大家好，我是樓仔呀。

(相關(guān)資料圖)

之前寫過一篇《高頻面試：如何保障 MySQL 和 Redis 的數(shù)據(jù)一致性？》，閱讀量直奔 7K，但是里面只有理論，沒有實(shí)戰(zhàn)，今天就結(jié)合技術(shù)派項(xiàng)目，告訴大家如何去實(shí)現(xiàn) MySQL 和 Redis 的一致性。

在講解實(shí)戰(zhàn)部分之前，我們還是先回顧一下理論知識，根據(jù)網(wǎng)上的眾多解決方案，我們總結(jié)出 6 種：

你可以先想想，技術(shù)派會采用哪種方案呢？

理論知識

溫馨提示：如果你對理論知識已經(jīng)非常清楚，可以直接跳到文章的實(shí)戰(zhàn)部分。

不好的方案1. 先寫 MySQL，再寫 Redis

圖解說明：

這是一副時(shí)序圖，描述請求的先后調(diào)用順序；橘黃色的線是請求 A，黑色的線是請求 B；橘黃色的文字，是 MySQL 和 Redis 最終不一致的數(shù)據(jù)；數(shù)據(jù)是從 10 更新為 11；后面所有的圖，都是這個(gè)含義，不再贅述。

請求 A、B 都是先寫 MySQL，然后再寫 Redis，在高并發(fā)情況下，如果請求 A 在寫 Redis 時(shí)卡了一會，請求 B 已經(jīng)依次完成數(shù)據(jù)的更新，就會出現(xiàn)圖中的問題。

這個(gè)圖已經(jīng)畫的很清晰了，我就不用再去啰嗦了吧，不過這里有個(gè)前提，就是對于讀請求，先去讀 Redis，如果沒有，再去讀 DB，但是讀請求不會再回寫 Redis。大白話說一下，就是讀請求不會更新 Redis。

2. 先寫 Redis，再寫 MySQL

同“先寫 MySQL，再寫 Redis”，看圖可秒懂。

3. 先刪除 Redis，再寫 MySQL

這幅圖和上面有些不一樣，前面的請求 A 和 B 都是更新請求，這里的請求 A 是更新請求，但是請求 B 是讀請求，且請求 B 的讀請求會回寫 Redis。

請求 A 先刪除緩存，可能因?yàn)榭D，數(shù)據(jù)一直沒有更新到 MySQL，導(dǎo)致兩者數(shù)據(jù)不一致。

這種情況出現(xiàn)的概率比較大，因?yàn)檎埱?A 更新 MySQL 可能耗時(shí)會比較長，而請求 B 的前兩步都是查詢，會非?？?。

好的方案4. 先刪除 Redis，再寫 MySQL，再刪除 Redis

對于“先刪除 Redis，再寫 MySQL”，如果要解決最后的不一致問題，其實(shí)再對 Redis 重新刪除即可，這個(gè)也是大家常說的“緩存雙刪”。

為了便于大家看圖，對于藍(lán)色的文字，“刪除緩存 10”必須在“回寫緩存10”后面，那如何才能保證一定是在后面呢？網(wǎng)上給出的第一個(gè)方案是，讓請求 A 的最后一次刪除，等待 500ms。

對于這種方案，看看就行，反正我是不會用，太 Low 了，風(fēng)險(xiǎn)也不可控。

那有沒有更好的方案呢，我建議異步串行化刪除，即刪除請求入隊(duì)列

異步刪除對線上業(yè)務(wù)無影響，串行化處理保障并發(fā)情況下正確刪除。

如果雙刪失敗怎么辦，網(wǎng)上有給 Redis 加一個(gè)緩存過期時(shí)間的方案，這個(gè)不敢茍同。個(gè)人建議整個(gè)重試機(jī)制，可以借助消息隊(duì)列的重試機(jī)制，也可以自己整個(gè)表，記錄重試次數(shù)，方法很多。

簡單小結(jié)一下：

“緩存雙刪”不要用無腦的 sleep 500 ms；通過消息隊(duì)列的異步&串行，實(shí)現(xiàn)最后一次緩存刪除；緩存刪除失敗，增加重試機(jī)制。5. 先寫 MySQL，再刪除 Redis

