[[340660]]

前言

當(dāng)我們?cè)谧鰯?shù)據(jù)庫與緩存數(shù)據(jù)同步時(shí)，究竟更新緩存，還是刪除緩存，究竟是先操作數(shù)據(jù)庫，還是先操作緩存?本文帶大家深度分析數(shù)據(jù)庫與緩存的雙寫問題，并且給出了所有方案的實(shí)現(xiàn)代碼方便大家參考。

本篇文章主要內(nèi)容

• 數(shù)據(jù)緩存
  • 為何要使用緩存
  • 哪類數(shù)據(jù)適合緩存
  • 緩存的利與弊
• 如何保證緩存和數(shù)據(jù)庫一致性
  • 不更新緩存，而是刪除緩存
  • 先操作緩存，還是先操作數(shù)據(jù)庫
  • 非要保證數(shù)據(jù)庫和緩存數(shù)據(jù)強(qiáng)一致該怎么辦
• 緩存和數(shù)據(jù)庫一致性實(shí)戰(zhàn)
  • 實(shí)戰(zhàn)：先刪除緩存，再更新數(shù)據(jù)庫
  • 實(shí)戰(zhàn)：先更新數(shù)據(jù)庫，再刪緩存
  • 實(shí)戰(zhàn)：緩存延時(shí)雙刪
  • 實(shí)戰(zhàn)：刪除緩存重試機(jī)制
  • 實(shí)戰(zhàn)：讀取binlog異步刪除緩存

項(xiàng)目源碼在這里

https://github.com/qqxx6661/miaosha

數(shù)據(jù)緩存

在我們實(shí)際的業(yè)務(wù)場(chǎng)景中，一定有很多需要做數(shù)據(jù)緩存的場(chǎng)景，比如售賣商品的頁面，包括了許多并發(fā)訪問量很大的數(shù)據(jù)，它們可以稱作是是“熱點(diǎn)”數(shù)據(jù)，這些數(shù)據(jù)有一個(gè)特點(diǎn)，就是更新頻率低，讀取頻率高，這些數(shù)據(jù)應(yīng)該盡量被緩存，從而減少請(qǐng)求打到數(shù)據(jù)庫上的機(jī)會(huì)，減輕數(shù)據(jù)庫的壓力。

為何要使用緩存

緩存是為了追求“快”而存在的。我們用代碼舉一個(gè)例子。

我在自己的Demo代碼倉(cāng)庫中增加了兩個(gè)查詢庫存的接口getStockByDB和getStockByCache，分別表示從數(shù)據(jù)庫和緩存查詢某商品的庫存量。

隨后我們用JMeter進(jìn)行并發(fā)請(qǐng)求測(cè)試。(JMeter的使用請(qǐng)參考我之前寫的文章：點(diǎn)擊這里)

需要聲明的是，我的測(cè)試并不嚴(yán)謹(jǐn)，只是作對(duì)比測(cè)試，不要作為實(shí)際服務(wù)性能的參考。

這是兩個(gè)接口的代碼：

/** 
 * 查詢庫存：通過數(shù)據(jù)庫查詢庫存 
 * @param sid 
 * @return 
 */ 
@RequestMapping("/getStockByDB/{sid}") 
@ResponseBody 
public String getStockByDB(@PathVariable int sid) { 
    int count; 
    try { 
        count = stockService.getStockCountByDB(sid); 
    } catch (Exception e) { 
        LOGGER.error("查詢庫存失?。篬{}]", e.getMessage()); 
        return "查詢庫存失敗"; 
    } 
    LOGGER.info("商品Id: [{}] 剩余庫存為: [{}]", sid, count); 
    return String.format("商品Id: %d 剩余庫存為：%d", sid, count); 
} 
 
/** 
 * 查詢庫存：通過緩存查詢庫存 
 * 緩存命中：返回庫存 
 * 緩存未命中：查詢數(shù)據(jù)庫寫入緩存并返回 
 * @param sid 
 * @return 
 */ 
@RequestMapping("/getStockByCache/{sid}") 
@ResponseBody 
public String getStockByCache(@PathVariable int sid) { 
    Integer count; 
    try { 
        count = stockService.getStockCountByCache(sid); 
        if (count == null) { 
            count = stockService.getStockCountByDB(sid); 
            LOGGER.info("緩存未命中，查詢數(shù)據(jù)庫，并寫入緩存"); 
            stockService.setStockCountToCache(sid, count); 
        } 
    } catch (Exception e) { 
        LOGGER.error("查詢庫存失?。篬{}]", e.getMessage()); 
        return "查詢庫存失敗"; 
    } 
    LOGGER.info("商品Id: [{}] 剩余庫存為: [{}]", sid, count); 
    return String.format("商品Id: %d 剩余庫存為：%d", sid, count); 
} 

