是可以用一用的。
但它有一个很大的优点，即数据是落库的，不会丢数据。
4.2 MQ 在高并发的业务场景中，mq（消息队列）是必不可少的技术之一。它不仅可以异步解耦，还能削峰填谷。对保证系统的稳定性是非常有意义的。
mq的生产者，生产了消息之后，通过指定的topic发送到mq服务器。然后mq的消费者，订阅该topic的消息，读取消息数据之后，做业务逻辑处理。
使用mq重试的具体方案如下：

文章图片

当用户操作写完数据库，但删除缓存失败了，产生一条mq消息，发送给mq服务器。
mq消费者读取mq消息，重试5次删除缓存。如果其中有任意一次成功了，则返回成功。如果重试了5次，还是失败，则写入死信队列中。
当然在该方案中，删除缓存可以完全走异步。即用户的写操作，在写完数据库之后，不用立刻删除一次缓存。而直接发送mq消息，到mq服务器，然后有mq消费者全权负责删除缓存的任务。
因为mq的实时性还是比较高的，因此改良后的方案也是一种不错的选择。
4.3 binlog 前面两种删除的重试方案都有一定的侵入性：

在使用定时任务的方案中，需要在业务代码中增加额外逻辑，如果删除缓存失败，需要将数据写入重试表。
使用mq的方案中，如果删除缓存失败了，需要在业务代码中发送mq消息到mq服务器。

其实，还有一种更优雅的实现，即监听binlog，比如使用：canal等中间件。
具体方案如下：

文章图片

在业务接口中写数据库之后，就不管了，直接返回成功。
mysql服务器会自动把变更的数据写入binlog中。
binlog订阅者获取变更的数据，然后删除缓存。

这套方案中业务接口确实简化了一些流程，只用关心数据库操作即可，而在binlog订阅者中做缓存删除工作。
但是呢，这种方案还会出现删除失败的情况，因为基于binlog实现的删除只会删除一次，所以我们最终还是需要依赖于基于定时任务或者mq的重试机制。
在binlog订阅者中如果删除缓存失败，则发送一条mq消息到mq服务器，在mq消费者中自动重试5次。如果有任意一次成功，则直接返回成功。如果重试5次后还是失败，则该消息自动被放入死信队列，后面可能需要人工介入。