Redis的缓存如何和数据库中的数据保持一致性？

我们都知道，Redis是一个基于内存的键值存储系统，数据完全存放在内存中，这使得它的读写速度远超传统的硬盘存储数据库。对于高访问频率、低修改率的数据，通过将它们缓存在Redis中，应用可以快速地从内存中获取数据，能够大量减少数据库的查询次数，特别是在高并发场景下，有效避免了数据库可能成为整个系统的瓶颈问题。

🍭 但是在实际开发情景中，我们如何才能保证Redis缓存中的数据和数据库中数据的一致性呢？

什么情况会出现数据的不一致？

MySQL和Redis的操作包括读操作和写操作两种，那么有哪些情况是会导致二者数据不一致的？我们先从读和写的操作流程看起~

使用Redis读取数据的场景

🔆使用Redis读取数据的场景

• 客户端发起一个查询数据的接口；
• 向Redis中查询是否存在该条数据
  • 如果存在则直接返回；
  • 不存在则向数据库中查询，再将数据库中的数据保存在Redis中，然后设置一个过期时间，之后再返回客户端。

💡 设置过期时间的主要作用就是为了保证一些冷数据过期自动淘汰，不至于一直存在Redis中占用空间

使用Redis写数据的场景

🔆对数据进行修改是分为两个步骤：

• 修改数据库数据
• 修改/删除Redis缓存

为什么不推荐更新缓存而是直接删除？

删除逻辑非常简单，只需要在下一个线程的时候查询Redis，查询不到再从数据库中加载即可，其副作用只是增加了一次chache miss；而更新缓存的成本更高，因为我们写入数据库的值，很多情况下并不是直接写入缓存的，而是要经过一系列复杂的计算再写入缓存。那么每次写入数据库后，都要再次计算写入缓存的值，无疑是浪费性能，显然直接删除缓存更为合适，推荐直接删除。

🍭那么接下来的问题就是先操作缓存还是先操作数据库了

先操作缓存

🔆先操作缓存即先将缓存清空，再对数据库数据进行修改

• 线程一进行删除Redis缓存和修改数据库数据操作，线程二进行查询数据操作
• 线程一将Redis缓存清空之后发生了网络延迟，此时线程二进行缓存读取
• 线程二在Redis缓存中查询不到数据，向数据库中查询数据并将查询到的数据加载到Redis缓存中，此时Redis缓存中存储的还是原先的老数据
• 线程一完成数据的修改操作
• 此时数据库中的数据是修改后的新数据，而Redis缓存中的数据还是更新前的旧数据，此时就发生了Redis缓存和数据库中的数据不一致的情况

💡 如果先操作Redis缓存的话，就可能出现将Redis中的数据删除之后旧数据又被放入其中去，如果后期再有查询操作，那么在Redis缓存中查询到的数据就会全部是旧的数据，产生了缓存脏读，直到数据到了过期时间被清除掉，如果没有设置过期时间该数据就永远都是脏数据，不能保证Redis和数据库的一致性

先操作数据库

那我们先操作数据库呢？还会有这种问题的发生吗？

🔆先进行数据库操作流程

• 线程一进行删除Redis缓存和修改数据库数据操作，线程二进行查询数据操作
• 线程一首先对数据库中的数据进行修改
• 在此期间如果出现了另外一个线程来查询数据，就会直接从Redis中读取旧数据返回
• 线程一操作完数据库后对Redis缓存进行延迟删除
• 接下来的查询操作在Redis中查询不到数据，会向数据库中查询，并将查询到的数据放入Redis缓存中，此时Redis和数据库中的数据都是修改后的新数据

💡 先删数据库再删缓存，在多线程的情况下，当一个线程删除数据库，另一个线程读取缓存数据，读到的是未修改的Redis缓存中的旧数据，当先前一个线程删除完数据库后就会更新缓存，此时Redis和数据库中的数据就可以一致了，只会产生一次脏读

如何保证数据的一致性

🍭此时我们可以看到，在只读场景中是不会出现数据不一致的情况的，只有在并发的写操作中才会出现。问题已经很清楚了，那么如何解决呢？

强一致性和弱一致性

🔆首先我们先来了解两个概念：强一致性和弱一致性：

• 强一致性：任何一次读都能读到某个数据的最近一次写的数据；
• 弱一致性：数据更新后，如果能容忍后续的访问，只能访问到部分或全部访问不到；

延时双删策略

如果我们先操作Redis再操作数据库的话，就会出现我们上面所说到的脏读的问题，要解决这个问题，我们可以使用延迟双删的策略：在更新MySQL之后，等待一个短时间（例如几秒）再尝试第二次删除，防止在这段时间内有请求重建缓存而造成数据不一致。

基于消息队列

使用消息队列（如RabbitMQ、Kafka等）异步处理数据更新，更新MySQL的同时将更新事件发送到队列，消费者收到消息后负责更新Redis缓存。

订阅MySQL binlog同步：

Redis可以订阅MySQL的binlog日志，拿MySQL举例，当一条数据发生变更时，MySQL就会产生一条变更日志，我们可以订阅这个日志，拿到具体操作的数据，然后再根据这条数据去删除对应的缓存。

删除重试机制

使用删除重试机制，保证删除缓存成功。比如重试三次，三次都失败则记录日志到数据库并发送警告让人工介入。在高并发的场景下，重试最好使用异步方式，比如发送消息到mq中间件，实现异步解耦。

🏮以上的这些方法最多只能实现弱一致性🏮，也就是不能保证更新后每次读取到的数据都是最新数据，如果我们想要保证每次查询到的数据都是新的数据的话，即保证数据的强一致性，那就必须要保证他们的操作是原子性的，那么只能加一把锁了。但是加锁的话是会影响到系统的吞吐量，而我们使用Redis就是为了提高性能，如果为了保证数据的强一致性而加一把锁，那么就得不偿失了。

总结

• 数据不一致的情况在只读场景中是不会出现的，只有在并发的写操作中才会出现；
• 相对于直接删除Redis缓存来讲，修改缓存的成本更高，因此更加推荐修改数据库后直接删除Redis缓存，在下一次查询操作时再向数据库中拿到数据保存在Redis中；
• 先操作Redis的话为了保证和数据库数据的最终一致性，需要进行延时双删的操作，即对Redis缓存进行两次删除，相比于先操作MySQL来说多进行一次删除Redis的操作；
• 无论是先操作数据库还是先操作缓存，都会出现脏读的情况，因为redis和数据库不是原子性的，要想保证其原子性那么只有加锁，但是加锁的话又会影响性能；
• Redis删除失败要进行重删操作