首先設(shè)置為10000個(gè)并發(fā)請(qǐng)求的情況下，運(yùn)行JMeter，結(jié)果首先出現(xiàn)了大量的報(bào)錯(cuò)，10000個(gè)請(qǐng)求中98%的請(qǐng)求都直接失敗了。讓人很慌張~

打開日志，報(bào)錯(cuò)如下：

SpringBoot內(nèi)置的Tomcat最大并發(fā)數(shù)搞的鬼，其默認(rèn)值為200，對(duì)于10000的并發(fā)，單機(jī)服務(wù)實(shí)在是力不從心。當(dāng)然，你可以修改這里的并發(fā)數(shù)設(shè)置，但是你的小機(jī)器仍然可能會(huì)扛不住。

將其修改為如下配置后，我的小機(jī)器才在通過緩存拿庫存的情況下，保證了10000個(gè)并發(fā)的100%返回請(qǐng)求：

server.tomcat.max-threads=10000 
server.tomcat.max-connections=10000 

可以看到，不使用緩存的情況下，吞吐量為668個(gè)請(qǐng)求每秒：

使用緩存的情況下，吞吐量為2177個(gè)請(qǐng)求每秒：

在這種“十分不嚴(yán)謹(jǐn)”的對(duì)比下，有緩存對(duì)于一臺(tái)單機(jī)，性能提升了3倍多，如果在多臺(tái)機(jī)器，更多并發(fā)的情況下，由于數(shù)據(jù)庫有了更大的壓力，緩存的性能優(yōu)勢(shì)應(yīng)該會(huì)更加明顯。

測(cè)完了這個(gè)小實(shí)驗(yàn)，我看了眼我掛著MySql的小水管騰訊云服務(wù)器，生怕他被這么高流量搞掛。這種突發(fā)的流量，指不定會(huì)被檢測(cè)為異常攻擊流量呢~

我用的是騰訊云服務(wù)器1C4G2M，活動(dòng)買的，很便宜。這里打個(gè)免費(fèi)的廣告，請(qǐng)騰訊云看到后聯(lián)系我給我打錢 ;)

哪類數(shù)據(jù)適合緩存

緩存量大但又不常變化的數(shù)據(jù)，比如詳情，評(píng)論等。對(duì)于那些經(jīng)常變化的數(shù)據(jù)，其實(shí)并不適合緩存，一方面會(huì)增加系統(tǒng)的復(fù)雜性(緩存的更新，緩存臟數(shù)據(jù))，另一方面也給系統(tǒng)帶來一定的不穩(wěn)定性(緩存系統(tǒng)的維護(hù))。

但一些極端情況下，你需要將一些會(huì)變動(dòng)的數(shù)據(jù)進(jìn)行緩存，比如想要頁面顯示準(zhǔn)實(shí)時(shí)的庫存數(shù)，或者其他一些特殊業(yè)務(wù)場(chǎng)景。這時(shí)候你需要保證緩存不能(一直)有臟數(shù)據(jù)，這就需要再深入討論一下。

緩存的利與弊

我們到底該不該上緩存的，這其實(shí)也是個(gè)trade-off(權(quán)衡)的問題。

上緩存的優(yōu)點(diǎn)：

• 能夠縮短服務(wù)的響應(yīng)時(shí)間，給用戶帶來更好的體驗(yàn)。
• 能夠增大系統(tǒng)的吞吐量，依然能夠提升用戶體驗(yàn)。
• 減輕數(shù)據(jù)庫的壓力，防止高峰期數(shù)據(jù)庫被壓垮，導(dǎo)致整個(gè)線上服務(wù)BOOM!

