精华内容
下载资源
问答
  • 双写一致性

    千次阅读 2019-01-11 12:49:16
    首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。   文章结构 本文由以下三个部分组成 ...

    首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的流程来进行业务操作。

    但是在更新缓存方面,对于更新完数据库,是更新缓存呢,还是删除缓存。又或者是先删除缓存,再更新数据库,其实大家存在很大的争议。目前没有一篇全面的博客,对这几种方案进行解析。于是博主战战兢兢,顶着被大家喷的风险,写了这篇文章。

     

    文章结构

    本文由以下三个部分组成

    1. 讲解缓存更新策略
    2. 对每种策略进行缺点分析
    3. 针对缺点给出改进方案

     

    正文

    先做一个说明,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。这种方案下,我们可以对存入缓存的数据设置过期时间,所有的写操作以数据库为准,对缓存操作只是尽最大努力即可。也就是说如果数据库写成功,缓存更新失败,那么只要到达过期时间,则后面的读请求自然会从数据库中读取新值然后回填缓存。因此,接下来讨论的思路不依赖于给缓存设置过期时间这个方案。

    在这里,我们讨论三种更新策略:

    1. 先更新数据库,再更新缓存
    2. 先删除缓存,再更新数据库
    3. 先更新数据库,再删除缓存

    应该没人问我,为什么没有先更新缓存,再更新数据库这种策略。

     

    (1)先更新数据库,再更新缓存

    这套方案,大家是普遍反对的。为什么呢?有如下两点原因。

    原因一(线程安全角度)

    同时有请求A和请求B进行更新操作,那么会出现

    1. 线程A更新了数据库
    2. 线程B更新了数据库
    3. 线程B更新了缓存
    4. 线程A更新了缓存

    这就出现请求A更新缓存应该比请求B更新缓存早才对,但是因为网络等原因,B却比A更早更新了缓存。这就导致了脏数据,因此不考虑。

    原因二(业务场景角度)

    有如下两点:

    1. 如果你是一个写数据库场景比较多,而读数据场景比较少的业务需求,采用这种方案就会导致,数据压根还没读到,缓存就被频繁的更新,浪费性能。
    2. 如果你写入数据库的值,并不是直接写入缓存的,而是要经过一系列复杂的计算再写入缓存。那么,每次写入数据库后,都再次计算写入缓存的值,无疑是浪费性能的。显然,删除缓存更为适合。

    接下来讨论的就是争议最大的,先删缓存,再更新数据库。还是先更新数据库,再删缓存的问题。

     

    (2)先删缓存,再更新数据库

    该方案会导致不一致的原因是。同时有一个请求A进行更新操作,另一个请求B进行查询操作。那么会出现如下情形:

     

    1. 请求A进行写操作,删除缓存
    2. 请求B查询发现缓存不存在
    3. 请求B去数据库查询得到旧值
    4. 请求B将旧值写入缓存
    5. 请求A将新值写入数据库

    上述情况就会导致不一致的情形出现。而且,如果不采用给缓存设置过期时间策略,该数据永远都是脏数据。那么,如何解决呢?

    采用延时双删策略。伪代码如下:

    public void write(String key, Object data) {
    
        redis.delKey(key);
    
        db.updateData(data);
    
        Thread.sleep(1000);
    
        redis.delKey(key);
    
    }

    转化为中文描述就是

     

    1. 先淘汰缓存
    2. 再写数据库(这两步和原来一样)
    3. 休眠1秒,再次淘汰缓存

    这么做,可以将1秒内所造成的缓存脏数据,再次删除。

    那么,这个1秒怎么确定的,具体该休眠多久呢?

    针对上面的情形,读者应该自行评估自己的项目的读数据业务逻辑的耗时。然后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。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。
    如果你用了mysql的读写分离架构怎么办?

    ok,在这种情况下,造成数据不一致的原因如下,还是两个请求,一个请求A进行更新操作,另一个请求B进行查询操作。

     

    1. 请求A进行写操作,删除缓存
    2. 请求A将数据写入数据库了,
    3. 请求B查询缓存发现,缓存没有值
    4. 请求B去从库查询,这时,还没有完成主从同步,因此查询到的是旧值
    5. 请求B将旧值写入缓存
    6. 数据库完成主从同步,从库变为新值

    上述情形,就是数据不一致的原因。还是使用双删延时策略。只是,睡眠时间修改为在主从同步的延时时间基础上,加几百ms。采用这种同步淘汰策略,吞吐量降低怎么办?

    ok,那就将第二次删除作为异步的。自己起一个线程,异步删除。这样,写的请求就不用沉睡一段时间后了,再返回。这么做,加大吞吐量。

    第二次删除,如果删除失败怎么办?

