在數(shù)據(jù)讀多寫少的情況下作為緩存來(lái)使用，恐怕是Redis使用最普遍的場(chǎng)景了。當(dāng)使用Redis作為緩存的時(shí)候，一般流程是這樣的。

• 如果緩存在Redis中存在，即緩存命中，則直接返回?cái)?shù)據(jù)

• 如果Redis中沒有對(duì)應(yīng)緩存，則需要直接查詢數(shù)據(jù)庫(kù)，然后存入Redis，最后把數(shù)據(jù)返回

通常情況下，我們會(huì)為某個(gè)緩存設(shè)置一個(gè)key值，并針對(duì)key值設(shè)置一個(gè)過(guò)期時(shí)間，如果被查詢的數(shù)據(jù)對(duì)應(yīng)的key過(guò)期了，則直接查詢數(shù)據(jù)庫(kù)，并將查詢得到的數(shù)據(jù)存入Redis，然后重置過(guò)期時(shí)間，最后將數(shù)據(jù)返回，偽代碼如下：

/**
 * 根據(jù)用戶名獲取用戶詳細(xì)信息
 * @author 公眾號(hào)【電子發(fā)燒友】
 */
public User getUserInfo(String userName) {
      User user = redisCache.getName("user:" + userName);
      if (user != null) {
          return user;
      }

      // 從數(shù)據(jù)庫(kù)中直接搜索
      user = selectUserByUserName(userName);
      // 將數(shù)據(jù)寫入Redis，并設(shè)置過(guò)期時(shí)間
      redisCache.set("user:" + userName, user, 30000);
      // 返回?cái)?shù)據(jù)
      return user;
}

一致性問(wèn)題

但是，在Redis的key值未過(guò)期的情況下，用戶修改了個(gè)人信息，我們此時(shí)既要操作數(shù)據(jù)庫(kù)數(shù)據(jù)，也要操作Redis數(shù)據(jù)。現(xiàn)在我們面臨了兩種選擇：

1. 先操作Redis的數(shù)據(jù)，再操作數(shù)據(jù)庫(kù)的數(shù)據(jù)
2. 先操作數(shù)據(jù)庫(kù)的數(shù)據(jù)，再操作Redis的數(shù)據(jù)

如論選擇哪種方法，最理想的情況下，兩個(gè)操作要么同時(shí)成功，要么同時(shí)失敗，否則就會(huì)出現(xiàn)Redis和數(shù)據(jù)庫(kù)數(shù)據(jù)不一致的情況。

遺憾的是，目前沒有什么框架能夠保證Redis的數(shù)據(jù)和數(shù)據(jù)庫(kù)的數(shù)據(jù)的完全一致性。我們只能根據(jù)場(chǎng)景和所需要付出的代碼來(lái)采取一定的措施降低數(shù)據(jù)不一致出現(xiàn)的概率，在一致性和性能之間取得一個(gè)折中。

下面我們來(lái)討論一下關(guān)于Redis和數(shù)據(jù)庫(kù)之間數(shù)據(jù)一致性的一些方案。

方案選擇

是刪除緩存還是更新緩存？

當(dāng)數(shù)據(jù)庫(kù)數(shù)據(jù)發(fā)生變化的時(shí)候，Redis的數(shù)據(jù)也需要進(jìn)行相應(yīng)的操作，那么這個(gè)「操作」到底是用「更新」還是用「刪除」呢？

「更新」的話調(diào)用Redis的set方法，新值替換舊值；「刪除」直接刪除原來(lái)的緩存，下次查詢的時(shí)候重新讀取數(shù)據(jù)庫(kù)，然后再更新Redis。

結(jié)論：推薦直接使用「刪除」操作 。

因?yàn)槭褂谩父隆共僮鞯脑挘銜?huì)面臨兩種選擇

1. 先更新緩存，再更新數(shù)據(jù)庫(kù)
2. 先更新數(shù)據(jù)庫(kù)，再更新緩存

第1種不用考慮了，下面討論一下「先更新數(shù)據(jù)庫(kù)，再更新緩存」這種方案。

如果線程1和線程2同時(shí)進(jìn)行更新操作，但是每個(gè)線程的執(zhí)行順序如上圖所示，此時(shí)就會(huì)導(dǎo)致數(shù)據(jù)不一致，因此從這個(gè)角度上我們推薦直接使用刪除緩存的方式。