上了緩存，也會(huì)引入很多額外的問題：

• 緩存有多種選型，是內(nèi)存緩存，memcached還是redis，你是否都熟悉，如果不熟悉，無疑增加了維護(hù)的難度(本來是個(gè)純潔的數(shù)據(jù)庫系統(tǒng))。
• 緩存系統(tǒng)也要考慮分布式，比如redis的分布式緩存還會(huì)有很多坑，無疑增加了系統(tǒng)的復(fù)雜性。
• 在特殊場(chǎng)景下，如果對(duì)緩存的準(zhǔn)確性有非常高的要求，就必須考慮緩存和數(shù)據(jù)庫的一致性問題。

本文想要重點(diǎn)討論的，就是緩存和數(shù)據(jù)庫的一致性問題，各位看官且往下看。

如何保證緩存和數(shù)據(jù)庫一致性

說了這么多緩存的必要性，那么使用緩存是不是就是一個(gè)很簡(jiǎn)單的事情了呢，我之前也一直是這么覺得的，直到遇到了需要緩存與數(shù)據(jù)庫保持強(qiáng)一致的場(chǎng)景，才知道讓數(shù)據(jù)庫數(shù)據(jù)和緩存數(shù)據(jù)保持一致性是一門很高深的學(xué)問。

從遠(yuǎn)古的硬件緩存，操作系統(tǒng)緩存開始，緩存就是一門獨(dú)特的學(xué)問。這個(gè)問題也被業(yè)界探討了非常久，爭(zhēng)論至今。我翻閱了很多資料，發(fā)現(xiàn)其實(shí)這是一個(gè)權(quán)衡的問題。值得好好講講。

以下的討論會(huì)引入幾方觀點(diǎn)，我會(huì)跟著觀點(diǎn)來寫代碼驗(yàn)證所提到的問題。

不更新緩存，而是刪除緩存

大部分觀點(diǎn)認(rèn)為，做緩存不應(yīng)該是去更新緩存，而是應(yīng)該刪除緩存，然后由下個(gè)請(qǐng)求去去緩存，發(fā)現(xiàn)不存在后再讀取數(shù)據(jù)庫，寫入緩存。

觀點(diǎn)引用：《分布式之?dāng)?shù)據(jù)庫和緩存雙寫一致性方案解析》孤獨(dú)煙

原因一：線程安全角度

同時(shí)有請(qǐng)求A和請(qǐng)求B進(jìn)行更新操作，那么會(huì)出現(xiàn)

(1)線程A更新了數(shù)據(jù)庫

(2)線程B更新了數(shù)據(jù)庫

(3)線程B更新了緩存

(4)線程A更新了緩存

這就出現(xiàn)請(qǐng)求A更新緩存應(yīng)該比請(qǐng)求B更新緩存早才對(duì)，但是因?yàn)榫W(wǎng)絡(luò)等原因，B卻比A更早更新了緩存。這就導(dǎo)致了臟數(shù)據(jù)，因此不考慮。

原因二：業(yè)務(wù)場(chǎng)景角度

有如下兩點(diǎn)：

(1)如果你是一個(gè)寫數(shù)據(jù)庫場(chǎng)景比較多，而讀數(shù)據(jù)場(chǎng)景比較少的業(yè)務(wù)需求，采用這種方案就會(huì)導(dǎo)致，數(shù)據(jù)壓根還沒讀到，緩存就被頻繁的更新，浪費(fèi)性能。

(2)如果你寫入數(shù)據(jù)庫的值，并不是直接寫入緩存的，而是要經(jīng)過一系列復(fù)雜的計(jì)算再寫入緩存。那么，每次寫入數(shù)據(jù)庫后，都再次計(jì)算寫入緩存的值，無疑是浪費(fèi)性能的。顯然，刪除緩存更為適合。

其實(shí)如果業(yè)務(wù)非常簡(jiǎn)單，只是去數(shù)據(jù)庫拿一個(gè)值，寫入緩存，那么更新緩存也是可以的。但是，淘汰緩存操作簡(jiǎn)單，并且?guī)淼母弊饔弥皇窃黾恿艘淮蝐ache miss，建議作為通用的處理方式。

先操作緩存，還是先操作數(shù)據(jù)庫

那么問題就來了，我們是先刪除緩存，然后再更新數(shù)據(jù)庫，還是先更新數(shù)據(jù)庫，再刪緩存呢?

先來看看大佬們?cè)趺凑f。

《【58沈劍架構(gòu)系列】緩存架構(gòu)設(shè)計(jì)細(xì)節(jié)二三事》58沈劍：

對(duì)于一個(gè)不能保證事務(wù)性的操作，一定涉及“哪個(gè)任務(wù)先做，哪個(gè)任務(wù)后做”的問題，解決這個(gè)問題的方向是：如果出現(xiàn)不一致，誰先做對(duì)業(yè)務(wù)的影響較小，就誰先執(zhí)行。

假設(shè)先淘汰緩存，再寫數(shù)據(jù)庫：第一步淘汰緩存成功，第二步寫數(shù)據(jù)庫失敗，則只會(huì)引發(fā)一次Cache miss。