    这是个非常好的问题,因为第二次删除失败,就会出现如下情形。还是有两个请求,一个请求A进行更新操作,另一个请求B进行查询操作,为了方便,假设是单库:

     

    1. 请求A进行写操作,删除缓存
    2. 请求B查询发现缓存不存在
    3. 请求B去数据库查询得到旧值
    4. 请求B将旧值写入缓存
    5. 请求A将新值写入数据库
    6. 请求A试图去删除请求B写入对缓存值,结果失败了。

    ok,这也就是说。如果第二次删除缓存失败,会再次出现缓存和数据库不一致的问题。如何解决呢?

    具体解决方案,且看博主对第(3)种更新策略的解析。

     

    (3)先更新数据库,再删缓存

    首先,先说一下。老外提出了一个缓存更新套路,名为《Cache-Aside pattern》。其中就指出

    1. 失效:应用程序先从cache取数据,没有得到,则从数据库中取数据,成功后,放到缓存中。
    2. 命中:应用程序从cache中取数据,取到后返回。
    3. 更新:先把数据存到数据库中,成功后,再让缓存失效。

    另外,知名社交网站facebook也在论文《Scaling Memcache at Facebook》中提出,他们用的也是先更新数据库,再删缓存的策略。这种情况不存在并发问题么?

    不是的。假设这会有两个请求,一个请求A做查询操作,一个请求B做更新操作,那么会有如下情形产生:

     

    1. 缓存刚好失效
    2. 请求A查询数据库,得一个旧值
    3. 请求B将新值写入数据库
    4. 请求B删除缓存
    5. 请求A将查到的旧值写入缓存

    ok,如果发生上述情况,确实是会发生脏数据。然而,发生这种情况的概率又有多少呢?

    发生上述情况有一个先天性条件,就是步骤(3)的写数据库操作比步骤(2)的读数据库操作耗时更短,才有可能使得步骤(4)先于步骤(5)。可是,大家想想,数据库的读操作的速度远快于写操作的(不然做读写分离干嘛,做读写分离的意义就是因为读操作比较快,耗资源少),因此步骤(3)耗时比步骤(2)更短,这一情形很难出现。

    假设,有人非要抬杠,有强迫症,一定要解决怎么办?如何解决上述并发问题?

    首先,给缓存设有效时间是一种方案。其次,采用策略(2)里给出的异步延时删除策略,保证读请求完成以后,再进行删除操作。

    还有其他造成不一致的原因么?

    有的,这也是缓存更新策略(2)和缓存更新策略(3)都存在的一个问题,如果删缓存失败了怎么办,那不是会有不一致的情况出现么。比如一个写数据请求,然后写入数据库了,删缓存失败了,这会就出现不一致的情况了。这也是缓存更新策略(2)里留下的最后一个疑问。

    如何解决?

    提供一个保障的重试机制即可,这里给出两套方案。


    方案一:

    如下图所示:

    1. 更新数据库数据;
    2. 缓存因为种种问题删除失败
    3. 将需要删除的key发送至消息队列
    4. 自己消费消息,获得需要删除的key
    5. 继续重试删除操作,直到成功

    然而,该方案有一个缺点,对业务线代码造成大量的侵入。于是有了方案二,在方案二中,启动一个订阅程序去订阅数据库的binlog,获得需要操作的数据。在应用程序中,另起一段程序,获得这个订阅程序传来的信息,进行删除缓存操作。


    方案二:

    流程如下图所示:

    1. 更新数据库数据
    2. 数据库会将操作信息写入binlog日志当中
    3. 订阅程序提取出所需要的数据以及key
    4. 另起一段非业务代码,获得该信息
    5. 尝试删除缓存操作,发现删除失败
    6. 将这些信息发送至消息队列
    7. 重新从消息队列中获得该数据,重试操作。

    备注说明:上述的订阅binlog程序在mysql中有现成的中间件叫canal,可以完成订阅binlog日志的功能。至于oracle中,博主目前不知道有没有现成中间件可以使用。另外,重试机制,博主是采用的是消息队列的方式。如果对一致性要求不是很高,直接在程序中另起一个线程,每隔一段时间去重试即可,这些大家可以灵活自由发挥,只是提供一个思路。

     

    总结

    本文其实是对目前互联网中已有的一致性方案,进行了一个总结。对于先删缓存,再更新数据库的更新策略,还有方案提出维护一个内存队列的方式,博主看了一下,觉得实现异常复杂,没有必要,因此没有必要在文中给出。最后,希望大家有所收获。

    展开全文
  • Reids的双写一致性

    2020-12-06 23:45:34
    Reids的双写一致性 首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的流程来进行业务操作。 但在更新缓存方面,对于更新完数据库,是更新缓存呢,还是...

