來源：樓仔

不好的方案

1. 先寫 MySQL，再寫 Redis

2. 先寫 Redis，再寫 MySQL

3. 先刪除 Redis，再寫 MySQL

好的方案

5. 先寫 MySQL，再刪除 Redis

6. 先寫 MySQL，通過 Binlog，異步更新 Redis

幾種方案比較

大家好，這個問題很早之前我就遇到過，但是一直沒有仔細去研究，上個月看了極客的課程，有一篇文章專門有過講解，所以感覺有必要單獨出一篇。

我直接先拋一下結論：在滿足實時性的條件下，不存在兩者完全保存一致的方案，只有最終一致性方案。 根據(jù)網(wǎng)上的眾多解決方案，總結出 6 種，直接看目錄：

不好的方案

1. 先寫 MySQL，再寫 Redis

圖解說明：

這是一副時序圖，描述請求的先后調用順序；

橘黃色的線是請求 A，黑色的線是請求 B；

橘黃色的文字，是 MySQL 和 Redis 最終不一致的數(shù)據(jù)；

數(shù)據(jù)是從 10 更新為 11；

后面所有的圖，都是這個含義，不再贅述。

請求 A、B 都是先寫 MySQL，然后再寫 Redis，在高并發(fā)情況下，如果請求 A 在寫 Redis 時卡了一會，請求 B 已經(jīng)依次完成數(shù)據(jù)的更新，就會出現(xiàn)圖中的問題。

這個圖已經(jīng)畫的很清晰了，我就不用再去啰嗦了吧，不過這里有個前提，就是對于讀請求，先去讀 Redis，如果沒有，再去讀 DB，但是讀請求不會再回寫 Redis。 大白話說一下，就是讀請求不會更新 Redis。

2. 先寫 Redis，再寫 MySQL

同“先寫 MySQL，再寫 Redis”，看圖可秒懂。

3. 先刪除 Redis，再寫 MySQL

這幅圖和上面有些不一樣，前面的請求 A 和 B 都是更新請求，這里的請求 A 是更新請求，但是請求 B 是讀請求，且請求 B 的讀請求會回寫 Redis。

請求 A 先刪除緩存，可能因為卡頓，數(shù)據(jù)一直沒有更新到 MySQL，導致兩者數(shù)據(jù)不一致。

這種情況出現(xiàn)的概率比較大，因為請求 A 更新 MySQL 可能耗時會比較長，而請求 B 的前兩步都是查詢，會非?？?。

好的方案

4. 先刪除 Redis，再寫 MySQL，再刪除 Redis

對于“先刪除 Redis，再寫 MySQL”，如果要解決最后的不一致問題，其實再對 Redis 重新刪除即可，這個也是大家常說的“緩存雙刪”。

為了便于大家看圖，對于藍色的文字，“刪除緩存 10”必須在“回寫緩存10”后面，那如何才能保證一定是在后面呢？網(wǎng)上給出的第一個方案是，讓請求 A 的最后一次刪除，等待 500ms。

對于這種方案，看看就行，反正我是不會用，太 Low 了，風險也不可控。

那有沒有更好的方案呢，我建議異步串行化刪除，即刪除請求入隊列

異步刪除對線上業(yè)務無影響，串行化處理保障并發(fā)情況下正確刪除。

如果雙刪失敗怎么辦，網(wǎng)上有給 Redis 加一個緩存過期時間的方案，這個不敢茍同。個人建議整個重試機制，可以借助消息隊列的重試機制，也可以自己整個表，記錄重試次數(shù) ，方法很多。

簡單小結一下：

“緩存雙刪”不要用無腦的 sleep 500 ms；

通過消息隊列的異步&串行，實現(xiàn)最后一次緩存刪除；

緩存刪除失敗，增加重試機制。

5. 先寫 MySQL，再刪除 Redis

對于上面這種情況，對于第一次查詢，請求 B 查詢的數(shù)據(jù)是 10，但是 MySQL 的數(shù)據(jù)是 11，只存在這一次不一致的情況，對于不是強一致性要求的業(yè)務，可以容忍。 （那什么情況下不能容忍呢，比如秒殺業(yè)務、庫存服務等。）

當請求 B 進行第二次查詢時，因為沒有命中 Redis，會重新查一次 DB，然后再回寫到 Reids。

這里需要滿足 2 個條件：

緩存剛好自動失效；

請求 B 從數(shù)據(jù)庫查出 10，回寫緩存的耗時，比請求 A 寫數(shù)據(jù)庫，并且刪除緩存的還長。

對于第二個條件，我們都知道更新 DB 肯定比查詢耗時要長，所以出現(xiàn)這個情況的概率很小，同時滿足上述條件的情況更小。

6. 先寫 MySQL，通過 Binlog，異步更新 Redis

這種方案，主要是監(jiān)聽 MySQL 的 Binlog，然后通過異步的方式，將數(shù)據(jù)更新到 Redis，這種方案有個前提，查詢的請求，不會回寫 Redis。

這個方案，會保證 MySQL 和 Redis 的最終一致性，但是如果中途請求 B 需要查詢數(shù)據(jù)，如果緩存無數(shù)據(jù)，就直接查 DB；如果緩存有數(shù)據(jù)，查詢的數(shù)據(jù)也會存在不一致的情況。

所以這個方案，是實現(xiàn)最終一致性的終極解決方案，但是不能保證實時性。

幾種方案比較

我們對比上面討論的 6 種方案：

先寫 Redis，再寫 MySQL

這種方案，我肯定不會用 ，萬一 DB 掛了，你把數(shù)據(jù)寫到緩存，DB 無數(shù)據(jù)，這個是災難性的；

我之前也見同學這么用過，如果寫 DB 失敗，對 Redis 進行逆操作，那如果逆操作失敗呢，是不是還要搞個重試？

先寫 MySQL，再寫 Redis

對于并發(fā)量、一致性要求不高的項目，很多就是這么用的 ，我之前也經(jīng)常這么搞，但是不建議這么做；

當 Redis 瞬間不可用的情況，需要報警出來，然后線下處理。

先刪除 Redis，再寫 MySQL

這種方式，我還真沒用過，直接忽略吧。

先刪除 Redis，再寫 MySQL，再刪除 Redis

這種方式雖然可行，但是感覺好復雜 ，還要搞個消息隊列去異步刪除 Redis。

先寫 MySQL，再刪除 Redis

比較推薦這種方式 ，刪除 Redis 如果失敗，可以再多重試幾次，否則報警出來；

這個方案，是實時性中最好的方案，在一些高并發(fā)場景中，推薦這種。

先寫 MySQL，通過 Binlog，異步更新 Redis

對于異地容災、數(shù)據(jù)匯總等，建議會用這種方式 ，比如 binlog + kafka，數(shù)據(jù)的一致性也可以達到秒級；

純粹的高并發(fā)場景，不建議用這種方案，比如搶購、秒殺等。

個人結論：

實時一致性方案 ：采用“先寫 MySQL，再刪除 Redis”的策略，這種情況雖然也會存在兩者不一致，但是需要滿足的條件有點苛刻，所以是滿足實時性條件下，能盡量滿足一致性的最優(yōu)解。

最終一致性方案 ：采用“先寫 MySQL，通過 Binlog，異步更新 Redis”，可以通過 Binlog，結合消息隊列異步更新 Redis，是最終一致性的最優(yōu)解。