本文是秒杀系统的第四篇，我们来讨论秒杀系统中缓存热点数据的问题，进一步延伸到数据库和缓存的双写一致性问题。

在秒杀实际的业务中，一定有很多需要做缓存的场景，比如售卖的商品，包括名称，详情等。访问量很大的数据，可以算是“热点”数据了，尤其是一些读取量远大于写入量的数据，更应该被缓存，而不应该让请求打到数据库上。

当然并不是所有的数据都需要进行缓存，那么一般哪些数据适合缓存呢？缓存量大但又不常变化的数据，比如详情，评论等适合缓存。对于那些经常变化的数据，其实并不适合缓存，一方面会增加系统的复杂性（缓存的更新，缓存脏数据），另一方面也给系统带来一定的不稳定性（缓存系统的维护）。上缓存之后，可以给我们带来一定的好处：

能够缩短服务的响应时间，给用户带来更好的体验；
能够增大系统的吞吐量，依然能够提升用户体验；
减轻数据库的压力，防止高峰期数据库被压垮，导致整个线上服务OOM。

但是上了缓存，也会引入很多额外的问题：

缓存有多种选型，是内存缓存，memcached还是redis，你是否都熟悉，如果不熟悉，无疑增加了维护的难度（本来是个纯洁的数据库系统）；
缓存系统也要考虑分布式，比如redis的分布式缓存还会有很多坑，无疑增加了系统的复杂性；
在特殊场景下，如果对缓存的准确性有非常高的要求，就必须考虑缓存和数据库的一致性问题。

本文想要重点讨论的，就是缓存和数据库的一致性问题。

缓存和数据库双写一致性

在读取缓存方面，大家没啥疑问，都是按照下图的流程来进行业务操作：

在这里插入图片描述

但是在更新缓存方面，对于更新完数据库，再更新缓存呢，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。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。我们讨论主要讨论以下三种更新策略：

先更新数据库，再更新缓存
删除缓存，再更新数据库
先更新数据库，再删除缓存

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？我们从以下两个方面来进行说明。

线程安全

假设同时有请求A和请求B进行更新操作，那么会出现以下情况：

线程A更新了数据库
线程B更新了数据库
线程B更新了缓存
线程A更新了缓存

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。

业务场景

如果是写数据库比较多，而读数据比较少的业务需求，采用这种方案就会导致数据压根还没读到，缓存就被频繁的更新，浪费性能；
如果写入数据库的值，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。

删除缓存，再更新数据库

假设同时有一个请求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:

请求A进行写操作，删除缓存
请求B查询发现缓存不存在
请求B去数据库查询得到旧值
请求B将旧值写入缓存
请求A将新值写入数据库

上述情况会导致数据不一致的情形。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。这种情况下我们就可以采用延时双删策略：先淘汰缓存，再写数据库最后再休眠1秒，再次淘汰缓存。当然这个休眠的时间，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。

有的人就会想到，如果我使用的是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：

请求A进行写操作，删除缓存
请求A将数据写入数据库了
请求B查询缓存发现，缓存没有值
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
请求B将旧值写入缓存
数据库完成主从同步，从库变为新值

这种情况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。那如果采用这种同步淘汰策略，吞吐量降低怎么办？我们可以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后再返回，加大吞吐量。那如果第二次删除删除失败怎么办？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：

请求A进行写操作，删除缓存
请求B查询发现缓存不存在
请求B去数据库查询得到旧值
请求B将旧值写入缓存
请求A将新值写入数据库
请求A试图去删除请求B写入对缓存值，结果失败了。

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。那么如何解决呢？请你继续往下看。

先更新数据库，再删除缓存

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：

缓存刚好失效
请求A查询数据库，得一个旧值
请求B将新值写入数据库
请求B删除缓存
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。但是发生这样的情况的条件是这样的：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。但是实际上数据库的读操作的速度远快于写操作的，因此步骤3耗时比步骤2更短，这一情形很难出现。那如果真的出现了怎么办呢？首先，给缓存设有效时间是一种方案。其次，采用先删除缓存，再更新数据库策略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。这样又回到上一个策略中遗留的问题：第二次删除缓存失败怎么办？提供一个保障的重试机制即可，这里给出两套方案。