    Reids的双写一致性

    首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的流程来进行业务操作。在这里插入图片描述
    但在更新缓存方面,对于更新完数据库,是更新缓存呢,还是删除缓存。又或者是先删除缓存,再更新数据库,其实大家存在很大的争议。目前没有一篇全面的博客,对这几种方案进行解析。于是博主站站战战兢兢,盯着被大家喷的风险,写了这篇文章。

    文章结构

    本文由一下三个部分组成:
    1、讲解缓存更新策略
    2、对每种策略进行缺点分析
    3、针对缺点给出改进方式

    正文

    先做一个说明,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。这种方案下,我们可以对存入缓存的数据设置过期时间,所有的写操作以数据库为准,对缓存操作只是尽最大的努力即可。也就是说如果数据库写成功,缓存更新失败,那么只要到达过期时间,则后面的读请求自然会从数据库中读取新值然后回填缓存。因此,接下来讨论的思路不依赖于给缓存设置过期时间这个方案。

    在这里,我们讨论三种更新策略:

    1、先更新数据库,再更新缓存

    2、先删除缓存,再更新数据库

    3、先更新数据库,再删除缓存

    应该没有人问我,为什么没有先更新缓存,再更新数据库这种策略吧。

    先更新数据库,再更新缓存

    这套方案,大家是普遍反对的。为什么呢?有如下两点原因。

    -原因一(线程安全角度)

    同时有请求A和请求B进行更新操作,那么会出现

    (1).线程A更新了数据库
    (2).线程B更新了数据库
    (3).线程B更新了数据库
    (4).线程A更新了数据库
    

    这就出现请求A更新缓存应该比请求B更新缓存早才对,但是因为网络等原因,B却比A更早更新了缓存。这就导致了脏数据,因此不考录。

    -原因二(业务场景角度)

    有如下两点:
    (1)如果你是一个写数据库场景比较多,而读数据场景比较少的业务需求,采用这种方案就会导致,数据压根还没读到,缓存就被频繁的更新,浪费性能。
    (2)如果你写入数据库的值,并不是直接写入缓存的,而是要经过一系列复杂的计算再写入缓存。那么,每次写入数据库后,都再次计算写入缓存的值,无疑是浪费性能的。显然,删除缓存更为适合。

    接下来讨论的就是争议最大的,是先删缓存,再更新数据库。还是先更新数据库,再删除缓存的问题。

    先删除缓存,再更新数据库

    该方案会导致不一致的原因是。同时有一个请求A进行更新操作,另一个请求B进行查询操作。那么会出现如下清醒:

    (1)请求A进行写操作,删除缓存
    (2)请求B查询发现缓存不存在
    (3)请求B去数据库查询旧值
    (4)请求B将旧值写入缓存
    (5)请求A将新值写入数据库
    

    上述情况就会导致不一致的情况出现。而且,如果不采用给缓存设置过期时间策略,该数据永远都是脏数据。

    那么,如何解决呢?采用演示双删策略

    伪代码如下:
    下面展示一些 内联代码片

    下面展示一些 内联代码片

    public void write(String key,Object data){
    		redis.delKey(Key);
    		db.updateData(data);
    		Thread.sleep(1000);
    		redis.delKey(Key);
    	}
    

    转换为中文描述就是
    (1)先淘汰缓存
    (2)再写数据库(这两步和原来一样)
    (3)休眠1秒,再次淘汰缓存

    这样做,可以将1秒内所造成的缓存脏数据,再次删除。

    那么,这个1秒是怎么确定的,具体该休眠多久呢?

    针对上面的情况,读者应该自行评估自己的项目的读数据业务逻辑的耗时。然后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。

    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。

    如果你用了mysql的读写分离架构怎么办?

    ok,在这种情况下,造成数据不一致的原因如下,还是两个请求,一个请求A进行更新操作,另一个请求B进行查询操作。

    (1)请求A进行写操作,删除缓存
    (2)请求A将数据写入数据库了,
    (3)请求B查询缓存发现,缓存没有值
    (4)请求B从库中查询,这是,还没有完成主从同步,因此查询到的是旧值
    (5)请求B将旧值写入缓存
    (6)数据库完成主从同步,从库变为新值
    

    上述情况,就是数据不一致的原因,。还是使用双删延时策略。只是睡眠时间修改为在主从同步的延时时间基础上,加几百ms。

    采用这种同步淘汰策略,吞吐量降低怎么办?

    ok,那就将第二次删除作为异步的。自己起一个线程,异步删除。这样,写的请求就不用沉睡一段时间后了,再返回。这么做,加大吞吐量。

    第二次删除,如果删除失败怎么办?

    这是一个非常好的问题,因为第二次删除失败,就会出现如下情形。还是有两个请求,一个请求A进行更新操作,另一个请求B进行查询操作,为了方便,假设是单库:

    (1)请求A进行写操作,删除缓存
    (2)请求B查询发现缓存不存在
    (3)请求B去数据库查询得到旧值
    (4)请求B将旧值写入缓存
    (5)请求A将新值写入数据库
    (6)请求A试图去删除请求B写入的缓存值时,结果失败了。
    

    OK,这也就是说。如果第二次删除缓存失败,会再次出现缓存和数据库不一致的问题。

    如何解决呢?