假設(shè)先寫數(shù)據(jù)庫，再淘汰緩存：第一步寫數(shù)據(jù)庫操作成功，第二步淘汰緩存失敗，則會(huì)出現(xiàn)DB中是新數(shù)據(jù)，Cache中是舊數(shù)據(jù)，數(shù)據(jù)不一致。

沈劍老師說的沒有問題，不過沒完全考慮好并發(fā)請(qǐng)求時(shí)的數(shù)據(jù)臟讀問題，讓我們?cè)賮砜纯垂陋?dú)煙老師《分布式之?dāng)?shù)據(jù)庫和緩存雙寫一致性方案解析》：

先刪緩存，再更新數(shù)據(jù)庫

該方案會(huì)導(dǎo)致請(qǐng)求數(shù)據(jù)不一致

同時(shí)有一個(gè)請(qǐng)求A進(jìn)行更新操作，另一個(gè)請(qǐng)求B進(jìn)行查詢操作。那么會(huì)出現(xiàn)如下情形:

(1)請(qǐng)求A進(jìn)行寫操作，刪除緩存

(2)請(qǐng)求B查詢發(fā)現(xiàn)緩存不存在

(3)請(qǐng)求B去數(shù)據(jù)庫查詢得到舊值

(4)請(qǐng)求B將舊值寫入緩存

(5)請(qǐng)求A將新值寫入數(shù)據(jù)庫

上述情況就會(huì)導(dǎo)致不一致的情形出現(xiàn)。而且，如果不采用給緩存設(shè)置過期時(shí)間策略，該數(shù)據(jù)永遠(yuǎn)都是臟數(shù)據(jù)。

所以先刪緩存，再更新數(shù)據(jù)庫并不是一勞永逸的解決方案，再看看先更新數(shù)據(jù)庫，再刪緩存這種方案怎么樣?

先更新數(shù)據(jù)庫，再刪緩存這種情況不存在并發(fā)問題么?

不是的。假設(shè)這會(huì)有兩個(gè)請(qǐng)求，一個(gè)請(qǐng)求A做查詢操作，一個(gè)請(qǐng)求B做更新操作，那么會(huì)有如下情形產(chǎn)生

(1)緩存剛好失效

(2)請(qǐng)求A查詢數(shù)據(jù)庫，得一個(gè)舊值

(3)請(qǐng)求B將新值寫入數(shù)據(jù)庫

(4)請(qǐng)求B刪除緩存

(5)請(qǐng)求A將查到的舊值寫入緩存

ok，如果發(fā)生上述情況，確實(shí)是會(huì)發(fā)生臟數(shù)據(jù)。

然而，發(fā)生這種情況的概率又有多少呢?

發(fā)生上述情況有一個(gè)先天性條件，就是步驟(3)的寫數(shù)據(jù)庫操作比步驟(2)的讀數(shù)據(jù)庫操作耗時(shí)更短，才有可能使得步驟(4)先于步驟(5)?？墒?，大家想想，數(shù)據(jù)庫的讀操作的速度遠(yuǎn)快于寫操作的(不然做讀寫分離干嘛，做讀寫分離的意義就是因?yàn)樽x操作比較快，耗資源少)，因此步驟(3)耗時(shí)比步驟(2)更短，這一情形很難出現(xiàn)。

先更新數(shù)據(jù)庫，再刪緩存依然會(huì)有問題，不過，問題出現(xiàn)的可能性會(huì)因?yàn)樯厦嬲f的原因，變得比較低!

所以，如果你想實(shí)現(xiàn)基礎(chǔ)的緩存數(shù)據(jù)庫雙寫一致的邏輯，那么在大多數(shù)情況下，在不想做過多設(shè)計(jì)，增加太大工作量的情況下，請(qǐng)先更新數(shù)據(jù)庫，再刪緩存!

