4 种策略让 MySQL 和 Redis 数据保持一致

先阐明一下 MySQL 和 Redis 的关系： MySQL 是数据库，用来持久化数据，一定程度上保证数据的可靠性； Redis 是用来当缓存，用来提升数据访问的性能。

关于如何保证 MySQL 和 Redis 中的数据一致（即缓存一致性问题），这是一个非常经典的问题。

使用过缓存的人都应该知道，在实际应用场景中，要想实时刻保证缓存和数据库中的数据一样，很难做到。

基本上都是尽可能让他们的数据在绝大部分时间内保持一致，并保证最终是一致的。

1、缓存不一致是如何产生的

如果数据一直没有变更，那么就不会出现缓存不一致的问题。

通常缓存不一致是发生在数据有变更的时候。因为每次数据变更你需要同时操作数据库和缓存，而他们又属于不同的系统，无法做到同时操作成功或失败，总会有一个时间差。在并发读写的时候可能就会出现缓存不一致的问题（理论上通过分布式事务可以保证这一点，不过实际上基本上很少有人这么做）。

虽然没办法在数据有变更时，保证缓存和数据库强一致，但对缓存的更新还是有一定设计方法的，遵循这些设计方法，能够让这个不一致的影响时间和影响范围最小化。

2、缓存更新的几种设计

缓存更新的设计方法大概有以下四种：

接下来详细介绍一些这四种设计方法

2.1 先删除缓存，再更新数据库

这种方法在并发读写的情况下容易出现缓存不一致的问题

如上图所示，其可能的执行流程顺序为：

可见，最后缓存中的数据 A 跟数据库中的数据 A 是不一致的，缓存中的数据A是旧的脏数据。

因此一般不建议使用这种方式。

2.2 先更新数据库，再让缓存失效

这种方法在并发读写的情况下，也可能会出现短暂缓存不一致的问题

如上图所示，其可能执行的流程顺序为：

可见，最后缓存中的数据A和数据库中的数据 A 是一致的，理论上可能会出现一小段时间数据不一致，不过这种概率也比较低，大部分的业务也不会有太大的问题。

2.3 只更新缓存，由缓存自己同步更新数据库（Read/Write Through Pattern）

这种方法相当于是业务只更新缓存，再由缓存去同步更新数据库。一个Write Through的 例子如下：

如上图所示，其可能执行的流程顺序为：

Read Through 和 WriteThrough 的流程类似，只是在客户端查询数据A时，如果缓存中数据A失效了（过期或被驱逐淘汰），则缓存会同步去数据库中查询数据A，并缓存起来，再返回给客户端。

这种方式缓存不一致的概率极低，只不过需要对缓存进行专门的改造。

2.4 只更新缓存，由缓存自己异步更新数据库（Write Behind Cache Pattern）

这种方式性详单于是业务只操作更新缓存，再由缓存异步去更新数据库，例如：

如上图所示，其可能的执行流程顺序为：

这种方式的优势是读写的性能都非常好，基本上只要操作完内存后就返回给客户端了，但是其是非强一致性，存在丢失数据的情况。

如果在缓存异步将数据更新到数据库中时，缓存服务挂了，此时未更新到数据库中的数据就丢失了。

总结

上面讲到的几种缓存更新的设计方式，都是前人总结出来的经验，这些方式或多或少都有一些弊端，并不完美，实际上也很难有完美的设计。大家在做系统设计的时候，也不要去追求完美，要有一些取舍，找到一种最适合自己业务场景的方式就行。

来源：developer.jdcloud.com/article/2776

>>

END

精品资料，超赞福利，免费领

微信扫码/长按识别 添加【技术交流群】

群内每天分享精品学习资料

最近开发整理了一个用于速刷面试题的小程序；其中收录了上千道常见面试题及答案(包含基础、并发、JVM、MySQL、Redis、Spring、SpringMVC、SpringBoot、SpringCloud、消息队列等多个类型)，欢迎您的使用。

👇👇

👇点击"阅读原文"，获取更多资料（持续更新中）