    具体解决方案,且看博主对第(3)种更新策略的解析。

    先更新是数据库,再删缓存

    首先,先说明一下。老外题出了一个缓存更新套路,名为《Cache-Aside pattern》。其中就指出:

    1. 失效:应用程序先从cache取数据,没有得到,则从数据库中取数据,成功后,放到缓存中。
    2. 命中:应用程序从cache中取数据,取到后返回。
    3. 更新:先把数据存到数据库中,成功后,再让缓存失效。

    另外,知名社交网站facebook也在论文《Scaling Memcache at Facebook》中提出,他们用的也是先更新数据库,再删缓存的策略。

    这种情况不存在并发问题么?

    不是的。假设这会有两个请求 ,一个请求A做查询操作,一个请求B做更新操作,那么会有如下情形产生

    (1)缓存刚好失效
    (2)请求A查询数据库,得到一个旧值
    (3)请求B将新址写入数据库
    (4)请求B删除缓存
    (5)请求A将查询到的旧值写入缓存
    

    OK,如果要发生上述情况,确实是会发生脏数据。
    然而,发生这种情况的概率又有多少呢?

    发生上述情况有一个先天性条件,就是步骤(3)的写数据库操作比步骤(2)的读数据库操作耗时更短,才会发生上述的步骤(4)先于步骤(5).可是,大家想想,数据库的读操作的熟读远快于写操作的(不然做读写分离干嘛,做读写分离的意义就是因为读操作比较块,耗资源少),因此步骤(3)耗时比步骤(2)更短,这一情况很难出现。

    假设,有人非要抬杠,有强迫症,一定要解决怎么办?

    如何解决上述并发问题?

    首先,给缓存设置有效时间是一种方案,其次,采用策略(2)里给出的异步延时删除策略,保证读请求完成以后 ,再进行删除操作。

    还有其他造成不一致的原因么?

    有的,这也是缓存更新策略(2)和缓存更新策略(3)都存在的一个问题,如果删除缓存失败了怎么办,那不是会议由不一致的情况出现么。比如一个写数据请求,然后写入数据库了,删除缓存失败了,这就会出现不一致的情况了。这也是缓存更新策略(2)里留下的最后一个疑问。

    如何解决?

    提供一个保障的重试机制即可,这里给出两套方案。

    方案一:
    如下图所示在这里插入图片描述
    流程如下所示

    (1)更新数据库数据;
    (2)缓存因为种种问题删除失败
    (3)将需要删除的key发送至消息队列
    (4)自己消费消息,获得需要删除的key
    (5)继续重试删除操作,直到成功

    然而,该方案有一个缺点,对业务线代码造成大量的侵入。于是有了方案二,在方案二中,启动一个订阅程序去订阅数据库的binlog,获得需要操作的数据。在应用程序中,另起一段程序,获得这个订阅程序传来的信息,进行删除缓存操作。

    方案二:
    在这里插入图片描述
    流程如下图所示:

    (1)更新数据库数据
    (2)数据库会将操作信息写入binlog日志当中
    (3)订阅程序提取出所需要的数据以及key
    (4)另起一段非业务代码,获得该信息
    (5)尝试删除缓存操作,发现删除失败
    (6)将这些信息发送至消息队列
    (7)重新从消息队列中获得该数据,重试操作。

    备注说明:上述的订阅binlog程序在mysql中有现成的中间件叫canal,可以完成订阅binlog日志的功能。至于oracle中,博主目前不知道有没有现成中间件可以使用。另外,重试机制,博主是采用的是消息队列的方式。如果对一致性要求不是很高,直接在程序中另起一个线程,每隔一段时间去重试即可,这些大家可以灵活自由发挥,只是提供一个思路。

    总结

    本文其实是对目前互联网中已有的一致性方案,进行了一个总结。对于先删缓存,再更新数据库的更新策略,还有方案提出维护一个内存队列的方式,博主看了一下,觉得实现异常复杂,没有必要,因此没有必要在文中给出。最后,希望大家有所收获

    转载自:https://blog.csdn.net/hjm4702192/article/details/80518922

    展开全文
  • redis 双写一致性

    千次阅读 2019-05-20 16:41:16
    首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的流程...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。 文章结构 本文由以下三个部分...