我非要數(shù)據(jù)庫和緩存數(shù)據(jù)強(qiáng)一致怎么辦

那么，如果我非要保證絕對(duì)一致性怎么辦，先給出結(jié)論：

沒有辦法做到絕對(duì)的一致性，這是由CAP理論決定的，緩存系統(tǒng)適用的場(chǎng)景就是非強(qiáng)一致性的場(chǎng)景，所以它屬于CAP中的AP。

所以，我們得委曲求全，可以去做到BASE理論中說的最終一致性。

最終一致性強(qiáng)調(diào)的是系統(tǒng)中所有的數(shù)據(jù)副本，在經(jīng)過一段時(shí)間的同步后，最終能夠達(dá)到一個(gè)一致的狀態(tài)。因此，最終一致性的本質(zhì)是需要系統(tǒng)保證最終數(shù)據(jù)能夠達(dá)到一致，而不需要實(shí)時(shí)保證系統(tǒng)數(shù)據(jù)的強(qiáng)一致性

大佬們給出了到達(dá)最終一致性的解決思路，主要是針對(duì)上面兩種雙寫策略(先刪緩存，再更新數(shù)據(jù)庫/先更新數(shù)據(jù)庫，再刪緩存)導(dǎo)致的臟數(shù)據(jù)問題，進(jìn)行相應(yīng)的處理，來保證最終一致性。

緩存延時(shí)雙刪

問：先刪除緩存，再更新數(shù)據(jù)庫中避免臟數(shù)據(jù)?

答案：采用延時(shí)雙刪策略。

上文我們提到，在先刪除緩存，再更新數(shù)據(jù)庫的情況下，如果不采用給緩存設(shè)置過期時(shí)間策略，該數(shù)據(jù)永遠(yuǎn)都是臟數(shù)據(jù)。

那么延時(shí)雙刪怎么解決這個(gè)問題呢?

(1)先淘汰緩存

(2)再寫數(shù)據(jù)庫(這兩步和原來一樣)

(3)休眠1秒，再次淘汰緩存

這么做，可以將1秒內(nèi)所造成的緩存臟數(shù)據(jù)，再次刪除。

那么，這個(gè)1秒怎么確定的，具體該休眠多久呢?

針對(duì)上面的情形，讀者應(yīng)該自行評(píng)估自己的項(xiàng)目的讀數(shù)據(jù)業(yè)務(wù)邏輯的耗時(shí)。然后寫數(shù)據(jù)的休眠時(shí)間則在讀數(shù)據(jù)業(yè)務(wù)邏輯的耗時(shí)基礎(chǔ)上，加幾百ms即可。這么做的目的，就是確保讀請(qǐng)求結(jié)束，寫請(qǐng)求可以刪除讀請(qǐng)求造成的緩存臟數(shù)據(jù)。

如果你用了mysql的讀寫分離架構(gòu)怎么辦?

ok，在這種情況下，造成數(shù)據(jù)不一致的原因如下，還是兩個(gè)請(qǐng)求，一個(gè)請(qǐng)求A進(jìn)行更新操作，另一個(gè)請(qǐng)求B進(jìn)行查詢操作。

(1)請(qǐng)求A進(jìn)行寫操作，刪除緩存

(2)請(qǐng)求A將數(shù)據(jù)寫入數(shù)據(jù)庫了，

(3)請(qǐng)求B查詢緩存發(fā)現(xiàn)，緩存沒有值

(4)請(qǐng)求B去從庫查詢，這時(shí)，還沒有完成主從同步，因此查詢到的是舊值

(5)請(qǐng)求B將舊值寫入緩存

(6)數(shù)據(jù)庫完成主從同步，從庫變?yōu)樾轮?/p>

上述情形，就是數(shù)據(jù)不一致的原因。還是使用雙刪延時(shí)策略。只是，睡眠時(shí)間修改為在主從同步的延時(shí)時(shí)間基礎(chǔ)上，加幾百ms。

采用這種同步淘汰策略，吞吐量降低怎么辦?

ok，那就將第二次刪除作為異步的。自己起一個(gè)線程，異步刪除。這樣，寫的請(qǐng)求就不用沉睡一段時(shí)間后了，再返回。這么做，加大吞吐量。

所以在先刪除緩存，再更新數(shù)據(jù)庫的情況下，可以使用延時(shí)雙刪的策略，來保證臟數(shù)據(jù)只會(huì)存活一段時(shí)間，就會(huì)被準(zhǔn)確的數(shù)據(jù)覆蓋。

在先更新數(shù)據(jù)庫，再刪緩存的情況下，緩存出現(xiàn)臟數(shù)據(jù)的情況雖然可能性極小，但也會(huì)出現(xiàn)。我們依然可以用延時(shí)雙刪策略，在請(qǐng)求A對(duì)緩存寫入了臟的舊值之后，再次刪除緩存。來保證去掉臟緩存。

刪緩存失敗了怎么辦：重試機(jī)制

看似問題都已經(jīng)解決了，但其實(shí)，還有一個(gè)問題沒有考慮到，那就是刪除緩存的操作，失敗了怎么辦?比如延時(shí)雙刪的時(shí)候，第二次緩存刪除失敗了，那不還是沒有清除臟數(shù)據(jù)嗎?

