一、背景

目前隨著緩存架構(gòu)方案越來越成熟化，通常做法是引入「緩存」來提高讀性能，架構(gòu)模型就變成了這樣：

圖片

先來看一下什么時候創(chuàng)建緩存，前端請求的讀操作先從緩存中查詢數(shù)據(jù)，如果沒有命中數(shù)據(jù)，則查詢數(shù)據(jù)庫，從數(shù)據(jù)庫查詢成功后，返回結(jié)果，同時更新緩存，方便下次操作。

在數(shù)據(jù)不發(fā)生變更的情況下，這種方式?jīng)]有問題，如果數(shù)據(jù)發(fā)生了更新操作，就必須要考慮如何操作緩存，保證一致性。

如何保證緩存和數(shù)據(jù)庫的一致性，這算得上是個老生常談的話題啦，看到好多技術(shù)新人在寫更新緩存數(shù)據(jù)代碼，采用了非常復(fù)雜甚至“詭異”的方案，甚為不解。

今天就一起花點兒時間來聊聊吧~

二、緩存和數(shù)據(jù)庫數(shù)據(jù)一致性問題

（1）先更新緩存，后更新數(shù)據(jù)庫

如果緩存更新成功了，但數(shù)據(jù)庫更新失敗，那么此時緩存中是最新值，但數(shù)據(jù)庫中是「舊值」。

雖然此時讀請求可以命中緩存，拿到正確的值，但是，一旦緩存「失效」，就會從數(shù)據(jù)庫中讀取到「舊值」，重建緩存也是這個舊值。

這時用戶會發(fā)現(xiàn)自己之前修改的數(shù)據(jù)又「變回去」了，對業(yè)務(wù)造成影響。

（2）先更新數(shù)據(jù)庫，后更新緩存

如果數(shù)據(jù)庫更新成功了，但緩存更新失敗，那么此時數(shù)據(jù)庫中是最新值，緩存中是「舊值」。

之后的讀請求讀到的都是舊數(shù)據(jù)，只有當緩存「失效」后，才能從數(shù)據(jù)庫中得到正確的值。

這時用戶會發(fā)現(xiàn)，自己剛剛修改了數(shù)據(jù)，但卻看不到變更，一段時間過后，數(shù)據(jù)才變更過來，對業(yè)務(wù)也會有影響。

可見，上面兩種情況，無論誰先誰后，但凡后者發(fā)生異常，就會對業(yè)務(wù)造成影響。那怎么解決這個問題呢？

三、緩存更新Design Pattern

介紹幾個也許有效的套路給大家吧~ 希望有幫助。

（1）Cache Aside Pattern

圖片

圖片

如上圖所示，一個是查詢操作，一個是更新操作的并發(fā)。

首先，沒有了刪除cache數(shù)據(jù)的操作了，而是先更新了數(shù)據(jù)庫中的數(shù)據(jù)，此時，緩存依然有效，所以，并發(fā)的查詢操作拿的是沒有更新的數(shù)據(jù)，但是，更新操作馬上讓緩存的失效了，后續(xù)的查詢操作再把數(shù)據(jù)從數(shù)據(jù)庫中拉出來。而不會像文章開頭的那個邏輯產(chǎn)生的問題，后續(xù)的查詢操作一直都在取舊數(shù)據(jù)。

那么，是不是Cache Aside這個就不會有并發(fā)問題了？

不是的。

比如，一個是讀操作，但是沒有命中緩存，然后就到數(shù)據(jù)庫中取數(shù)據(jù)，此時來了一個寫操作，寫完數(shù)據(jù)庫后，讓緩存失效，然后，之前的那個讀操作再把老的數(shù)據(jù)放進去，所以，會造成臟數(shù)據(jù)。

（2）Read/Write Through Pattern

• Read Through

Read Through 套路就是在查詢操作中更新緩存，也就是說，當緩存失效的時候（過期或LRU換出），Cache Aside是由調(diào)用方負責把數(shù)據(jù)加載入緩存，而Read Through則用緩存服務(wù)自己來加載，從而對應(yīng)用方是透明的。

• Write Through

Write Through 套路和Read Through相仿，不過是在更新數(shù)據(jù)時發(fā)生。當有數(shù)據(jù)更新的時候，如果沒有命中緩存，直接更新數(shù)據(jù)庫，然后返回。如果命中了緩存，則更新緩存，然后再由Cache自己更新數(shù)據(jù)庫（這是一個同步操作）

操作邏輯如下圖所示：

圖片

（3）Write Behind Caching Pattern

基本邏輯如下：

圖片

Write Behind 又叫 Write Back。

簡單說就是，在更新數(shù)據(jù)的時候，只更新緩存，不更新數(shù)據(jù)庫，而我們的緩存會異步地批量更新數(shù)據(jù)庫。這個設(shè)計的好處就是讓數(shù)據(jù)的I/O操作飛快無比（直接操作內(nèi)存的嘛 ），因為異步，write backg還可以合并對同一個數(shù)據(jù)的多次操作，所以性能的提高是相當可觀的。

但是，其帶來的問題是，數(shù)據(jù)不是強一致性的，而且可能會丟失（我們知道Unix/Linux非正常關(guān)機會導(dǎo)致數(shù)據(jù)丟失，類似這種情況）。

另外，Write Back實現(xiàn)邏輯比較復(fù)雜，因為他需要track有哪些數(shù)據(jù)是被更新了的，需要刷到持久層上。操作系統(tǒng)的write back會在僅當這個cache需要失效的時候，才會被真正持久起來，比如，內(nèi)存不夠了，或是進程退出了等情況，這又叫l(wèi)azy write。

四、總結(jié)

對于這個老生常談的問題，分析起來其實并不簡單。

額外分享幾點自己心得給你：

1、性能和一致性不能同時滿足，為了性能考慮，通常會采用「最終一致性」的方案；

2、掌握緩存和數(shù)據(jù)庫一致性問題，核心問題有 3 點：緩存利用率、并發(fā)、緩存 + 數(shù)據(jù)庫一起成功問題；

3、失敗場景下要保證一致性，常見手段就是「重試」，同步重試會影響吞吐量，所以通常會采用異步重試的方案；

4、訂閱變更日志的思想，本質(zhì)是把權(quán)威數(shù)據(jù)源（例如 MySQL）當做 leader 副本，讓其它異質(zhì)系統(tǒng)（例如 Redis / Elasticsearch）成為它的 follower 副本，通過同步變更日志的方式，保證 leader 和 follower 之間保持一致。

面講到的幾種緩存更新的設(shè)計方式，都是前人總結(jié)出來的經(jīng)驗，這些方式或多或少都有一些弊端，并不完美，實際上也很難有完美的設(shè)計。大家在做系統(tǒng)設(shè)計的時候，也不要去追求完美，要有一些取舍，找到一種最適合自己業(yè)務(wù)場景的方式就行。

圖片