浅谈数据库缓存最终一致性的四种方案
<div id="navCategory"><h5 class="catalogue">目录</h5><ul class="first_class_ul"><li>背景</li><li>
缓存是什么</li><li>
为什么需要缓存</li><li>
存在问题</li><li>
redis作为mysql缓存<ul class="second_class_ul"><li>
方案一</li><li>
方案二</li><li>
方案三</li><li>
方案四</li></ul></li><li>
总结<ul class="second_class_ul"><li>
方案选型</li><li>
结论</li></ul></li></ul></div><p class="maodian"></p><h2>
背景</h2>
<p>
缓存是软件开发中一个非常有用的概念，数据库缓存更是在项目中必然会遇到的场景。而缓存一致性的保证，更是在面试中被反复问到，这里进行一下总结，针对不同的要求，选择恰到好处的一致性方案。</p>
<p class="maodian"></p><h2>
缓存是什么</h2>
<p>
存储的速度是有区别的。缓存就是把低速存储的结果，临时保存在高速存储的技术。</p>
<p>
<img title="浅谈数据库缓存最终一致性的四种方案" alt="浅谈数据库缓存最终一致性的四种方案" class="has" src="https://zhuji.jb51.net/uploads/img/202305/0eebe3d318fa5dd5c0d069ca8a6378b1.jpg"></p>
<p>
如图所示，金字塔更上面的存储，可以作为下面存储的缓存。</p>
<p>
我们本次的讨论，主要针对数据库缓存场景，将以redis作为mysql的缓存为案例来进行。</p>
<p class="maodian"></p><h2>
为什么需要缓存</h2>
<p>
存储如mysql通常支持完整的acid特性，因为可靠性，持久性等因素，性能普遍不高，高并发的查询会给mysql带来压力，造成数据库系统的不稳定。同时也容易产生延迟。</p>
<p>
根据局部性原理，80%请求会落到20%的热点数据上，在读多写少场景，增加一层缓存非常有助提升系统吞吐量和健壮性。</p>
<p class="maodian"></p><h2>
存在问题</h2>
<p>
存储的数据随着时间可能会发生变化，而缓存中的数据就会不一致。具体能容忍的不一致时间，需要具体业务具体分析，但是通常的业务，都需要做到最终一致。</p>
<p class="maodian"></p><h2>
redis作为mysql缓存</h2>
<p>
通常的开发模式中，都会使用mysql作为存储，而redis作为缓存，加速和保护mysql。但是，当mysql数据更新之后，redis怎么保持同步呢。</p>
<p>
强一致性同步成本太高，如果追求强一致，那么没必要用缓存了，直接用mysql即可。通常考虑的，都是最终一致性。</p>
<p>
解决方案</p>
<p class="maodian"></p><h3>
方案一</h3>
<p>
通过key的过期时间，mysql更新时，redis不更新。</p>
<p>
这种方式实现简单，但不一致的时间会很长。如果读请求非常频繁，且过期时间比较长，则会产生很多长期的脏数据。</p>
<p>
<strong>优点：</strong></p>
<p>
开发成本低，易于实现；</p>
<p>
管理成本低，出问题的概率会比较小。</p>
<p>
<strong>不足：</strong></p>
<p>
完全依赖过期时间，时间太短容易缓存频繁失效，太长容易有长时间更新延迟（不一致）</p>
<p class="maodian"></p><h3>
方案二</h3>
<p>
在方案一的基础上扩展，通过key的过期时间兜底，并且，在更新mysql时，同时更新redis。</p>
<p>
<img title="浅谈数据库缓存最终一致性的四种方案" alt="浅谈数据库缓存最终一致性的四种方案" class="has" src="https://zhuji.jb51.net/uploads/img/202305/5eabf690f6d8a84e3ff85ba1f01bb21b.jpg"></p>
<p>
<strong>优点：</strong></p>
<p>
相对方案一，更新延迟更小。</p>
<p>
<strong>不足：</strong></p>
<p>
如果更新mysql成功，更新redis却失败，就退化到了方案一；</p>
<p>
在高并发场景，业务server需要和mysql,redis同时进行连接。这样是损耗双倍的连接资源，容易造成连接数过多的问题。</p>
<p class="maodian"></p><h3>
方案三</h3>
<p>
针对方案二的同步写redis进行优化，增加消息队列，将redis更新操作交给kafka，由消息队列保证可靠性，再搭建一个消费服务，来异步更新redis。</p>
<p>
<img title="浅谈数据库缓存最终一致性的四种方案" alt="浅谈数据库缓存最终一致性的四种方案" class="has" src="https://zhuji.jb51.net/uploads/img/202305/55c63f08c51a14b0b7fe04b2d8511c02.jpg"></p>
<p>
<strong>优点：</strong></p>
<p>
消息队列可以用一个句柄，很多消息队列客户端还支持本地缓存发送，有效解决了方案二连接数过多的问题；</p>
<p>
使用消息队列，实现了逻辑上的解耦；</p>
<p>
消息队列本身具有可靠性，通过手动提交等手段，可以至少一次消费到redis。</p>
<p>
<strong>不足：</strong></p>
<p>
依旧解决不了时序性问题，如果多台业务服务器分别处理针对同一行数据的两条请求，举个栗子，a = 1；a = 5; 如果mysql中是第一条先执行，而进入kafka的顺序是第二条先执行，那么数据就会产生不一致。</p>
<p>
引入了消息队列，同时要增加服务消费消息，成本较高，还有重复消费的风险。</p>
<p class="maodian"></p><h3>
方案四</h3>
<p>
通过订阅binlog来更新redis，把我们搭建的消费服务，作为mysql的一个slave，订阅binlog，解析出更新内容，再更新到redis。</p>
<p>
<img title="浅谈数据库缓存最终一致性的四种方案" alt="浅谈数据库缓存最终一致性的四种方案" class="has" src="https://zhuji.jb51.net/uploads/img/202305/9a2ac5218c7a630d2bdb5641f8d6da77.jpg"></p>
<p>
<strong>优点：</strong></p>
<p>
在mysql压力不大情况下，延迟较低；</p>
<p>
和业务完全解耦；</p>
<p>
解决了时序性问题。</p>
<p>
<strong>缺点：</strong></p>
<p>
要单独搭建一个同步服务，并且引入binlog同步机制，成本较大。</p>
<p class="maodian"></p><h2>
总结</h2>
<p class="maodian"></p><h3>
方案选型</h3>
<p>
首先确认产品上对延迟性的要求，如果要求极高，且数据有可能变化，别用缓存。</p>
<p>
通常来说，方案1就够了，笔者咨询过4，5个团队，基本都是用方案1，因为能用缓存方案，通常是读多写少场景，同时业务上对延迟具有一定的包容性。方案1没有开发成本，其实比较实用。</p>
<p>
如果想增加更新时的即时性，就选择方案2，不过没必要做重试保证之类的。</p>
<p>
方案3，方案4针对于对延时要求比较高业务，一个是推模式，一个是拉模式，而方案4具备更强的可靠性，既然都愿意花功夫做处理消息的逻辑，不如一步到位，用方案4。</p>
<p class="maodian"></p><h3>
结论</h3>
<p>
一般情况，方案1够用。若延时要求高，直接选择方案4。如果是面试场景，从简单讲到复杂，面试官会一步一步追问，咱们就一点点推导，宾主尽欢。</p>
<p>
到此这篇关于浅谈数据库缓存最终一致性的四种方案的文章就介绍到这了,更多相关数据库缓存一致性内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！</p>
<p>
原文链接：https://juejin.cn/post/6844903929281511438</p>
頁:
[1]