    首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的流程来进行业务操作。



    但是在更新缓存方面,对于更新完数据库,是更新缓存呢,还是删除缓存。又或者是先删除缓存,再更新数据库,其实大家存在很大的争议。目前没有一篇全面的博客,对这几种方案进行解析。于是博主战战兢兢,顶着被大家喷的风险,写了这篇文章。

     

    文章结构

     

    本文由以下三个部分组成


    1、讲解缓存更新策略
    2、对每种策略进行缺点分析
    3、针对缺点给出改进方案

     

    正文

     

    先做一个说明,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。这种方案下,我们可以对存入缓存的数据设置过期时间,所有的写操作以数据库为准,对缓存操作只是尽最大努力即可。也就是说如果数据库写成功,缓存更新失败,那么只要到达过期时间,则后面的读请求自然会从数据库中读取新值然后回填缓存。因此,接下来讨论的思路不依赖于给缓存设置过期时间这个方案。


    在这里,我们讨论三种更新策略:

     

    1. 先更新数据库,再更新缓存

    2. 先删除缓存,再更新数据库

    3. 先更新数据库,再删除缓存

     

    应该没人问我,为什么没有先更新缓存,再更新数据库这种策略。

     

    (1)先更新数据库,再更新缓存

     

    这套方案,大家是普遍反对的。为什么呢?有如下两点原因。


    - 原因一(线程安全角度)


    同时有请求A和请求B进行更新操作,那么会出现


    (1)线程A更新了数据库
    (2)线程B更新了数据库
    (3)线程B更新了缓存
    (4)线程A更新了缓存
     

    这就出现请求A更新缓存应该比请求B更新缓存早才对,但是因为网络等原因,B却比A更早更新了缓存。这就导致了脏数据,因此不考虑。


    - 原因二(业务场景角度)


    有如下两点:


    (1)如果你是一个写数据库场景比较多,而读数据场景比较少的业务需求,采用这种方案就会导致,数据压根还没读到,缓存就被频繁的更新,浪费性能。


    (2)如果你写入数据库的值,并不是直接写入缓存的,而是要经过一系列复杂的计算再写入缓存。那么,每次写入数据库后,都再次计算写入缓存的值,无疑是浪费性能的。显然,删除缓存更为适合。

     

    接下来讨论的就是争议最大的,先删缓存,再更新数据库。还是先更新数据库,再删缓存的问题。

     

    (2)先删缓存,再更新数据库

     

    该方案会导致不一致的原因是。同时有一个请求A进行更新操作,另一个请求B进行查询操作。那么会出现如下情形:


    (1)请求A进行写操作,删除缓存
    (2)请求B查询发现缓存不存在
    (3)请求B去数据库查询得到旧值
    (4)请求B将旧值写入缓存
    (5)请求A将新值写入数据库
     

    上述情况就会导致不一致的情形出现。而且,如果不采用给缓存设置过期时间策略,该数据永远都是脏数据。


    那么,如何解决呢?采用延时双删策略


    伪代码如下

     

    public void write(String key,Object data){

            redis.delKey(key);

            db.updateData(data);

            Thread.sleep(1000);

            redis.delKey(key);

        }

     

    转化为中文描述就是


    (1)先淘汰缓存
    (2)再写数据库(这两步和原来一样)
    (3)休眠1秒,再次淘汰缓存
     

    这么做,可以将1秒内所造成的缓存脏数据,再次删除。


    那么,这个1秒怎么确定的,具体该休眠多久呢?


    针对上面的情形,读者应该自行评估自己的项目的读数据业务逻辑的耗时。然后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。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。


    如果你用了mysql的读写分离架构怎么办?


    ok,在这种情况下,造成数据不一致的原因如下,还是两个请求,一个请求A进行更新操作,另一个请求B进行查询操作。


    (1)请求A进行写操作,删除缓存
    (2)请求A将数据写入数据库了,
    (3)请求B查询缓存发现,缓存没有值
    (4)请求B去从库查询,这时,还没有完成主从同步,因此查询到的是旧值
    (5)请求B将旧值写入缓存
    (6)数据库完成主从同步,从库变为新值
     

    上述情形,就是数据不一致的原因。还是使用双删延时策略。只是,睡眠时间修改为在主从同步的延时时间基础上,加几百ms。


    采用这种同步淘汰策略,吞吐量降低怎么办?


    ok,那就将第二次删除作为异步的。自己起一个线程,异步删除。这样,写的请求就不用沉睡一段时间后了,再返回。这么做,加大吞吐量。


    第二次删除,如果删除失败怎么办?


    这是个非常好的问题,因为第二次删除失败,就会出现如下情形。还是有两个请求,一个请求A进行更新操作,另一个请求B进行查询操作,为了方便,假设是单库:


    (1)请求A进行写操作,删除缓存
    (2)请求B查询发现缓存不存在
    (3)请求B去数据库查询得到旧值
    (4)请求B将旧值写入缓存
    (5)请求A将新值写入数据库
    (6)请求A试图去删除请求B写入对缓存值,结果失败了。
     

    ok,这也就是说。如果第二次删除缓存失败,会再次出现缓存和数据库不一致的问题。


    如何解决呢?


