分布式数据库与缓存双写一致性方案解疑

孤独烟 2018-06-01 11:54:14

作者介绍

孤独烟,中国平安研发工程师,目前负责规则云平台架构设计以及需求研发工作。毕业后一直从事Java开发工作,在Web开发、架构设计上有多年的实战经验。在MySQL性能优化、JVM调优、分布式领域有着丰富的经验。

 

在互联网领域,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没什么疑问,都是按照下图的流程来进行业务操作。

 

 

但是在更新缓存方面,对于更新完数据库,是更新缓存呢,还是删除缓存;又或者是先删除缓存,再更新数据库,其实大家存在很大的争议。目前笔者还没有见过一篇全面的文章,对这几种方案进行解析。于是笔者战战兢兢,顶着被大家吐槽的风险,写了这篇文章,如有不妥之处敬请在留言区指出,愿与大家一起探讨。

 

本文将由以下三个部分组成:

  1. 讲解缓存更新策略

  2. 对每种策略进行缺点分析

  3. 针对缺点给出改进方案

 

先做一个说明,从理论上来说,给缓存设置过期时间,是保证最终一致性的解决方案。这种方案下,我们可以对存入缓存的数据设置过期时间,所有的写操作以数据库为准,对缓存操作只是尽最大努力即可。也就是说如果数据库写成功,缓存更新失败,那么只要到达过期时间,则后面的读请求自然会从数据库中读取新值然后回填缓存。因此,接下来讨论的思路不依赖于给缓存设置过期时间这个方案。

 

在这里,我们讨论三种更新策略:

  1. 先更新数据库,再更新缓存;

  2. 先删除缓存,再更新数据库;

  3. 先更新数据库,再删除缓存。

 

应该没有人会问我,为什么没有先更新缓存,再更新数据库这种策略吧?

 

一、先更新数据库,再更新缓存
 

 

这套方案,大家是普遍反对的。为什么呢?有如下两点原因。

 

  • 原因一(线程安全角度)

 

同时有请求A和请求B进行更新操作,那么会出现

  1. 线程A更新了数据库;

  2. 线程B更新了数据库;

  3. 线程B更新了缓存;

  4. 线程A更新了缓存。

 

这就出现请求A更新缓存应该比请求B更新缓存早才对,但是因为网络等原因,B却比A更早更新了缓存。这就导致了脏数据,因此不考虑。

 

  • 原因二(业务场景角度)

 

有如下两点:

  1. 如果你是一个写数据库场景比较多,而读数据场景比较少的业务需求,采用这种方案就会导致,数据压根还没读到,缓存就被频繁地更新,浪费性能;

  2. 如果你写入数据库的值,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,都再次计算写入缓存的值,无疑是浪费性能的。显然,删除缓存更为适合。

 

接下来讨论的就是争议最大的,是先删缓存、再更新数据库,还是先更新数据库、再删缓存的问题。

 

二、先删除缓存,再更新数据库
 

 

该方案会导致不一致的原因是,同时有一个请求A进行更新操作,另一个请求B进行查询操作。那么会出现如下情形:

  1. 请求A进行写操作,删除缓存;

  2. 请求B查询发现缓存不存在;

  3. 请求B去数据库查询得到旧值;

  4. 请求B将旧值写入缓存;

  5. 请求A将新值写入数据库。

 

上述情况就会导致不一致的情形出现。而且,如果不采用给缓存设置过期时间策略,该数据永远都是脏数据。

 

那么,如何解决呢?采用延时双删策略。

 

伪代码如下:

public void write(String key,Object data){

        redis.delKey(key);

        db.updateData(data);

        Thread.sleep(1000);

        redis.delKey(key);

    }

 

转化为中文描述就是:

  1. 先淘汰缓存;

  2. 再写数据库(这两步和原来一样);

  3. 休眠1秒,再次淘汰缓存。

 

这么做,可以将1秒内所造成的缓存脏数据,再次删除。

 

那么,这个1秒是怎么确定的,具体该休眠多久呢?

 

针对上面的情形,读者应该自行评估自己的项目的读数据业务逻辑的耗时。然后写数据的休眠时间则在读数据业务逻辑的耗时基础上,加几百ms即可。这么做的目的,就是确保读请求结束,写请求可以删除读请求造成的缓存脏数据。

 

如果你用了MySQL的读写分离架构怎么办?

 

在这种情况下,造成数据不一致的原因如下,还是两个请求,一个请求A进行更新操作,另一个请求B进行查询操作。

  1. 请求A进行写操作,删除缓存;

  2. 请求A将数据写入数据库了;

  3. 请求B查询缓存发现,缓存没有值;

  4. 请求B去从库查询,这时,还没有完成主从同步,因此查询到的是旧值;

  5. 请求B将旧值写入缓存;

  6. 数据库完成主从同步,从库变为新值。

 

上述情形,就是数据不一致的原因。还是使用双删延时策略。只是,睡眠时间修改为在主从同步的延时时间基础上,加几百ms。

 

采用这种同步淘汰策略,吞吐量降低怎么办?

 

那就将第二次删除作为异步的。自己起一个线程,异步删除。这样,写的请求就不用沉睡一段时间再返回。这么做,加大吞吐量。

 

第二次删除,如果删除失败怎么办?

