分散式資料庫與快取雙寫一致性方案解疑(轉載)
轉載路徑：https://mp.weixin.qq.com/s?__biz=MzI4NTA1MDEwNg==&mid=2650767895&idx=1&sn=eb87586d2b7748021fd8cd1791d5d39e&chksm=f3f93782c48ebe94ec0e85bc9e08ac1b478614ca500128a7f42b6dee60c20bc4ade86ce044be&mpshare=1&scene=22&srcid=0606BwBuKWtWDGeXJg08bypA#rd
作者介紹
孤獨煙，中國平安研發工程師，目前負責規則雲平臺架構設計以及需求研發工作。畢業後一直從事Java開發工作，在Web開發、架構設計上有多年的實戰經驗。在MySQL效能優化、JVM調優、分散式領域有著豐富的經驗。
在網際網路領域，快取由於其高併發和高效能的特性，已經在專案中被廣泛使用。在讀取快取方面，大家沒什麼疑問，都是按照下圖的流程來進行業務操作。
但是在更新快取方面，對於更新完資料庫，是更新快取呢，還是刪除快取；又或者是先刪除快取，再更新資料庫，其實大家存在很大的爭議。目前筆者還沒有見過一篇全面的文章，對這幾種方案進行解析。於是筆者戰戰兢兢，頂著被大家吐槽的風險，寫了這篇文章，如有不妥之處敬請在留言區指出，願與大家一起探討。
本文將由以下三個部分組成：
講解快取更新策略
對每種策略進行缺點分析
針對缺點給出改進方案
先做一個說明，從理論上來說，給快取設定過期時間，是保證最終一致性的解決方案。這種方案下，我們可以對存入快取的資料設定過期時間，所有的寫操作以資料庫為準，對快取操作只是盡最大努力即可。也就是說如果資料庫寫成功，快取更新失敗，那麼只要到達過期時間，則後面的讀請求自然會從資料庫中讀取新值然後回填快取。因此，接下來討論的思路不依賴於給快取設定過期時間這個方案。
在這裡，我們討論三種更新策略：
先更新資料庫，再更新快取；
先刪除快取，再更新資料庫；
先更新資料庫，再刪除快取。
應該沒有人會問我，為什麼沒有先更新快取，再更新資料庫這種策略吧？
一、先更新資料庫，再更新快取這套方案，大家是普遍反對的。為什麼呢？有如下兩點原因。
原因一（執行緒安全形度）
同時有請求A和請求B進行更新操作，那麼會出現
執行緒A更新了資料庫；
執行緒B更新了資料庫；
執行緒B更新了快取；
執行緒A更新了快取。
這就出現請求A更新快取應該比請求B更新快取早才對，但是因為網路等原因，B卻比A更早更新了快取。這就導致了髒資料，因此不考慮。
原因二（業務場景角度）
有如下兩點：
如果你是一個寫資料庫場景比較多，而讀資料場景比較少的業務需求，採用這種方案就會導致，資料壓根還沒讀到，快取就被頻繁地更新，浪費效能；
如果你寫入資料庫的值，並不是直接寫入快取的，而是要經過一系列複雜的計算再寫入快取。那麼，每次寫入資料庫後，都再次計算寫入快取的值，無疑是浪費效能的。顯然，刪除快取更為適合。
接下來討論的就是爭議最大的，是先刪快取、再更新資料庫，還是先更新資料庫、再刪快取的問題。
二、先刪除快取，再更新資料庫該方案會導致不一致的原因是，同時有一個請求A進行更新操作，另一個請求B進行查詢操作。那麼會出現如下情形：
請求A進行寫操作，刪除快取；
請求B查詢發現快取不存在；
請求B去資料庫查詢得到舊值；
請求B將舊值寫入快取；
請求A將新值寫入資料庫。
上述情況就會導致不一致的情形出現。而且，如果不採用給快取設定過期時間策略，該資料永遠都是髒資料。
那麼，如何解決呢？採用延時雙刪策略。
虛擬碼如下：
public void write(String key,Object data){
redis.delKey(key);
db.updateData(data);
Thread.sleep(1000);
redis.delKey(key);
}
轉化為中文描述就是：
先淘汰快取；
再寫資料庫（這兩步和原來一樣）；
休眠1秒，再次淘汰快取。
這麼做，可以將1秒內所造成的快取髒資料，再次刪除。
那麼，這個1秒是怎麼確定的，具體該休眠多久呢？
針對上面的情形，讀者應該自行評估自己的專案的讀資料業務邏輯的耗時。然後寫資料的休眠時間則在讀資料業務邏輯的耗時基礎上，加幾百ms即可。這麼做的目的，就是確保讀請求結束，寫請求可以刪除讀請求造成的快取髒資料。
如果你用了MySQL的讀寫分離架構怎麼辦？
在這種情況下，造成資料不一致的原因如下，還是兩個請求，一個請求A進行更新操作，另一個請求B進行查詢操作。