    具体解决方案,且看博主对第(3)种更新策略的解析。

     

    (3)先更新数据库,再删缓存

     

    首先,先说一下。老外提出了一个缓存更新套路,名为《Cache-Aside pattern》。其中就指出

     

    • 失效:应用程序先从cache取数据,没有得到,则从数据库中取数据,成功后,放到缓存中。

    • 命中:应用程序从cache中取数据,取到后返回。

    • 更新:先把数据存到数据库中,成功后,再让缓存失效。

     

    另外,知名社交网站facebook也在论文《Scaling Memcache at Facebook》中提出,他们用的也是先更新数据库,再删缓存的策略。


    这种情况不存在并发问题么?


    不是的。假设这会有两个请求,一个请求A做查询操作,一个请求B做更新操作,那么会有如下情形产生


    (1)缓存刚好失效
    (2)请求A查询数据库,得一个旧值
    (3)请求B将新值写入数据库
    (4)请求B删除缓存
    (5)请求A将查到的旧值写入缓存
     

    ok,如果发生上述情况,确实是会发生脏数据。


    然而,发生这种情况的概率又有多少呢?


    发生上述情况有一个先天性条件,就是步骤(3)的写数据库操作比步骤(2)的读数据库操作耗时更短,才有可能使得步骤(4)先于步骤(5)。可是,大家想想,数据库的读操作的速度远快于写操作的(不然做读写分离干嘛,做读写分离的意义就是因为读操作比较快,耗资源少),因此步骤(3)耗时比步骤(2)更短,这一情形很难出现。


    假设,有人非要抬杠,有强迫症,一定要解决怎么办?


    如何解决上述并发问题?


    首先,给缓存设有效时间是一种方案。其次,采用策略(2)里给出的异步延时删除策略,保证读请求完成以后,再进行删除操作。


    还有其他造成不一致的原因么?


    有的,这也是缓存更新策略(2)和缓存更新策略(3)都存在的一个问题,如果删缓存失败了怎么办,那不是会有不一致的情况出现么。比如一个写数据请求,然后写入数据库了,删缓存失败了,这会就出现不一致的情况了。这也是缓存更新策略(2)里留下的最后一个疑问。


    如何解决?


    提供一个保障的重试机制即可,这里给出两套方案。


    方案一:


    如下图所示



    流程如下所示


    (1)更新数据库数据;
    (2)缓存因为种种问题删除失败
    (3)将需要删除的key发送至消息队列
    (4)自己消费消息,获得需要删除的key
    (5)继续重试删除操作,直到成功
     

    然而,该方案有一个缺点,对业务线代码造成大量的侵入。于是有了方案二,在方案二中,启动一个订阅程序去订阅数据库的binlog,获得需要操作的数据。在应用程序中,另起一段程序,获得这个订阅程序传来的信息,进行删除缓存操作。


    方案二:



    流程如下图所示:


    (1)更新数据库数据
    (2)数据库会将操作信息写入binlog日志当中
    (3)订阅程序提取出所需要的数据以及key
    (4)另起一段非业务代码,获得该信息
    (5)尝试删除缓存操作,发现删除失败
    (6)将这些信息发送至消息队列
    (7)重新从消息队列中获得该数据,重试操作。

     

    备注说明:上述的订阅binlog程序在mysql中有现成的中间件叫canal,可以完成订阅binlog日志的功能。至于oracle中,博主目前不知道有没有现成中间件可以使用。另外,重试机制,博主是采用的是消息队列的方式。如果对一致性要求不是很高,直接在程序中另起一个线程,每隔一段时间去重试即可,这些大家可以灵活自由发挥,只是提供一个思路。

     

    展开全文
  • 分布式之数据库和缓存双写 首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的流程来进行业务操作。 但是在更新缓存方面,对于更新完数据库,是更新...

    分布式之数据库和缓存双写
    首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的流程来进行业务操作。
    流程图
    但是在更新缓存方面,对于更新完数据库,是更新缓存呢,还是删除缓存。又或者是先删除缓存,再更新数据库,其实大家存在很大的争议。目前没有一篇全面的博客,对这几种方案进行解析。于是博主战战兢兢,顶着被大家喷的风险,写了这篇文章。
    文章结构
    本文由以下三个部分组成

    1、讲解缓存更新策略

    2、对每种策略进行缺点分析

    3、针对缺点给出改进方案
    正文
    先做一个说明,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。这种方案下,我们可以对存入缓存的数据设置过期时间,所有的写操作以数据库为准,对缓存操作只是尽最大努力即可。也就是说如果数据库写成功,缓存更新失败,那么只要到达过期时间,则后面的读请求自然会从数据库中读取新值然后回填缓存。因此,接下来讨论的思路不依赖于给缓存设置过期时间这个方案。

    在这里,我们讨论三种更新策略:

    先更新数据库,再更新缓存
    先删除缓存,再更新数据库
    先更新数据库,再删除缓存

    应该没人问我,为什么没有先更新缓存,再更新数据库这种策略。
    (1)先更新数据库,再更新缓存
    这套方案,大家是普遍反对的。为什么呢?有如下两点原因。

    原因一(线程安全角度)

    同时有请求A和请求B进行更新操作,那么会出现

    (1)线程A更新了数据库

    (2)线程B更新了数据库

    (3)线程B更新了缓存

    (4)线程A更新了缓存

    这就出现请求A更新缓存应该比请求B更新缓存早才对,但是因为网络等原因,B却比A更早更新了缓存。这就导致了脏数据,因此不考虑。

    原因二(业务场景角度)

    有如下两点:

    (1)如果你是一个写数据库场景比较多,而读数据场景比较少的业务需求,采用这种方案就会导致,数据压根还没读到,缓存就被频繁的更新,浪费性能。

    (2)如果你写入数据库的值,并不是直接写入缓存的,而是要经过一系列复杂的计算再写入缓存。那么,每次写入数据库后,都再次计算写入缓存的值,无疑是浪费性能的。显然,删除缓存更为适合。
    接下来讨论的就是争议最大的,先删缓存,再更新数据库。还是先更新数据库,再删缓存的问题。
    (2)先删缓存,再更新数据库
    该方案会导致不一致的原因是。同时有一个请求A进行更新操作,另一个请求B进行查询操作。那么会出现如下情形:

    (1)请求A进行写操作,删除缓存

    (2)请求B查询发现缓存不存在

    (3)请求B去数据库查询得到旧值

    (4)请求B将旧值写入缓存

    (5)请求A将新值写入数据库

    上述情况就会导致不一致的情形出现。而且,如果不采用给缓存设置过期时间策略,该数据永远都是脏数据。

    那么,如何解决呢?采用延时双删策略
    转化为中文描述就是

    (1)先淘汰缓存

    (2)再写数据库(这两步和原来一样)

    (3)休眠1秒,再次淘汰缓存

    这么做,可以将1秒内所造成的缓存脏数据,再次删除。

    那么,这个1秒怎么确定的,具体该休眠多久呢?

    针对上面的情形,读者应该自行评估自己的项目的读数据业务逻辑的耗时。然后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。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。

    如果你用了mysql的读写分离架构怎么办?

    ok,在这种情况下,造成数据不一致的原因如下,还是两个请求,一个请求A进行更新操作,另一个请求B进行查询操作。

    (1)请求A进行写操作,删除缓存

    (2)请求A将数据写入数据库了,

    (3)请求B查询缓存发现,缓存没有值

    (4)请求B去从库查询,这时,还没有完成主从同步,因此查询到的是旧值

    (5)请求B将旧值写入缓存

    (6)数据库完成主从同步,从库变为新值

    上述情形,就是数据不一致的原因。还是使用双删延时策略。只是,睡眠时间修改为在主从同步的延时时间基础上,加几百ms。

    采用这种同步淘汰策略,吞吐量降低怎么办?

    ok,那就将第二次删除作为异步的。自己起一个线程,异步删除。这样,写的请求就不用沉睡一段时间后了,再返回。这么做,加大吞吐量。

    第二次删除,如果删除失败怎么办?

    这是个非常好的问题,因为第二次删除失败,就会出现如下情形。还是有两个请求,一个请求A进行更新操作,另一个请求B进行查询操作,为了方便,假设是单库:

    (1)请求A进行写操作,删除缓存

    (2)请求B查询发现缓存不存在

    (3)请求B去数据库查询得到旧值

    (4)请求B将旧值写入缓存

    (5)请求A将新值写入数据库

    (6)请求A试图去删除请求B写入对缓存值,结果失败了。

    ok,这也就是说。如果第二次删除缓存失败,会再次出现缓存和数据库不一致的问题。

    如何解决呢?

    具体解决方案,且看博主对第(3)种更新策略的解析。
    (3)先更新数据库,再删缓存
    首先,先说一下。老外提出了一个缓存更新套路,名为《Cache-Aside pattern》。其中就指出

    失效:应用程序先从cache取数据,没有得到,则从数据库中取数据,成功后,放到缓存中。
    命中:应用程序从cache中取数据,取到后返回。
    更新:先把数据存到数据库中,成功后,再让缓存失效。

    另外,知名社交网站facebook也在论文《Scaling Memcache at Facebook》中提出,他们用的也是先更新数据库,再删缓存的策略。

    这种情况不存在并发问题么?

    不是的。假设这会有两个请求,一个请求A做查询操作,一个请求B做更新操作,那么会有如下情形产生

    (1)缓存刚好失效

    (2)请求A查询数据库,得一个旧值

    (3)请求B将新值写入数据库

    (4)请求B删除缓存

    (5)请求A将查到的旧值写入缓存

    ok,如果发生上述情况,确实是会发生脏数据。

    然而,发生这种情况的概率又有多少呢?

