Redis缓存更新策略、详解并发条件下数据库与缓存的一致性问题以及消息队列解决方案

0、前言

        我们知道，缓存由于在内存中，数据处理速度比直接操作数据库要快很多，因此常常将数据先读到缓存中，再进行查询、更新等操作。
        但与之而来的问题就是，内存中的数据不仅没有持久化，而且需要保证redis和数据库中数据的一致性，针对这个问题，redis如何保证这样的一致性有以下几种策略。

1、Write Back（写回）策略

        实际开发中最不常用的策略，它仅针对非敏感数据、一致性要求不强的数据，才有可能采用。实际开发不采用。

        Write Back（写回）策略先把数据读入redis，在更新数据的时候，只更新缓存，同时将缓存数据设置为脏的，然后立马返回，并不会更新数据库。对于数据库的更新，会通过批量异步更新的方式进行，例如设置定时任务进行更新。

        例如，对于博客浏览量这样的数据，我们采用写回策略，即使多个用户并发访问，我们每次只要把缓存中的浏览量更新即可，这种 写回策略 非常适合发生大量写操作的场景。

        也就是说，读写都在redis中进行，然后异步地更新回数据库来保持一致性、持久化。

        明显的缺点：带来的问题是，数据不是强一致性的，而且会有数据丢失的风险。因为缓存一般使用内存，而内存是非持久化的，所以一旦缓存机器掉电，就会造成原本缓存中的脏数据丢失。

2、Read/Write Through（读穿 / 写穿）策略

 （1）Read Through 策略

        先查询缓存中数据是否存在，如果存在则直接返回，如果不存在，则由缓存组件负责从数据库查询数据，并将结果写入到缓存组件，最后缓存组件将数据返回给应用。

（2）Write Through 策略

当有数据更新的时候，先查询要写入的数据在缓存中是否已经存在：

• 如果缓存中数据已经存在，则更新缓存中的数据，并且由缓存组件同步更新到数据库中，然后缓存组件告知应用程序更新完成。
• 如果缓存中数据不存在，直接更新数据库，然后返回；

 3、Cache Aside 旁路缓存 策略（实际开发常用）

        实际开发中，前两种策略都用不了，而采用旁路缓存策略，只不过有一些难度和注意点。

先说正确结论：

写策略的步骤：

• 先更新数据库中的数据，再删除缓存中的数据。

读策略的步骤：

• 如果读取的数据命中了缓存，则直接返回数据；
• 如果读取的数据没有命中缓存，则从数据库中读取数据，然后将数据写入到缓存，并且返回给用户。

  （1）数据库和缓存都要更新？

        如果叛逆一点，更新数据库，更新缓存，会带来怎样的并发问题呢？
        借用小林coding的时序图如下：
        假设请求A、B同时对数据更新，顺序如下，在并发情况下，有可能先更新的请求A还没有更新完的时候，请求B就把缓存都更新完事了，然后A再更新缓存。
        可见，这样会造成数据库为2、缓存为1，也就是不一致状况。而如果先更新缓存再更新数据库也是同理的，仍然有数据不一致问题。

         

（2）改进：只更新数据库，不更新缓存了，直接把缓存中的数据删了

        反正就算redis里没数据，查询时也会从数据库里查出来放在redis里，那我直接不更新了！把数据删了，到时候再读不就好了！这就是Cache Aside 策略。

        但有1个问题：更新数据库 和 删除缓存 这两个步骤的顺序该如何呢？

         <1> 假设我们先删除缓存，引用小林的图片：线程A先删除缓存再更新数据库为“21”，但由于更新写入数据库的速度是慢很多的，很可能中间出现了请求B在做查询，从而读取到还未更新的值“20”，并把缓存更细。从而导致不一致问题，这是不允许的。

          <2> 这次改邪归正，我们先更新数据库，再删除缓存：有人会觉得请求A如果去查询数据时，如果缓存未命中，在把数据写回redis的过程中，线程B过来先更新再删除，那就会导致如下的不一致情况了吗？！
        但实际上这样的情况很少，根本原因在于：update数据库的速度 比 update缓存的速度 要慢得多。

        也就是说，黄色线条中间，更新缓存的时间间隔是很短的，而更新数据库的时间相对要慢得多，因此这种并发问题很罕见，还是能保证一致性的。

（3）再改进：如果“删除缓存”这个步骤失败了怎么办？

        为了确保万无一失，我们可以给缓存数据加了过期时间，就算在这期间存在缓存数据不一致，但过期时间到了会自动清除redis的key，这样也能避免删除失败的问题，达到最终一致。
        但问题在于，如果删除失败需要等待过期时间，数据的时效性、一致性就不强了，有可能明明更新了数据，查询显示出来却要过一段时间才生效，这对敏感业务来说是有影响的！

        解决方案：使用消息队列实现异步处理

        在消费者线程中，尝试删除缓存。
        如果删除失败，则根据任务是否在消息队列中进行判断，若在队列中，则继续重试；否则报错。
        如果删除成功，才将任务从消息队列中移除。示例代码如下：

import redis.clients.jedis.Jedis;
import redis.clients.jedis.exceptions.JedisException;
 
import java.util.concurrent.BlockingQueue;
import java.util.concurrent.LinkedBlockingQueue;
 
public class CacheManager {
    private Jedis redisClient;
    private BlockingQueue messageQueue;
 
    public CacheManager() {
        // 初始化Redis连接和消息队列
        redisClient = new Jedis("localhost");
        messageQueue = new LinkedBlockingQueue<>();
 
        // 创建并启动消费者线程
        Thread consumerThread = new Thread(new Consumer());
        consumerThread.start();
    }
 
    public void deleteCache(String key) {
        // 将任务添加到消息队列中
        String task = key;
        try {
            messageQueue.put(task);
            System.out.println("Added cache delete task for key: " + key);
        } catch (InterruptedException e) {
            e.printStackTrace();
        }
    }
 
    private class Consumer implements Runnable {
        @Override
        public void run() {
            while (true) {
                try {
                    String task = messageQueue.take();
 
                    // 尝试删除缓存
                    try {
                        // 删除缓存的操作，此处为示例代码，根据实际情况进行修改
                        redisClient.del(task);
                        System.out.println("Deleted cache for key: " + task);
 
                    } catch (JedisException e) {
                        // 删除失败，重试或报错
                        if (messageQueue.contains(task)) {
                            // 仍在队列中，继续重试
                            System.out.println("Failed to delete cache for key: " + task + ", retrying...");
                            messageQueue.put(task);
                        } else {
                            // 不在队列中，报错
                            System.out.println("Failed to delete cache for key: " + task + ", max retries exceeded. Reporting error...");
                        }
                    }
 
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
            }
        }
    }
 
    public static void main(String[] args) {
        CacheManager cacheManager = new CacheManager();
 
        // 示例使用
        cacheManager.deleteCache("user:1");
        cacheManager.deleteCache("user:2");
    }
}

4、小结

        本文通过介绍多种缓存更新策略，以及深入理解了实际开发中常用的旁路缓存策略所遇到的问题，并通过消息队列进行改进，实现了缓存与数据库的一致性。