對于上面這種情況，對于第一次查詢，請求 B 查詢的數(shù)據(jù)是 10，但是 MySQL 的數(shù)據(jù)是 11，只存在這一次不一致的情況，對于不是強(qiáng)一致性要求的業(yè)務(wù)，可以容忍。（那什么情況下不能容忍呢，比如秒殺業(yè)務(wù)、庫存服務(wù)等。）

當(dāng)請求 B 進(jìn)行第二次查詢時(shí)，因?yàn)闆]有命中 Redis，會重新查一次 DB，然后再回寫到 Reids。

這里需要滿足 2 個(gè)條件：

緩存剛好自動(dòng)失效；請求 B 從數(shù)據(jù)庫查出 10，回寫緩存的耗時(shí)，比請求 A 寫數(shù)據(jù)庫，并且刪除緩存的還長。

對于第二個(gè)條件，我們都知道更新 DB 肯定比查詢耗時(shí)要長，所以出現(xiàn)這個(gè)情況的概率很小，同時(shí)滿足上述條件的情況更小。

6. 先寫 MySQL，通過 Binlog，異步更新 Redis

這種方案，主要是監(jiān)聽 MySQL 的 Binlog，然后通過異步的方式，將數(shù)據(jù)更新到 Redis，這種方案有個(gè)前提，查詢的請求，不會回寫 Redis。

這個(gè)方案，會保證 MySQL 和 Redis 的最終一致性，但是如果中途請求 B 需要查詢數(shù)據(jù)，如果緩存無數(shù)據(jù)，就直接查 DB；如果緩存有數(shù)據(jù)，查詢的數(shù)據(jù)也會存在不一致的情況。

所以這個(gè)方案，是實(shí)現(xiàn)最終一致性的終極解決方案，但是不能保證實(shí)時(shí)性。

幾種方案比較

我們對比上面討論的 6 種方案：

先寫 Redis，再寫 MySQL這種方案，我肯定不會用，萬一 DB 掛了，你把數(shù)據(jù)寫到緩存，DB 無數(shù)據(jù)，這個(gè)是災(zāi)難性的；我之前也見同學(xué)這么用過，如果寫 DB 失敗，對 Redis 進(jìn)行逆操作，那如果逆操作失敗呢，是不是還要搞個(gè)重試？先寫 MySQL，再寫 Redis對于并發(fā)量、一致性要求不高的項(xiàng)目，很多就是這么用的，我之前也經(jīng)常這么搞，但是不建議這么做；當(dāng) Redis 瞬間不可用的情況，需要報(bào)警出來，然后線下處理。先刪除 Redis，再寫 MySQL這種方式，我還真沒用過，直接忽略吧。先刪除 Redis，再寫 MySQL，再刪除 Redis這種方式雖然可行，但是感覺好復(fù)雜，還要搞個(gè)消息隊(duì)列去異步刪除 Redis。先寫 MySQL，再刪除 Redis比較推薦這種方式，刪除 Redis 如果失敗，可以再多重試幾次，否則報(bào)警出來；這個(gè)方案，是實(shí)時(shí)性中最好的方案，在一些高并發(fā)場景中，推薦這種。先寫 MySQL，通過 Binlog，異步更新 Redis對于異地容災(zāi)、數(shù)據(jù)匯總等，建議會用這種方式，比如 binlog + kafka，數(shù)據(jù)的一致性也可以達(dá)到秒級；純粹的高并發(fā)場景，不建議用這種方案，比如搶購、秒殺等。

個(gè)人結(jié)論：

實(shí)時(shí)一致性方案：采用“先寫 MySQL，再刪除 Redis”的策略，這種情況雖然也會存在兩者不一致，但是需要滿足的條件有點(diǎn)苛刻，所以是滿足實(shí)時(shí)性條件下，能盡量滿足一致性的最優(yōu)解。最終一致性方案：采用“先寫 MySQL，通過 Binlog，異步更新 Redis”，可以通過 Binlog，結(jié)合消息隊(duì)列異步更新 Redis，是最終一致性的最優(yōu)解。項(xiàng)目實(shí)戰(zhàn)數(shù)據(jù)更新

