25Redis的缓存中的数据和数据库中的不一致问题

25 Redis的缓存中的数据和数据库中的不一致问题

• 前言
• 一、缓存和数据库的数据不一致是如何发生的？
• 二、解决Redis 和数据库数据不一致的方法
• 总结

Redis 缓存经常会遇到有 4 个方面：

1. 缓存中的数据和数据库中的不一致；
2. 缓存雪崩；
3. 缓存击穿；
4. 缓存穿透。

只要我们使用 Redis 缓存，就会面对缓存和数据库间的一致性保证问题。如果数据不一致，业务应用从缓存中读取的数据就不是最新数据。比如，把电商商品的库存信息缓存在 Redis 中，如果库存信息不对，那么业务层下单操作就可能出错。

数据一致性包含两种情况：

1. 缓存中有数据，缓存的数据值需要和数据库中的值相同；
2. 缓存中本身没有数据，数据库中的值必须是最新值。

不符合这两种情况的就属于缓存和数据库的数据不一致问题了。当缓存的读写模式不同时，缓存数据不一致的发生情况不一样，应对方法也会有所不同，根据是否接收写请求，把缓存分成读写缓存和只读缓存。

读写缓存：

如果要对数据进行增删改，就需要在缓存中进行，根据采取的写回策略，决定是否同步写回到数据库中：

• 同步直写策略：写缓存时也同步写数据库，缓存和数据库中的数据一致；要想保证缓存和数据库中的数据一致，就要采用同步直写策略。需要同时更新缓存和数据库。所以要在业务应用中使用事务机制，来保证缓存和数据库的更新具有原子性，两者要不一起更新，要不都不更新返回错误信息，进行重试。否则就无法实现同步直写。
• 异步写回策略：写缓存时不同步写数据库，等到数据从缓存中淘汰时再写回数据库。 如果数据还没有写回数据库，缓存就发生了故障，数据库就没有最新的数据了。 对数据一致性的要求可能不是那么高，比如，缓存的是电商商品的非关键属性或者短视频的创建或修改时间等，可以使用异步写回策略。

只读缓存：

如果有数据新增，会直接写入数据库； 而有数据删改时，把只读缓存中的数据标记为无效。应用后续再访问这些增删改的数据时，因为缓存中没有相应的数据，就会发生缓存缺失。应用再从数据库中把数据读入缓存，这样后续再访问数据时，就能够直接从缓存中读取了。

Tomcat 向 MySQL 中写入和删改数据，如下图：

Tomcat 上运行的应用，无论是新增（Insert 操作）、修改（Update 操 作）、还是删除（Delete 操作）数据 X，都会直接在数据库中增改删。如果应用执行的是修改或删除操作，还会删除缓存的数据 X。

新增数据和删改数据的数据不一致的情况：

1. 新增数据 ：数据会直接写到数据库中，不用对缓存做任何操作，缓存中本身就没有新增数据，而数据库中是最新值，符合一致性的第 2 种情况，缓存和数据库的数据是一致的。
2. 删改数据 ：应用既要更新数据库，也要在缓存中删除数据。这两个操作如果无法保证原子性，就会出现数据不一致问题了。
   应用先删除缓存，再更新数据库： 如果缓存删除成功，但是数据库更新失败，应用再访问数据时，缓存中没有数据，就会发生缓存缺失。应用再访问数据库，但是数据库中的值为旧值，应用就访问到旧值了。
   
   应用把数据 X 的值从 10 更新为 3，先在 Redis 缓存中删除了 X 的缓存值，但是更新数据库却失败了。如果有其他并发的请求访问 X，会发现 Redis 中缓存缺失， 请求就会访问数据库，读到的却是旧值 10。
   如果先更新数据库，再删除缓存中的值： 如果应用先完成了数据库的更新，但是在删除缓存时失败了，数据库中的值是新值，而缓存中的是旧值。如果有其他的并发请求来访问数据，按照正常的缓存访问流程，就会先在缓存中查询读到旧值了。
   