 

这是个非常好的问题,因为第二次删除失败,就会出现如下情形。还是有两个请求,一个请求A进行更新操作,另一个请求B进行查询操作,为了方便,假设是单库:

  1. 请求A进行写操作,删除缓存;

  2. 请求B查询发现缓存不存在;

  3. 请求B去数据库查询得到旧值;

  4. 请求B将旧值写入缓存;

  5. 请求A将新值写入数据库;

  6. 请求A试图去删除请求B写入对缓存值,结果失败了。

 

这也就是说,如果第二次删除缓存失败,会再次出现缓存和数据库不一致的问题。

 

如何解决呢?

 

具体解决方案,且看笔者下文对第三种更新策略的解析。

 

三、先更新数据库,再删除缓存
 

 

国外提出了一个缓存更新套路,名为《Cache-Aside pattern》[1],其中就指出:

  • 失效:应用程序先从cache取数据,没有得到,则从数据库中取数据,成功后,放到缓存中;

  • 命中:应用程序从cache中取数据,取到后返回;

  • 更新:先把数据存到数据库中,成功后,再让缓存失效。

 

另外, Facebook也在论文《Scaling Memcache at Facebook》[2]中提出,他们用的也是先更新数据库,再删缓存的策略。

 

这种情况不存在并发问题么?

 

不是的。假设这会有两个请求,一个请求A做查询操作,一个请求B做更新操作,那么会有如下情形产生:

  1. 缓存刚好失效;

  2. 请求A查询数据库,得一个旧值;

  3. 请求B将新值写入数据库;

  4. 请求B删除缓存;

  5. 请求A将查到的旧值写入缓存。

 

如果发生上述情况,确实是会发生脏数据。

 

然而,发生这种情况的概率又有多少?

 

发生上述情况有一个先天性条件,就是步骤3的写数据库操作比步骤2的读数据库操作耗时更短,才有可能使得步骤4先于步骤5。可是,大家想想,数据库的读操作的速度远快于写操作的(不然做读写分离干嘛,做读写分离的意义就是因为读操作比较快,耗资源少),因此步骤3耗时比步骤2更短,这一情形很难出现。

 

假设,有人非要抬杠,有强迫症,一定要解决怎么办?

 

如何解决上述并发问题?

 

首先,给缓存设有效时间是一种方案。其次,采用策略二里给出的异步延时删除策略,保证读请求完成以后,再进行删除操作。

 

还有其他造成不一致的原因么?

 

有的,这也是缓存更新策略二和缓存更新策略三都存在的一个问题,如果删缓存失败了怎么办,那不是会有不一致的情况出现么。比如一个写数据请求,然后写入数据库了,删缓存失败了,这会就出现不一致的情况了。这也是缓存更新策略二里留下的最后一个疑问。

 

如何解决?

 

提供一个保障的重试机制即可,这里给出两套方案。

 

  • 方案一:

 

如下图所示:

 

 

流程如下所示:

  1. 更新数据库数据;

  2. 缓存因为种种问题删除失败;

  3. 将需要删除的key发送至消息队列;

  4. 自己消费消息,获得需要删除的key;

  5. 继续重试删除操作,直到成功。

 

然而,该方案有一个缺点,对业务线代码造成大量的侵入。于是有了方案二,在方案二中,启动一个订阅程序去订阅数据库的binlog,获得需要操作的数据。在应用程序中,另起一段程序,获得这个订阅程序传来的信息,进行删除缓存操作。

 

  • 方案二:

 

 

流程如下图所示:

  1. 更新数据库数据;

  2. 数据库会将操作信息写入binlog日志当中;

  3. 订阅程序提取出所需要的数据以及key;

  4. 另起一段非业务代码,获得该信息;

  5. 尝试删除缓存操作,发现删除失败;

  6. 将这些信息发送至消息队列;

  7. 重新从消息队列中获得该数据,重试操作。

 

备注说明:上述的订阅binlog程序在MySQL中有现成的中间件叫Canal,可以完成订阅binlog日志的功能。至于Oracle中,笔者目前不清楚有没有现成中间件可以使用。另外,重试机制,笔者采用的是消息队列的方式。如果对一致性要求不是很高,直接在程序中另起一个线程,每隔一段时间去重试即可,这些大家可以灵活自由发挥,只是提供一个思路。

 

本文其实是对目前互联网中已有的一致性方案,进行了一个总结。对于先删缓存、再更新数据库的更新策略,还有方案提出维护一个内存队列的方式,笔者看了一下,觉得实现异常复杂,没有必要,因此没有在文中给出。最后,希望大家有所收获。

 

参考文章:

[1] https://docs.microsoft.com/en-us/azure/architecture/patterns/cache-aside

[2] https://www.usenix.org/system/files/conference/nsdi13/nsdi13-final170_update.pdf

[3] 主从DB与cache一致性:https://mp.weixin.qq.com/s?__biz=MjM5ODYxMDA5OQ==&mid=404308725&idx=1&sn=1a25ce76dd1956014ceb8a011855268e&scene=21#wechat_redirect

[4] 缓存更新的套路:https://coolshell.cn/articles/17416.html

活动预告