Redis缓存与Mysql如何保证一致性？

前言

缓存和数据库如何保证数据的一致是个很经典的问题，关于先更新缓存，还是先更新数据库，或者先删除缓存，还是先删除数据的先后问题，再读写并发的场景下很难做到数据一致，我认为比较好的两种方案：一种是我们经常说的延迟双删机制，但是这个延迟的时间是无法很准确的把握的，还有如果缓存删除失败了应该如何处理，总体来说还是不保险的；另外一种我认为是比较可行的方法，要引入阿里的canal，通过拉取binlog日志解析推送的MQ实现异步更新缓存，达到最终缓存和数据库的一致性；

延迟双删策略

基本流程就是客户端A请求,先去删除缓存，然后将数据写入数据库，此时客户端B查询先去查询缓存，缓存没有返回，去查数据库，此时还没有完成主从同步，拿到是从库的旧数据，然后将旧数据进行缓存，在客户端A完成主从同步后，再次删除缓存，这时数据才是一致的，但是重点就是在休眠的几秒钟，会造成数据的不一致性；

注意点：第二次删除缓存如果失败，那么缓存里面大概率还是旧数据；所以第二次缓存删除重试的方法比较关键：

一种：失败记录写表，起定时任务去扫描表进行重试，显然这种方式并不会很好，会对数据库造成很大的压力；

另外一种：异步处理，利用消息队列，将消息放在队列中，缓解数据库压力，但是要增加对消息队列的维护；

简单写个延迟双删的demo

@RestController
@RequestMapping
public class RedisController {


    @Autowired
    private RedisTemplate redisTemplate;
    @Autowired
    private SysUserMapper sysUserMapper;

    @GetMapping
    public void duobleCancle() throws InterruptedException {
      
        redisTemplate.delete("1");
        
        SysUser sysUser = sysUserMapper.selectUserById(Long.valueOf(1));
      
        SysUser updateSysUser =new SysUser();
        updateSysUser.setUserName("Lxlxxx");
        updateSysUser.setEmail("@163.com");


        UpdateWrapper updateWrapper = new UpdateWrapper();
        updateWrapper.eq("userId",1);


        sysUserMapper.update(updateSysUser,updateWrapper);


        
        Thread.sleep(3000);

        redisTemplate.opsForValue().append(sysUser.getUserId(), JSON.toJSONString(sysUser));
 
        
        redisTemplate.delete("1");
    }

由此可见问题还是比较多的，如果这么在项目中使用这种写法，那最终还是会读取到脏数据；

基于订阅binlog异步更新缓存

大致的流程是这样的：

具体binlog订阅实现

步骤：先安装canal、然后安装rabbitmq、然后就是mysql

Canal配置，因为canal支持 tcp, kafka, rocketMQ, rabbitMQ这四种异步的方式，这里我们使用 rabbitMQ，所以将serverMode配置成rabbitMQ

canal.ip = 1 
canal.serverMode = rabbitmq 
canal.mq.servers = 127.0.0.1 
canal.mq.vhost=canal  
canal.mq.exchange=exchange.trade 
canal.mq.username=guest 
canal.mq.password=guest 
---------------------------------------------------------------------------------
    
canal.instance.dbUsername=root
canal.instance.dbPassword=123456
canal.instance.mysql.slaveId=1234 
canal.instance.master.address=127.0.0.1:3306 
canal.instance.defaultDatabaseName=test 
canal.mq.topic=example 

mysql的my.cnf配置

log-bin=mysql-bin 
binlog-format=ROW 
server_id=1 

引入依赖，我分别引入的是redis、rabbitmq、mybatis-plus、fastsjon的包

        
            org.springframework.boot
            spring-boot-starter-web
        


        
            org.springframework.boot
            spring-boot-starter-data-redis
        


        
            org.springframework.boot
            spring-boot-starter-amqp
        


        
            com.alibaba
            fastjson
            1.2.3
        
                
            com.baomidou
            mybatis-plus-boot-starter
            ${mybatis.plus.version}
        

application.yml配置文件

spring:
  rabbitmq:
    virtual-host: canal
    host: 127.0.0.1
    publisher-confirms: true
  
  datasource:
    url: jdbc//127.0.0.1:3306/test?useUnicode=true&characterEncoding=utf8&useSSL=false&serverTimezone=UTC
    username: root
    password: root
    driver-class-name: com.mysql.jdbc.Driver
  redis:
    host: 127.0.0.1

RabbitmqConfig配置

@Configuration
public class RabbitMqConfig {


    
    @Bean
    public Queue TestDirectQueue() {
        return new Queue("exchange.canal.queue",true);
    }


    
    @Bean
    DirectExchange TestDirectExchange() {
        return new DirectExchange("exchange.canal");
    }

    
    @Bean
    Binding bindingDirect() {
        return BindingBuilder.bind(TestDirectQueue()).to(TestDirectExchange()).with("example");
    }
    
}

RabbitMqListener监听消息异步处理 canal拉取的binlog日志

@Component
@Slf4j
public class RabbitMqListener {

    @Autowired
    private StringRedisTemplate redisTemplate;


    @RabbitListener(queues = "exchange.canal.queue")
    public void process(Message message) {


        log.info("canal queue消费的消息" + message.getBody());
        Map map = JSON.parseObject(message.getBody(), Map.class);
        JSONArray array = null;
        String sqlType = (String) map.get("type");
        
        if (StringUtils.endsWithIgnoreCase("SELECT", sqlType)) {
            array = JSONArray.parseArray((String) map.get("data"));
        }
        if (null == array) {
            return;
        }
        JSONObject jsonObject = array.getJSONObject(0);
        
        if (StringUtils.endsWithIgnoreCase("UPDATE", sqlType)
                || StringUtils.endsWithIgnoreCase("INSERT", sqlType)) {
            redisTemplate.boundValueOps(jsonObject.get("code").toString()).set(jsonObject.toString());
            
        } else if (StringUtils.endsWithIgnoreCase("DELETE", sqlType)) {
            redisTemplate.delete(jsonObject.get("code").toString());
        }
        
        if (StringUtils.endsWithIgnoreCase("SELECT", sqlType)) {
            redisTemplate.boundValueOps(jsonObject.get("code").toString()).set(jsonObject.toString());
        } else {
            redisTemplate.delete(jsonObject.get("code").toString());
        }
    }
}

总结

在高并发的场景下缓存和数据库的一致性的问题，永远是个比较大的问题，在请求量很大的情况下，我们必须使用缓存来减少数据库的压力，但是我们需要对数据库进行频繁更新，其实基本保证不了瞬间的一致性，只能在最终保证一致性，通过消息异步的方式可以有效的控制缓存更新、删除的可靠性。

审核编辑：黄飞