解決方案就是再加上一個(gè)重試機(jī)制，保證刪除緩存成功。

參考孤獨(dú)煙老師給的方案圖：

方案一：

流程如下所示

(1)更新數(shù)據(jù)庫數(shù)據(jù);

(2)緩存因?yàn)榉N種問題刪除失敗

(3)將需要?jiǎng)h除的key發(fā)送至消息隊(duì)列

(4)自己消費(fèi)消息，獲得需要?jiǎng)h除的key

(5)繼續(xù)重試刪除操作，直到成功

然而，該方案有一個(gè)缺點(diǎn)，對(duì)業(yè)務(wù)線代碼造成大量的侵入。于是有了方案二，在方案二中，啟動(dòng)一個(gè)訂閱程序去訂閱數(shù)據(jù)庫的binlog，獲得需要操作的數(shù)據(jù)。在應(yīng)用程序中，另起一段程序，獲得這個(gè)訂閱程序傳來的信息，進(jìn)行刪除緩存操作。

方案二：

流程如下圖所示：

(1)更新數(shù)據(jù)庫數(shù)據(jù)

(2)數(shù)據(jù)庫會(huì)將操作信息寫入binlog日志當(dāng)中

(3)訂閱程序提取出所需要的數(shù)據(jù)以及key

(4)另起一段非業(yè)務(wù)代碼，獲得該信息

(5)嘗試刪除緩存操作，發(fā)現(xiàn)刪除失敗

(6)將這些信息發(fā)送至消息隊(duì)列

(7)重新從消息隊(duì)列中獲得該數(shù)據(jù)，重試操作。

而讀取binlog的中間件，可以采用阿里開源的canal

好了，到這里我們已經(jīng)把緩存雙寫一致性的思路徹底梳理了一遍，下面就是我對(duì)這幾種思路徒手寫的實(shí)戰(zhàn)代碼，方便有需要的朋友參考。

緩存和數(shù)據(jù)庫一致性實(shí)戰(zhàn)

實(shí)戰(zhàn)：先刪除緩存，再更新數(shù)據(jù)庫

終于到了實(shí)戰(zhàn)，我們?cè)诿霘㈨?xiàng)目的代碼上增加接口：先刪除緩存，再更新數(shù)據(jù)庫

OrderController中新增：

/** 
 * 下單接口：先刪除緩存，再更新數(shù)據(jù)庫 
 * @param sid 
 * @return 
 */ 
@RequestMapping("/createOrderWithCacheV1/{sid}") 
@ResponseBody 
public String createOrderWithCacheV1(@PathVariable int sid) { 
    int count = 0; 
    try { 
        // 刪除庫存緩存 
        stockService.delStockCountCache(sid); 
        // 完成扣庫存下單事務(wù) 
        orderService.createPessimisticOrder(sid); 
    } catch (Exception e) { 
        LOGGER.error("購(gòu)買失?。篬{}]", e.getMessage()); 
        return "購(gòu)買失敗，庫存不足"; 
    } 
    LOGGER.info("購(gòu)買成功，剩余庫存為: [{}]", count); 
    return String.format("購(gòu)買成功，剩余庫存為：%d", count); 
} 

stockService中新增：

@Override 
public void delStockCountCache(int id) { 
    String hashKey = CacheKey.STOCK_COUNT.getKey() + "_" + id; 
    stringRedisTemplate.delete(hashKey); 
    LOGGER.info("刪除商品id：[{}] 緩存", id); 
} 

其他涉及的代碼都在之前三篇文章中有介紹，并且可以直接去Github拿到項(xiàng)目源碼，就不在這里重復(fù)貼了。

實(shí)戰(zhàn)：先更新數(shù)據(jù)庫，再刪緩存

如果是先更新數(shù)據(jù)庫，再刪緩存，那么代碼只是在業(yè)務(wù)順序上顛倒了一下，這里就只貼OrderController中新增：

/** 
 * 下單接口：先更新數(shù)據(jù)庫，再刪緩存 
 * @param sid 
 * @return 
 */ 
@RequestMapping("/createOrderWithCacheV2/{sid}") 
@ResponseBody 
public String createOrderWithCacheV2(@PathVariable int sid) { 
    int count = 0; 
    try { 
        // 完成扣庫存下單事務(wù) 
        orderService.createPessimisticOrder(sid); 
        // 刪除庫存緩存 
        stockService.delStockCountCache(sid); 
    } catch (Exception e) { 
        LOGGER.error("購(gòu)買失敗：[{}]", e.getMessage()); 
        return "購(gòu)買失敗，庫存不足"; 
    } 
    LOGGER.info("購(gòu)買成功，剩余庫存為: [{}]", count); 
    return String.format("購(gòu)買成功，剩余庫存為：%d", count); 
} 