   应用要把数据 X 的值从 10 更新为 3，先成功更新了数据库，然后在 Redis 缓存中删除 X 的缓存，但是这个操作却失败了，数据库中 X 的新值为 3，Redis 中的 X 的缓存值为 10。如果有其他客户端也发送请求访问 X，会先在 Redis 中查询，发现缓存读到的却是旧值 10。
   在更新数据库和删除缓存值的过程中，无论这两个操作的执行顺序谁先谁后，只要有一个操作失败了，导致客户端读取到旧值。
   

重试机制：

把要删除的缓存值或者是要更新的数据库值暂存到消息队列中。

• 如果没有能够成功地删除缓存值或者是更新数据库值时，可以从消息队列中重新读取这些值，然后再次进行删除或更新。
• 如果能够成功地删除或更新，要把这些值从消息队列中去除，以免重复操作，保证数据库和缓存的数据一致了。否则的话还需要再次进行重试。 如果重试超过的一定次数，还是没有成功，就需要向业务层发送报错信息了。先更新数据库，再删除缓存值时，如果缓存删除失败，再次重试后删除成功的情况：
  

刚刚说的是在更新数据库和删除缓存值的过程中，其中一个操作失败的情况，实际上即使这两个操作第一次执行时都没有失败，当有大量并发请求时，应用还是有可能读到不一致的数据。

情况一：先删除缓存，再更新数据库。

假设线程 A 删除缓存值后，还没有来得及更新数据库（比如说有网络延迟），线程 B 就开始读取数据了，线程 B 会发现缓存缺失，去数据库读取。这会带来两个问题：

1. 线程 B 读取到了旧值；
2. 线程 B 是在缓存缺失的情况下读取的数据库，还会把旧值写入缓存，会导致其他线程从缓存中读到旧值。

等到线程 B 从数据库读取完数据、更新了缓存后，线程 A 才开始更新数据库，此时缓存中的数据是旧值，而数据库中的是最新值，两者就不一致了。

延迟双删： 在线程 A 更新完数据库值以后，让它先 sleep 一小段时间，再进行一次缓存删除操作。为了让线程 B 能够先从数据库读取数据，再把缺失的数据写入缓存，然后线程 A 再进行删除。所以线程 A sleep 的时间，就需要大于线程 B 读取数据再写入缓存的时间。在业务程序运行的时候， 统计下线程读数据和写缓存的操作时间，以此为基础来进行估算sleep时间。 其它线程读取数据时，会发现缓存缺失，会从数据库中读取最新值。

延迟双删方案的伪代码示例：

redis.delKey(X)
db.update(X)
Thread.sleep(N)
redis.delKey(X)


情况二：先更新数据库值，再删除缓存值。

如果线程 A 删除了数据库中的值，但还没来得及删除缓存值，线程 B 就开始读取数据了，线程 B 查询缓存时，发现缓存命中，会直接从缓存中读取旧值。如果其他线程并发读缓存的请求不多，就不会有很多请求读取到旧值。而且线程 A 一般也会很快删除缓存值，其他线程再次读取时，会发生缓存缺失，进而从数据库中读取最新值。所以这种情况对业务的影响较小。

缓存和数据库的数据不一致一般是由两个原因导致：

1. 删除缓存值或更新数据库失败而导致数据不一致，可以使用重试机制确保删除或更新操作成功。
2. 在删除缓存值、更新数据库的这两步操作中，有其他线程的并发读操作，导致其他线程读取到旧值，应对方案是延迟双删。

Redis 缓存和数据库 不一致的问题，可以分成读写缓存和只读缓存两种情况进行分析：

1. 读写缓存：如果我们采用同步写回策略，可以保证缓存和数据库中的数据一 致。
2. 只读缓存：
   
   在大多数业务场景下，会把 Redis 作为只读缓存使用。既可以先删除缓存值再更新数据库，也可以先更新数据库再删除缓存。

建议优先使用先更新数据库再删除缓存的方法，原因有两个：

1. 先删除缓存值再更新数据库，有可能导致请求因缓存缺失而访问数据库，给数据库带来压力；
2. 如果业务应用中读取数据库和写缓存的时间不好估算，那么延迟双删中的等待时间就不好设置。

先更新数据库再删除缓存需要注意：如果业务层要求必须读取一致的数据，就需要在更新数据库时，先在 Redis 缓存客户端暂存并发读请 求，等数据库更新完、缓存值删除后，再读取数据从而保证数据一致性。