redis缓存一致性以及解决方案

一致性问题：
首先要到redis里面读取缓存，如果没有缓存，那么就到mysql里面去取数据，并且将其放置在缓存中

关于解决缓存一致性的问题，不难想到主要有两种解决方案，双更模式和删除模式

---

双更模式：

---

双更模式，顾名思义就是更新两次，一次更新redis，一次更新mysql
不难想到，如果我们先更新redis，再更新mysql的话，是不是就可以保证每次缓存中的数据都是最新的了？
但是这样做是有问题的，比如如果我们更新mysql的时候失败了怎么办？更新数据库可能会失败，发生了回滚。所以，最后“缓存里的数据”和“数据库的数据”就不一样了，也就是出现了数据一致性问题。

那如果先更新mysql，再更新redis呢？
由于数据库和 Redis 的操作，并不是原子的，它们的执行时长也不是可控制的。当两个请求的时序发生了错乱，就会发生缓存不一致的情况。

综上，双更模式下，数据不一致的概率较大，一般不建议使用双更模式。

---

删除模式

---

删除模式即更新数据时，删除redis，查询时重新从数据库中加载数据。
先删除缓存
请求A删除了某个 key 的值，这时候有另外一个请求B 到来，那么它就会击穿到数据库，读取到旧的值。无论操作A更新数据库的操作持续多长时间，都会产生不一致的情况。
后删除缓存
后删除缓存不会出现上述问题。一般情况下这种方式可以解决大部分问题，也是最常用的解决方案。
但是在高并发的情况下，仍有可能出现不一致的情况。场景如下：
有一系列的高并发操作，一直执行着更新、删除的动作。某个时刻，它更新数据库的值为 1，然后删除了缓存。
正在这时，有两个请求发生了：

一个是读操作，读到的当然是数据库的旧值 1，我们记作操作 A；
同时，另外一个请求发起了更新操作，把数据库记录更新为 2，我们记作操作 B。
一般情况下，读取操作都是比写入操作快的，但我们要考虑两种极端情况：

一种是这个读取操作 A，发生在更新操作 B 的尾部；
一种是操作 A 的这个 Redis 的操作时长，耗费了非常多的时间。比如，这个节点正好发生了 STW。（条件比较苛刻）
那么很容易地，读操作 A 的结束时间就超过了操作 B 删除的动作。

实际上，你也无法控制它们的执行顺序。只要发生这种情况，大概率数据库和Redis的值会不一致。

---

解决方案：

---

延迟双删
延时双删的方案的思路是，为了避免更新数据库的时候，其他线程从缓存中读取不到数据，就在更新完数据库之后，再sleep一段时间，然后再次删除缓存。
sleep的时间要对业务读写缓存的时间做出评估，sleep时间大于读写缓存的时间即可。
流程如下：
线程1删除缓存，然后去更新数据库
线程2来读缓存，发现缓存已经被删除，所以直接从数据库中读取，这时候由于线程1还没有更新完成，所以读到的是旧值，然后把旧值写入缓存
线程1，根据估算的时间，sleep，由于sleep的时间大于线程2读数据+写缓存的时间，所以缓存被再次删除
如果还有其他线程来读取缓存的话，就会再次从数据库中读取到最新值
设置较小的缓存时间
俗称闪电缓存，即把缓存的失效时间设置非常短，比如 5秒。一旦失效，就会再次去数据库读取最新数据到缓存，即数据不一致只会在短时间内不一致。但这种方式，在非常高的并发下，同一时间对某个 key 的请求击穿到 DB，产生缓存击穿问题
消息队列
先更新数据库，成功后往消息队列发消息，消费到消息后再删除缓存，借助消息队列的重试机制来实现，达到最终一致性的效果。

进阶版消息队列
一般大公司本身都会有监听binlog消息的消息队列存在，主要是为了做一些核对的工作。
这样，我们可以借助监听binlog的消息队列来做删除缓存的操作。这样做的好处是，不用你自己引入，侵入到你的业务代码中，中间件帮你做了解耦，同时，中间件的这个东西本身就保证了高可用。
当然，这样消息延迟的问题依然存在，但是相比单纯引入消息队列的做法更好一点。

---

支持事务的缓存

---

Apache geode是不错的Redis的替换，支持事务，缓存不一致好多时候是Redis不支持事务引起，Geode的商业版本GemFire就是当年支持12306的神器，稳定性，性能都很好

链接如下
https://github.com/apache/geode