Redis的一致性

一、产生的原因

使用缓存，在进行写操作的时候就会出现不一致的问题。
一致性分为三类：强一致性，弱一致性，最终一致性

二、方案

2.1 延时双删

在更新数据库的操作前后分别进行一次删除缓存的操作，并在更新数据库之后线程休眠一段时间。

1. 先删除缓存
2. 再更新数据库
3. 休眠一会（比如1秒），再次删除缓存。

这个休眠一会，一般多久呢？都是1秒？
休眠时间 = 读业务逻辑数据的耗时 + 几百毫秒。为了确保读请求结束，写请求可以删除读请求可能带来的缓存脏数据。

该方法优缺点思考：
这种方案还算可以，只有休眠那一会（比如就那1秒），可能有脏数据，一般业务也会接受的。但是如果第二次删除缓存失败呢？
缓存和数据库的数据还是可能不一致，对吧？
给Key设置一个自然的expire过期时间，让它自动过期怎样？
那业务要接受过期时间内，数据的不一致咯？还是有其他更佳方案呢？

2.2 删除缓存重试机制

当第二次删除缓存失败怎么办？那就再删一次呗，还不行就再删一次！

1. 写请求更新数据库
2. 缓存因为某些原因，删除失败
3. 把删除失败的key放到消息队列
4. 消费消息队列的消息，获取要删除的key
5. 重试删除缓存操作

2.3 读取biglog异步删除缓存

删除缓存重试机制虽然能够解决一致性的问题，但是对代码的侵入性较大，可以进行如下优化：通过数据库的binlog来异步淘汰key。

以mysql为例，
可以使用阿里的canal将binlog日志采集发送到MQ队列里面
然后通过ACK机制确认处理这条更新消息，删除缓存，保证数据缓存一致性

三、可能出现的疑问

3.1 为什么先操作数据库，再操作缓存？

假设先操作缓存再操作数据库，可能会出现如下情况：
线程A先删除缓存，在A更新数据库的操作结束前，线程B去读数据，发现缓存没数据了，那么B就会去数据库中查询，结果读到的就是脏数据并存在缓存中，然后A更新完数据库，导致数据库和缓存中的值不一致。
如果先操作数据库再操作缓存，能保证一致性。