☃️概述
由于我们的 缓存的数据源来自于数据库, 而数据库的 数据是会发生变化的, 因此,如果当数据库中 数据发生变化,而缓存却没有同步, 此时就会有 一致性问题存在, 其后果是:
用户使用缓存中的过时数据,就会产生类似多线程数据安全问题,从而影响业务,产品口碑等;怎么解决呢?有如下几种方案
人工编码方式:缓存调用者在更新完数据库后再去更新缓存,也称之为双写方案
由系统本身完成:数据库与缓存的问题交由系统本身去处理
调用者只操作缓存:其他线程去异步处理数据库,实现最终一致
☃️数据库和缓存不一致采用什么方案
综合考虑使用方案一,但是方案一调用者如何处理呢?这里有几个问题
操作缓存和数据库时有三个问题需要考虑:
如果采用第一个方案,那么假设我们每次操作数据库后,都操作缓存,但是中间如果没有人查询,那么这个更新动作实际上只有最后一次生效,中间的更新动作意义并不大,我们可以把缓存删除,等待再次查询时,将缓存中的数据加载出来
- 删除缓存还是更新缓存?
- 更新缓存:每次更新数据库都更新缓存,无效写操作较多
- 删除缓存:更新数据库时让缓存失效,查询时再更新缓存
- 如何保证缓存与数据库的操作的同时成功或失败?
- 单体系统,将缓存与数据库操作放在一个事务
- 分布式系统,利用TCC等分布式事务方案
应该具体操作缓存还是操作数据库,我们应当是先操作数据库,再删除缓存,原因在于,如果你选择第一种方案,在两个线程并发来访问时,假设线程1先来,他先把缓存删了,此时线程2过来,他查询缓存数据并不存在,此时他写入缓存,当他写入缓存后,线程1再执行更新动作时,实际上写入的就是旧的数据,新的数据被旧数据覆盖了。
- 先操作缓存还是先操作数据库?
- 先删除缓存,再操作数据库
- 先操作数据库,再删除缓存
☃️代码实现
根据id查询数据时,如果缓存未命中,则查询数据库,将数据库结果写入缓存,并设置超时时间
根据id修改数据时,先修改数据库,再删除缓存
@Transactionl public Result update(){ // 执行更新逻辑 // 删除缓存 }
☃️其他
要保证数据库和Redis缓存之间的一致性,可以采用以下策略:
- 缓存-旁路(Cache-Aside,Lazy Loading):在这种方式中,应用程序首先检查缓存中是否存在所需数据。如果缓存中存在数据,则直接返回给应用程序。如果缓存中不存在数据,则从数据库中获取,然后将数据存储到缓存中以备后续请求使用。为了保持一致性,当数据库中的数据更新时,你需要显式地使缓存中对应的数据失效或更新,可以在数据库更新后立即删除或更新缓存中的数据。
- 读写-通过(Read-Through,Write-Through):在这种模式下,应用程序同时向数据库和缓存读写数据。当数据库中的数据更新时,缓存中的数据也会同时更新。同样,当从缓存中读取数据时,如果不存在,就从数据库中获取,然后再存储到缓存中。这确保了数据库和缓存的数据保持一致。
- 写入-通过(Write-Through):类似于读写-通过,但在这种方法中,当数据写入数据库时,也会立即写入缓存。然而,读取操作仍然是从缓存中进行。这有助于减少缓存未命中的次数。
- 缓存失效(Cache Invalidation):不是在每次数据库更新时都更新缓存,你可以选择使受影响的数据缓存失效。这意味着从缓存中删除过期的数据,这样下一次读取操作将从数据库中获取最新的数据。缓存失效可以通过应用程序中的触发器或事件来实现,它们检测数据库中的更改,然后通知缓存使相应的数据失效。
- 生存时间(Time-To-Live,TTL):你可以为缓存的数据设置过期时间。这样即使数据库发生了更新,缓存也会在一定时间后过期,然后重新从数据库获取新鲜数据。
通过采用这些策略中的一种或多种组合,你可以在应用程序中保持数据库和Redis缓存之间的一致性。每种方法都有其复杂性、性能和一致性保证方面的权衡,所以选择最适合你应用需求的策略即可。