标签:instead 自己 同步数据 逻辑错误 memcached redis inux 踢出 www
不更新缓存是防止并发更新导致的数据不一致。
所以为了降低数据不一致的概率,不应该更新缓存,而是直接将其删除,
然后等待下次发生cache miss时再把数据库中的数据同步到缓存。
有两个选择:
1. 先删除缓存,再更新数据库
2. 先更新数据库,再删除缓存
如果先删除缓存,有一个明显的逻辑错误:考虑两个并发操作,线程A删除缓存后,线程B读该数据时会发生Cache Miss,然后从数据库中读出该数据并同步到缓存中,此时线程A更新了数据库。
结果导致,缓存中是老数据,数据库中是新数据,并且之后的读操作都会直接读取缓存中的脏数据。(直到key过期被删除或者被LRU策略踢出)
如果数据库更新成功后,再删除缓存,就不会有上面这个问题。
可能是由于数据库优先,第二种方式也被称为Cache Aside Pattern。
cache aside在绝大多数情况下能做到数据一致性,但是在极端情况仍然存在问题。
虽然以上情况都有可能发生,但是发生的概率相比“先删除缓存再更新数据库”会低很多。
cache aside是我们自己的应用程序维护两个数据存储系统,而Read/Write Through Pattern是把同步数据的问题交给缓存系统了,应用程序不需要关心。
Read Through是指发生cache miss时,缓存系统自动去数据库加载数据。
Write Through是指如果cache miss,直接更新数据库,然后返回,如果cache hit,则更新缓存后,由缓存系统自动同步到数据库。
以Redis为例,通常我们不会把数据库的数据全部缓存到redis,而是采用一定的数据精简或压缩策略,以节省缓存空间。
就是说,让缓存系统设计出通用的缓存方案不太现实,不过根据自己的业务定制一个在项目内部通用的中间件是可行的。
Write Behind方案在更新数据时,只更新缓存,不更新数据库。而是由另外一个服务异步的把数据更新到数据库。
逻辑上,和Linux中的write back很类似。这个设计的好处是,I/O操作很快,因为是纯内存操作。
但是由于异步写库,可能要牺牲一些数据一致性,譬如突然宕机会丢失所有未写入数据库的内存数据。
阿里巴巴的Canal中间件是一种相反的设计,它先更新mysql,然后通过binlog把数据自动同步到redis。
这种方案会全量同步数据到redis,不适合只缓存热点数据的应用。
以上没有哪种方案是完美的,都无法做到强一致性。
我们总要在性能和数据准确性之间做出妥协。
https://www.pixelstech.net/article/1562504974-Consistency-between-Redis-Cache-and-SQL-Database
https://coolshell.cn/articles/17416.html
为什么不更新缓存,而是直接删除
标签:instead 自己 同步数据 逻辑错误 memcached redis inux 踢出 www
原文地址:https://www.cnblogs.com/upnote/p/13185047.html