實(shí)戰(zhàn)：緩存延時(shí)雙刪

如何做延時(shí)雙刪呢，最好的方法是開設(shè)一個(gè)線程池，在線程中刪除key，而不是使用Thread.sleep進(jìn)行等待，這樣會(huì)阻塞用戶的請(qǐng)求。

更新前先刪除緩存，然后更新數(shù)據(jù)，再延時(shí)刪除緩存。

OrderController中新增接口：

// 延時(shí)時(shí)間：預(yù)估讀數(shù)據(jù)庫數(shù)據(jù)業(yè)務(wù)邏輯的耗時(shí)，用來做緩存再刪除 
private static final int DELAY_MILLSECONDS = 1000; 
 
 
/** 
 * 下單接口：先刪除緩存，再更新數(shù)據(jù)庫，緩存延時(shí)雙刪 
 * @param sid 
 * @return 
 */ 
@RequestMapping("/createOrderWithCacheV3/{sid}") 
@ResponseBody 
public String createOrderWithCacheV3(@PathVariable int sid) { 
    int count; 
    try { 
        // 刪除庫存緩存 
        stockService.delStockCountCache(sid); 
        // 完成扣庫存下單事務(wù) 
        count = orderService.createPessimisticOrder(sid); 
        // 延時(shí)指定時(shí)間后再次刪除緩存 
        cachedThreadPool.execute(new delCacheByThread(sid)); 
    } catch (Exception e) { 
        LOGGER.error("購(gòu)買失敗：[{}]", e.getMessage()); 
        return "購(gòu)買失敗，庫存不足"; 
    } 
    LOGGER.info("購(gòu)買成功，剩余庫存為: [{}]", count); 
    return String.format("購(gòu)買成功，剩余庫存為：%d", count); 
} 

OrderController中新增線程池：

// 延時(shí)雙刪線程池 
private static ExecutorService cachedThreadPool = new ThreadPoolExecutor(0, Integer.MAX_VALUE, 60L, TimeUnit.SECONDS,new SynchronousQueue<Runnable>()); 
 
 
/** 
 * 緩存再刪除線程 
 */ 
private class delCacheByThread implements Runnable { 
    private int sid; 
    public delCacheByThread(int sid) { 
        this.sid = sid; 
    } 
    public void run() { 
        try { 
            LOGGER.info("異步執(zhí)行緩存再刪除，商品id：[{}]， 首先休眠：[{}] 毫秒", sid, DELAY_MILLSECONDS); 
            Thread.sleep(DELAY_MILLSECONDS); 
            stockService.delStockCountCache(sid); 
            LOGGER.info("再次刪除商品id：[{}] 緩存", sid); 
        } catch (Exception e) { 
            LOGGER.error("delCacheByThread執(zhí)行出錯(cuò)", e); 
        } 
    } 
} 

來試驗(yàn)一下，請(qǐng)求接口createOrderWithCacheV3：

日志中，做到了兩次刪除：

實(shí)戰(zhàn)：刪除緩存重試機(jī)制

上文提到了，要解決刪除失敗的問題，需要用到消息隊(duì)列，進(jìn)行刪除操作的重試。這里我們?yōu)榱诉_(dá)到效果，接入了RabbitMq，并且需要在接口中寫發(fā)送消息，并且需要消費(fèi)者常駐來消費(fèi)消息。Spring整合RabbitMq還是比較簡(jiǎn)單的，我把簡(jiǎn)單的整合代碼也貼出來。

pom.xml新增RabbitMq的依賴：

<dependency> 
    <groupId>org.springframework.boot</groupId> 
    <artifactId>spring-boot-starter-amqp</artifactId> 
</dependency> 

寫一個(gè)RabbitMqConfig：

@Configuration 
public class RabbitMqConfig { 
 
    @Bean 
    public Queue delCacheQueue() { 
        return new Queue("delCache"); 
    } 
 
} 

添加一個(gè)消費(fèi)者：

@Component 
@RabbitListener(queues = "delCache") 
public class DelCacheReceiver { 
 
    private static final Logger LOGGER = LoggerFactory.getLogger(DelCacheReceiver.class); 
 
