实现MySQL和Redis数据一致性的方案

实现MySQL和Redis缓存一致的方案

什么是一致性

一致性就是数据保持一致，在分布式系统中一致性代表多个节点的数据保持一致

强一致性：这种一致性级别是最符合用户直觉的，它要求系统写入什么，读出来的也会是什么，用户体验性好，但实现起来往往对系统的性能影响大；
弱一致性：这种一致性级别约束了系统在写入成功后，不承诺立即可以读到写入的值，也不承诺多久之后数据能够达到一致，但会尽可能地保证到某个时间级别(比如秒级别)后，数据能够达到一致状态；
最终一致性：最终一致性是弱一致性的一个特例，系统会保证在一定时间内，能够达到一个数据一致的状态。这里之所以将最终一致性单独提出来，是因为它是弱一致性中非常推崇的一种一致性模型，也是业界在大型分布式系统的数据一致性上比较推崇的模型；

三种缓存使用模式

chche-aside Cache-Aside Pattern, 即旁路缓存模式。它的提出是为了尽可能地解决缓存与数据库的数据不一致问题。 cache-aside读流程读的时候先读缓存，缓存命中的话直接返回数据；缓存没有命中，就去读数据库，然后更新缓存，再返回数据 cache-aside写请求流程更新得到时候，先更新数据库，然后再删除缓存。当这个数据在下一次需要的时候，使用Cache-Aside模式将会在获取数据的时候，同时从数据仓库中获取数据，并且写到Cache之中
Read Through/Write Through Read Through流程

Read-Through 实际上只是在Cache-Aside之上进行了一层封装，它会让程序代码变得更加简洁，同时也减少数据源上的负载。
Wirte Through流
在这里插入图片描述

write-behind Write-behind跟Read-Through/Write-Through有很多相似的地方，都是由Cache Provider来负责缓存和数据库的读写。它们又有个很大的不同：Read/Write-Through是同步更新缓存和数据的，Write-Behind则是只更新缓存，不直接更新数据库，通过批量异步的方式来更新数据库 write behind流程：这种方式下，缓存和数据库的一致性不强，对一致性要求高的系统要谨慎使用。但是它适合频繁写的场景，MySQL的Innodb Buffer Pool机制就是用到这种模式。
操作缓存的时候到底是更新缓存还是删除缓存日常开发中我们一般用的是cache-aside模式。但我们注意到cache-aside模式为什么是删除缓存而不是更新缓存例子：线程A先发起一个写操作，第一步先更新数据库；线程B先发起一个写操作，第二步后更新数据库；但是由于网络等原因，线程B先更新了缓存；线程A更新缓存；此外，更新缓存相对于删除缓存，还有亮点劣势：如果你写入的缓存值，是经过复杂计算才得到的话，更新缓存频率高的话，就浪费性能了；在写数据库场景多、读数据场景少的情况下，数据很多时候还没被读取到，又被更新了，这也浪费了性能呢。
双写的情况下，先更新数据库还是先更新缓存例子：线程A发起一个写操作，第一步del cache；此时线程B发起一个读操作，cache miss；线程B继续读DB，读出来一个老数据，此时线程B把老数据设置入cache；线程A写入DB更新数据；这里就存在这样的一个问题了：缓存和数据库的数据不一致了。缓存保存的是老数据，数据库保存的是新数据。因此，Cache-Aside缓存模式，选择了先操作数据库而不是先操作缓存
数据库和缓存数据保持强一致，可以嘛？实际上是没有办法做到数据库与缓存达到强一致性加锁可以嘛？并发写期间加锁，任何读操作不写入缓存？缓存以及数据库封装CAS乐观锁，更新缓存时通过lua脚本？分布式事务，3PC?TCC？其实，这是由CAP理论决定的。缓存系统适用的场景就是非强一致性的场景，它属于CAP中的AP 。个人觉得，追求绝对一致性的业务场景，不适合引入缓存。