因?yàn)轫?xiàng)目對實(shí)時(shí)性要求高，所以采用方案 5，先寫 MySQL，再刪除 Redis 的方式。

下面只是一個(gè)示例，我們將文章的標(biāo)簽放入 MySQL 之后，再刪除 Redis，所有涉及到 DB 更新的操作都需要按照這種方式處理。

這里加了一個(gè)事務(wù)，如果 Redis 刪除失敗，MySQL 的更新操作也需要回滾，避免查詢時(shí)讀取到臟數(shù)據(jù)。

@Override@Transactional(rollbackFor = Exception.class)public void saveTag(TagReq tagReq) {    TagDO tagDO = ArticleConverter.toDO(tagReq);    // 先寫 MySQL    if (NumUtil.nullOrZero(tagReq.getTagId())) {        tagDao.save(tagDO);    } else {        tagDO.setId(tagReq.getTagId());        tagDao.updateById(tagDO);    }    // 再刪除 Redis    String redisKey = CACHE_TAG_PRE + tagDO.getId();    RedisClient.del(redisKey);}@Override@Transactional(rollbackFor = Exception.class)public void deleteTag(Integer tagId) {    TagDO tagDO = tagDao.getById(tagId);    if (tagDO != null){        // 先寫 MySQL        tagDao.removeById(tagId);        // 再刪除 Redis        String redisKey = CACHE_TAG_PRE + tagDO.getId();        RedisClient.del(redisKey);    }}@Overridepublic void operateTag(Integer tagId, Integer pushStatus) {    TagDO tagDO = tagDao.getById(tagId);    if (tagDO != null){        // 先寫 MySQL        tagDO.setStatus(pushStatus);        tagDao.updateById(tagDO);        // 再刪除 Redis        String redisKey = CACHE_TAG_PRE + tagDO.getId();        RedisClient.del(redisKey);    }}

數(shù)據(jù)獲取

這個(gè)也很簡單，先查詢緩存，如果有就直接返回；如果未查詢到，需要先查詢 DB ，再寫入緩存。

我們放入緩存時(shí)，加了一個(gè)過期時(shí)間，用于兜底，萬一兩者不一致，緩存過期后，數(shù)據(jù)會重新更新到緩存。

@Overridepublic TagDTO getTagById(Long tagId) {    String redisKey = CACHE_TAG_PRE + tagId;    // 先查詢緩存，如果有就直接返回    String tagInfoStr = RedisClient.getStr(redisKey);    if (tagInfoStr != null && !tagInfoStr.isEmpty()) {        return JsonUtil.toObj(tagInfoStr, TagDTO.class);    }    // 如果未查詢到，需要先查詢 DB ，再寫入緩存    TagDTO tagDTO = tagDao.selectById(tagId);    tagInfoStr = JsonUtil.toStr(tagDTO);    RedisClient.setStrWithExpire(redisKey, tagInfoStr, CACHE_TAG_EXPRIE_TIME);    return tagDTO;}

測試用例

/** * @author Louzai * @date 2023/5/5 */@Slf4jpublic class MysqlRedisService extends BasicTest {    @Autowired    private TagSettingService tagSettingService;    @Test    public void save() {        TagReq tagReq = new TagReq();        tagReq.setTag("Java");        tagReq.setTagId(1L);        tagSettingService.saveTag(tagReq);        log.info("save success:{}", tagReq);    }    @Test    public void query() {        TagDTO tagDTO = tagSettingService.getTagById(1L);        log.info("query tagInfo:{}", tagDTO);    }}

我們看一下 Redis：

127.0.0.1:6379> get pai_cache_tag_pre_1"{\"tagId\":1,\"tag\":\"Java\",\"status\":1,\"selected\":null}"

以及結(jié)果輸出：

后記

這篇文章很基礎(chǔ)，也非常適用，大家可以直接下載技術(shù)派項(xiàng)目，里面都有代碼和測試用例，代碼倉庫詳見：https://github.com/itwanger/paicoding。

后面我會把 RabbitMQ、ES、Nacos、MongoDB 和 prometheus 都集成到技術(shù)派項(xiàng)目，不為其它的，存粹為了自娛自樂。

關(guān)鍵詞：