    @Autowired 
    private StockService stockService; 
 
    @RabbitHandler 
    public void process(String message) { 
        LOGGER.info("DelCacheReceiver收到消息: " + message); 
        LOGGER.info("DelCacheReceiver開始刪除緩存: " + message); 
        stockService.delStockCountCache(Integer.parseInt(message)); 
    } 
} 

OrderController中新增接口：

/** 
 * 下單接口：先更新數(shù)據(jù)庫，再刪緩存，刪除緩存重試機(jī)制 
 * @param sid 
 * @return 
 */ 
@RequestMapping("/createOrderWithCacheV4/{sid}") 
@ResponseBody 
public String createOrderWithCacheV4(@PathVariable int sid) { 
    int count; 
    try { 
        // 完成扣庫存下單事務(wù) 
        count = orderService.createPessimisticOrder(sid); 
        // 刪除庫存緩存 
        stockService.delStockCountCache(sid); 
        // 延時(shí)指定時(shí)間后再次刪除緩存 
        // cachedThreadPool.execute(new delCacheByThread(sid)); 
        // 假設(shè)上述再次刪除緩存沒成功，通知消息隊(duì)列進(jìn)行刪除緩存 
        sendDelCache(String.valueOf(sid)); 
 
    } catch (Exception e) { 
        LOGGER.error("購(gòu)買失?。篬{}]", e.getMessage()); 
        return "購(gòu)買失敗，庫存不足"; 
    } 
    LOGGER.info("購(gòu)買成功，剩余庫存為: [{}]", count); 
    return String.format("購(gòu)買成功，剩余庫存為：%d", count); 
} 

訪問createOrderWithCacheV4：

可以看到，我們先完成了下單，然后刪除了緩存，并且假設(shè)延遲刪除緩存失敗了，發(fā)送給消息隊(duì)列重試的消息，消息隊(duì)列收到消息后再去刪除緩存。

實(shí)戰(zhàn)：讀取binlog異步刪除緩存

我們需要用到阿里開源的canal來讀取binlog進(jìn)行緩存的異步刪除。

我寫了一篇Canal的入門文章，其中用的入門例子就是讀取binlog刪除緩存。大家可以直接跳轉(zhuǎn)到這里：阿里開源MySQL中間件Canal快速入門

擴(kuò)展閱讀

更新緩存的的Design Pattern有四種：

• Cache aside
• Read through
• Write through
• Write behind caching，這里有陳皓的總結(jié)文章可以進(jìn)行學(xué)習(xí)。

https://coolshell.cn/articles/17416.html

小結(jié)

引用陳浩《緩存更新的套路》最后的總結(jié)語作為小結(jié)：

分布式系統(tǒng)里要么通過2PC或是Paxos協(xié)議保證一致性，要么就是拼命的降低并發(fā)時(shí)臟數(shù)據(jù)的概率

緩存系統(tǒng)適用的場(chǎng)景就是非強(qiáng)一致性的場(chǎng)景，所以它屬于CAP中的AP，BASE理論。

異構(gòu)數(shù)據(jù)庫本來就沒辦法強(qiáng)一致，只是盡可能減少時(shí)間窗口，達(dá)到最終一致性。

還有別忘了設(shè)置過期時(shí)間，這是個(gè)兜底方案

結(jié)束語

本文總結(jié)并探討了緩存數(shù)據(jù)庫雙寫一致性問題。

文章內(nèi)容大致可以總結(jié)為如下幾點(diǎn)：

• 對(duì)于讀多寫少的數(shù)據(jù)，請(qǐng)使用緩存。
• 為了保持?jǐn)?shù)據(jù)庫和緩存的一致性，會(huì)導(dǎo)致系統(tǒng)吞吐量的下降。
• 為了保持?jǐn)?shù)據(jù)庫和緩存的一致性，會(huì)導(dǎo)致業(yè)務(wù)代碼邏輯復(fù)雜。
• 緩存做不到絕對(duì)一致性，但可以做到最終一致性。
• 對(duì)于需要保證緩存數(shù)據(jù)庫數(shù)據(jù)一致的情況，請(qǐng)盡量考慮對(duì)一致性到底有多高要求，選定合適的方案，避免過度設(shè)計(jì)。

本文轉(zhuǎn)載自微信公眾號(hào)「后端技術(shù)漫談」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請(qǐng)聯(lián)系后端技術(shù)漫談公眾號(hào)。