此外，推薦使用「刪除緩存」還有兩點(diǎn)原因。

1. 如果寫數(shù)據(jù)庫(kù)的場(chǎng)景比讀數(shù)據(jù)場(chǎng)景多，采用這種方案就會(huì)導(dǎo)致緩存就被頻繁寫入，浪費(fèi)性能；
2. 如果緩存要經(jīng)過(guò)一系列復(fù)雜的計(jì)算才能得到，那么每次寫入數(shù)據(jù)庫(kù)后，都再次計(jì)算寫入的緩存無(wú)疑也是浪費(fèi)性能的。

明確這個(gè)問(wèn)題之后，擺在我們面前的就只有兩個(gè)選擇了：

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

先更新數(shù)據(jù)庫(kù)，再刪除緩存

這種方式可能存在以下兩種異常情況

1. 更新數(shù)據(jù)庫(kù)失敗，這時(shí)可以通過(guò)程序捕獲異常，直接返回結(jié)果，不再繼續(xù)刪除緩存，所以不會(huì)出現(xiàn)數(shù)據(jù)不一致的問(wèn)題
2. 更新數(shù)據(jù)庫(kù)成功，刪除緩存失敗。導(dǎo)致數(shù)據(jù)庫(kù)是最新數(shù)據(jù)，緩存中的是舊數(shù)據(jù)，數(shù)據(jù)不一致

第2種情況應(yīng)該怎么辦呢？我們有兩種方式：失敗重試和 異步更新 。

失敗重試

如果刪除緩存失敗，我們可以捕獲這個(gè)異常，把需要?jiǎng)h除的 key 發(fā)送到消息隊(duì)列。自己創(chuàng)建一個(gè)消費(fèi)者消費(fèi)，嘗試再次刪除這個(gè) key，直到刪除成功為止。

這種方式有個(gè)缺點(diǎn)，首先會(huì)對(duì)業(yè)務(wù)代碼造成入侵，其次引入了消息隊(duì)列，增加了系統(tǒng)的不確定性。

異步更新緩存

因?yàn)楦聰?shù)據(jù)庫(kù)時(shí)會(huì)往 binlog 中寫入日志，所以我們可以啟動(dòng)一個(gè)監(jiān)聽 binlog變化的服務(wù)（比如使用阿里的 canal開源組件），然后在客戶端完成刪除 key 的操作。如果刪除失敗的話，再發(fā)送到消息隊(duì)列。

總結(jié)

總之，對(duì)于刪除緩存失敗的情況，我們的做法是不斷地重試刪除操作，直到成功。無(wú)論是重試還是異步刪除，都是最終一致性的思想。

先刪除緩存，再更新數(shù)據(jù)庫(kù)

這種方式可能存在以下兩種異常情況

1. 刪除緩存失敗，這時(shí)可以通過(guò)程序捕獲異常，直接返回結(jié)果，不再繼續(xù)更新數(shù)據(jù)庫(kù)，所以不會(huì)出現(xiàn)數(shù)據(jù)不一致的問(wèn)題
2. 刪除緩存成功，更新數(shù)據(jù)庫(kù)失敗。在多線程下可能會(huì)出現(xiàn)數(shù)據(jù)不一致的問(wèn)題

這時(shí)，Redis中存儲(chǔ)的舊數(shù)據(jù)，數(shù)據(jù)庫(kù)的值是新數(shù)據(jù)，導(dǎo)致數(shù)據(jù)不一致。這時(shí)我們可以采用延時(shí)雙刪的策略，即更新數(shù)據(jù)庫(kù)數(shù)據(jù)之后，再刪除一次緩存。

用偽代碼表示就是：

/**
 * 延時(shí)雙刪
 * @author 公眾號(hào)【蟬沐風(fēng)】
 */
public void update(String key, Object data) {
    // 首先刪除緩存
    redisCache.delKey(key);
    // 更新數(shù)據(jù)庫(kù)
    db.updateData(data);
    // 休眠一段時(shí)間，時(shí)間依據(jù)數(shù)據(jù)的讀取耗費(fèi)的時(shí)間而定
    Thread.sleep(500);
    // 再次刪除緩存
    redisCache.delKey(key);
}