背景

在高并发的场景下，大量的请求直接访问Mysql很容易造成性能问题。所以，我们都会用Redis来做数据的缓存，削减对数据库的请求。但是，Mysql和Redis是两种不同的数据库，如何保证不同数据库之间数据的一致性就非常关键了。

数据不一致的原因

导致数据不一致的原因

1、在高并发的业务场景下，数据库大多数情况都是用户并发访问最薄弱的环节。

2、所以，就需要使用redis做一个缓冲操作，让请求先访问到redis，而不是直接访问MySQL等数据库。

3、读取缓存步骤一般没有什么问题，但是一旦涉及到数据更新：数据库和缓存更新，就容易出现缓存(Redis)和数据库（MySQL）间的数据一致性问题。

4、这个业务场景，主要是解决读数据从Redis缓存，一般都是按照下图的流程来进行业务操作

缓存先后删除问题

不管是先写MySQL数据库，再删除Redis缓存；还是先删除缓存，再写库，都有可能出现数据不一致的情况。

先删除缓存

pan class="nolink">1、如果先删除Redis缓存数据，然而还没有来得及写入MySQL，另一个线程就来读取

pan class="nolink">2、这个时候发现缓存为空，则去Mysql数据库中读取旧数据写入缓存，此时缓存中为脏数据。

pan class="nolink">3、然后数据库更新后发现Redis和Mysql出现了数据不一致的问题

后删除缓存

1、如果先写了库，然后再删除缓存，不幸的写库的线程挂了，导致了缓存没有删除

2、这个时候就会直接读取旧缓存，最终也导致了数据不一致情况

3、因为写和读是并发的，没法保证顺序,就会出现缓存和数据库的数据不一致的问题

解决方案

延时双删策略

基本思路

在写库前后都进行redis.del(key)操作，并且设定合理的超时时间。

伪代码如下：

public void write( String key, Object data ){ redis.delKey( key ); db.updateData( data ); 
Thread.sleep( 500 ); redis.delKey( key );}

具体步骤

1、先删除缓存2、再写数据库3、休眠500毫秒4、再次删除缓存

问题：这个500毫秒怎么确定的，具体该休眠多久时间呢？

pan class="nolink">1、需要评估自己的项目的读数据业务逻辑的耗时。

pan class="nolink">2、这么做的目的，就是确保读请求结束，写请求可以删除读请求造成的缓存脏数据。

pan class="nolink">3、当然这种策略还要考虑redis和数据库主从同步的耗时。

pan class="nolink">4、最后的的写数据的休眠时间：则在读数据业务逻辑的耗时基础上，加几百ms即可。

比如：休眠1秒。

设置缓存过期时间是关键点

1、从理论上来说，给缓存设置过期时间，是保证最终一致性的解决方案

2、所有的写操作以数据库为准，只要到达缓存过期时间，缓存删除

3、如果后面还有读请求的话，就会从数据库中读取新值然后回填缓存

方案缺点

结合双删策略+缓存超时设置，这样最差的情况就是：

1、在缓存过期时间内发生数据存在不一致

2、同时又增加了写请求的耗时。

异步更新缓存（基于Mysql binlog的同步机制）

整体思路

1、涉及到更新的数据操作，利用Mysql binlog 进行增量订阅消费

2、将消息发送到消息队列

3、通过消息队列消费将增量数据更新到Redis上

4、.操作情况

读取Redis缓存：热数据都在Redis上写Mysql：增删改都是在Mysql进行操作更新Redis数据：Mysql的数据操作都记录到binlog，通过消息队列及时更新到Redis上

Redis更新过程

数据操作主要分为两种：

1、一种是全量（将所有数据一次性写入Redis）

2、一种是增量（实时更新）

这里说的是增量,指的是mysql的update、insert、delate变更数据。

读取binlog后分析 ，利用消息队列,推送更新各台的redis缓存数据。

pan class="nolink">1、这样一旦MySQL中产生了新的写入、更新、删除等操作，就可以把binlog相关的消息推送至Redis

pan class="nolink">2、Redis再根据binlog中的记录，对Redis进行更新

pan class="nolink">3、其实这种机制，很类似MySQL的主从备份机制，因为MySQL的主备也是通过binlog来实现的数据一致性

这里的消息推送工具你也可以采用别的第三方：kafka、rabbitMQ等来实现推送更新Redis!

总结

在高并发应用场景下，如果是对数据一致性要求高的情况下，要定位好导致数据和缓存不一致的原因。

解决高并发场景下数据一致性的方案有两种，分别是延时双删策略和异步更新缓存两种方案。

另外，设置缓存的过期时间是保证数据保持一致性的关键操作，需要结合业务进行合理的设置。