請求A進行寫操作，刪除快取；
請求A將資料寫入資料庫了；
請求B查詢快取發現，快取沒有值；
請求B去從庫查詢，這時，還沒有完成主從同步，因此查詢到的是舊值；
請求B將舊值寫入快取；
資料庫完成主從同步，從庫變為新值。
上述情形，就是資料不一致的原因。還是使用雙刪延時策略。只是，睡眠時間修改為在主從同步的延時時間基礎上，加幾百ms。
採用這種同步淘汰策略，吞吐量降低怎麼辦？
那就將第二次刪除作為非同步的。自己起一個執行緒，非同步刪除。這樣，寫的請求就不用沉睡一段時間再返回。這麼做，加大吞吐量。
第二次刪除，如果刪除失敗怎麼辦？
這是個非常好的問題，因為第二次刪除失敗，就會出現如下情形。還是有兩個請求，一個請求A進行更新操作，另一個請求B進行查詢操作，為了方便，假設是單庫：
請求A進行寫操作，刪除快取；
請求B查詢發現快取不存在；
請求B去資料庫查詢得到舊值；
請求B將舊值寫入快取；
請求A將新值寫入資料庫；
請求A試圖去刪除請求B寫入對快取值，結果失敗了。
這也就是說，如果第二次刪除快取失敗，會再次出現快取和資料庫不一致的問題。
如何解決呢？
具體解決方案，且看筆者下文對第三種更新策略的解析。
三、先更新資料庫，再刪除快取國外提出了一個快取更新套路，名為《Cache-Aside pattern》[1]，其中就指出：
失效：應用程式先從cache取資料，沒有得到，則從資料庫中取資料，成功後，放到快取中；
命中：應用程式從cache中取資料，取到後返回；
更新：先把資料存到資料庫中，成功後，再讓快取失效。
另外， Facebook也在論文《Scaling Memcache at Facebook》[2]中提出，他們用的也是先更新資料庫，再刪快取的策略。
這種情況不存在併發問題麼？
不是的。假設這會有兩個請求，一個請求A做查詢操作，一個請求B做更新操作，那麼會有如下情形產生：
快取剛好失效；
請求A查詢資料庫，得一箇舊值；
請求B將新值寫入資料庫；
請求B刪除快取；
請求A將查到的舊值寫入快取。
如果發生上述情況，確實是會發生髒資料。
然而，發生這種情況的概率又有多少？
發生上述情況有一個先天性條件，就是步驟3的寫資料庫操作比步驟2的讀資料庫操作耗時更短，才有可能使得步驟4先於步驟5。可是，大家想想，資料庫的讀操作的速度遠快於寫操作的（不然做讀寫分離幹嘛，做讀寫分離的意義就是因為讀操作比較快，耗資源少），因此步驟3耗時比步驟2更短，這一情形很難出現。
假設，有人非要擡槓，有強迫症，一定要解決怎麼辦？
如何解決上述併發問題？
首先，給快取設有效時間是一種方案。其次，採用策略二里給出的非同步延時刪除策略，保證讀請求完成以後，再進行刪除操作。
還有其他造成不一致的原因麼？
有的，這也是快取更新策略二和快取更新策略三都存在的一個問題，如果刪快取失敗了怎麼辦，那不是會有不一致的情況出現麼。比如一個寫資料請求，然後寫入資料庫了，刪快取失敗了，這會就出現不一致的情況了。這也是快取更新策略二里留下的最後一個疑問。
如何解決？
提供一個保障的重試機制即可，這裡給出兩套方案。
方案一：
如下圖所示：
流程如下所示：
更新資料庫資料；
快取因為種種問題刪除失敗；
將需要刪除的key傳送至訊息佇列；
自己消費訊息，獲得需要刪除的key；
繼續重試刪除操作，直到成功。
然而，該方案有一個缺點，對業務線程式碼造成大量的侵入。於是有了方案二，在方案二中，啟動一個訂閱程式去訂閱資料庫的binlog，獲得需要操作的資料。在應用程式中，另起一段程式，獲得這個訂閱程式傳來的資訊，進行刪除快取操作。
方案二：
流程如下圖所示：
更新資料庫資料；
資料庫會將操作資訊寫入binlog日誌當中；
訂閱程式提取出所需要的資料以及key；
另起一段非業務程式碼，獲得該資訊；
嘗試刪除快取操作，發現刪除失敗；
將這些資訊傳送至訊息佇列；
重新從訊息佇列中獲得該資料，重試操作。
備註說明：上述的訂閱binlog程式在MySQL中有現成的中介軟體叫Canal，可以完成訂閱binlog日誌的功能。至於Oracle中，筆者目前不清楚有沒有現成中介軟體可以使用。另外，重試機制，筆者採用的是訊息佇列的方式。如果對一致性要求不是很高，直接在程式中另起一個執行緒，每隔一段時間去重試即可，這些大家可以靈活自由發揮，只是提供一個思路。
本文其實是對目前網際網路中已有的一致性方案，進行了一個總結。對於先刪快取、再更新資料庫的更新策略，還有方案提出維護一個記憶體佇列的方式，筆者看了一下，覺得實現異常複雜，沒有必要，因此沒有在文中給出。最後，希望大家有所收穫。