    发生上述情况有一个先天性条件,就是步骤(3)的写数据库操作比步骤(2)的读数据库操作耗时更短,才有可能使得步骤(4)先于步骤(5)。可是,大家想想,数据库的读操作的速度远快于写操作的(不然做读写分离干嘛,做读写分离的意义就是因为读操作比较快,耗资源少),因此步骤(3)耗时比步骤(2)更短,这一情形很难出现。

    假设,有人非要抬杠,有强迫症,一定要解决怎么办?

    如何解决上述并发问题?

    首先,给缓存设有效时间是一种方案。其次,采用策略(2)里给出的异步延时删除策略,保证读请求完成以后,再进行删除操作。

    还有其他造成不一致的原因么?

    有的,这也是缓存更新策略(2)和缓存更新策略(3)都存在的一个问题,如果删缓存失败了怎么办,那不是会有不一致的情况出现么。比如一个写数据请求,然后写入数据库了,删缓存失败了,这会就出现不一致的情况了。这也是缓存更新策略(2)里留下的最后一个疑问。

    如何解决?

    提供一个保障的重试机制即可,这里给出两套方案。

    方案一:

    如下图所示
    在这里插入图片描述
    流程如下所示

    (1)更新数据库数据;

    (2)缓存因为种种问题删除失败

    (3)将需要删除的key发送至消息队列

    (4)自己消费消息,获得需要删除的key

    (5)继续重试删除操作,直到成功

    然而,该方案有一个缺点,对业务线代码造成大量的侵入。于是有了方案二,在方案二中,启动一个订阅程序去订阅数据库的binlog,获得需要操作的数据。在应用程序中,另起一段程序,获得这个订阅程序传来的信息,进行删除缓存操作。

    方案二:
    在这里插入图片描述
    流程如下图所示:

    (1)更新数据库数据

    (2)数据库会将操作信息写入binlog日志当中

    (3)订阅程序提取出所需要的数据以及key

    (4)另起一段非业务代码,获得该信息

    (5)尝试删除缓存操作,发现删除失败

    (6)将这些信息发送至消息队列

    (7)重新从消息队列中获得该数据,重试操作。
    备注说明:上述的订阅binlog程序在mysql中有现成的中间件叫canal,可以完成订阅binlog日志的功能。至于oracle中,博主目前不知道有没有现成中间件可以使用。另外,重试机制,博主是采用的是消息队列的方式。如果对一致性要求不是很高,直接在程序中另起一个线程,每隔一段时间去重试即可,这些大家可以灵活自由发挥,只是提供一个思路。

    展开全文
  • 缓存双写一致性方案

    2020-04-13 15:39:29
    原文地址 引言 为什么这篇文章? 首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。...
  • 引言 为什么这篇文章?...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。 文章结构 本文由以下三个部分组成 1、讲解缓存更新策略 2、对每种策略进行缺点分析 3、针对缺点给出改进方案 正文 先做一
  • redis 双写一致性问题

    千次阅读 2018-08-14 16:09:13
    首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。   文章结构 本文由以下三个部分组成 ...
  • 一、为什么这篇文章? 首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用...目前没有一篇全面的博客,对这几种方案进行解析,于是博主战战兢兢,顶着被大家喷的风险了这篇文章。 二、文章结构...
  • 首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。 文章结构 本文由以下三个部分组成: 1...
  • 首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。 文章结构 本文由以下三个部分组成 1...
  • 引言 ...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。 文章结构 本文由以下三个部分组成 1、讲解缓存更新策略 2、对每种策略进行缺点分析 3、针对缺点给出改进方案 正文 先做一个说明,从理
  • 【Redis】- 双写一致性

    2018-08-13 13:40:00
    首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。 文章结构 本文由以下三个部分组...
  • 方面对于更新完数据库是更新缓存呢还是删除缓存又或者是先删除缓存再更新数据库其实大家存在很大的争议目前没有一篇全面的博客对这几种方案进行解析于是博主战战兢兢顶着被大家喷的风险写了这篇文章 文章结构 本文由...
  • 在互联网领域,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没什么疑问,都是按照下图的...于是笔者战战兢兢,顶着被大家吐槽的风险了这篇文章,如有不妥之处敬请在留言区指...
  • 一、为什么这篇文章? 首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用...目前没有一篇全面的博客,对这几种方案进行解析,于是博主战战兢兢,顶着被大家喷的风险了这篇文章。 二、文章结构 ...
  • 首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。 文章结构 本文由以下三个部分组成 1、讲解缓存更...
  • 前言首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都...于是博主战战兢兢,顶着被大家喷的风险了这篇文章。文章结构本文由以下三个部分组成1、讲解缓存更新策...

空空如也

空空如也

1 2 3 4 5 ... 9
收藏数 163
精华内容 65
关键字:

双写风险