方案一

在这里插入图片描述

如上图，我们简化一下步骤：

更新数据库数据；
缓存因为种种问题删除失败
将需要删除的key发送至消息队列
自己消费消息，获得需要删除的key
继续重试删除操作，直到成功

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

在这里插入图片描述

如上图，我们简化一下步骤：

更新数据库数据
数据库会将操作信息写入binlog日志当中
订阅程序提取出所需要的数据以及key
另起一段非业务代码，获得该信息
尝试删除缓存操作，发现删除失败
将这些信息发送至消息队列
重新从消息队列中获得该数据，重试操作。

读取binlog的中间件，可以采用阿里开源的canal。到这里我们已经把缓存双写一致性的思路彻底梳理了一遍，下面对这几种思路在我们原来代码的基础上进行代码实战，方便有需要的朋友参考。

秒杀实战

先删除缓存，再更新数据库

我们在秒杀项目的代码上OrderController中增加接口：先删除缓存，再更新数据库：

/**
 * 下单接口：先删除缓存，再更新数据库
 * @param sid
 * @return
 */
@RequestMapping("/createOrderWithCacheV1/{sid}")
@ResponseBody
public String createOrderWithCacheV1(@PathVariable int sid) {
    int count = 0;
    try {
        // 删除库存缓存
        stockService.delStockCountCache(sid);
        // 完成扣库存下单事务
        orderService.createPessimisticOrder(sid);
    } catch (Exception e) {
        LOGGER.error("购买失败：[{}]", e.getMessage());
        return "购买失败，库存不足";
    }
    LOGGER.info("购买成功，剩余库存为: [{}]", count);
    return String.format("购买成功，剩余库存为：%d", count);
}

stockService中新增：

@Override
public void delStockCountCache(int id) {
    String hashKey = CacheKey.STOCK_COUNT.getKey() + "_" + id;
    stringRedisTemplate.delete(hashKey);
    LOGGER.info("删除商品id：[{}] 缓存", id);
}

先更新数据库，再删缓存

如果是先更新数据库，再删缓存，那么代码只是在业务顺序上颠倒了一下：

/**
 * 下单接口：先更新数据库，再删缓存
 * @param sid
 * @return
 */
@RequestMapping("/createOrderWithCacheV2/{sid}")
@ResponseBody
public String createOrderWithCacheV2(@PathVariable int sid) {
    int count = 0;
    try {
        // 完成扣库存下单事务
        orderService.createPessimisticOrder(sid);
        // 删除库存缓存
        stockService.delStockCountCache(sid);
    } catch (Exception e) {
        LOGGER.error("购买失败：[{}]", e.getMessage());
        return "购买失败，库存不足";
    }
    LOGGER.info("购买成功，剩余库存为: [{}]", count);
    return String.format("购买成功，剩余库存为：%d", count);
}

缓存延时双删

如何做延时双删呢，最好的方法是开设一个线程池，在线程中删除key。更新前先删除缓存，然后更新数据，再延时删除缓存。OrderController中新增接口：


// 延时时间：预估读数据库数据业务逻辑的耗时，用来做缓存再删除
private static final int DELAY_MILLSECONDS = 1000;


/**
 * 下单接口：先删除缓存，再更新数据库，缓存延时双删
 * @param sid
 * @return
 */
@RequestMapping("/createOrderWithCacheV3/{sid}")
@ResponseBody
public String createOrderWithCacheV3(@PathVariable int sid) {
    int count;
    try {
        // 删除库存缓存
        stockService.delStockCountCache(sid);
        // 完成扣库存下单事务
        count = orderService.createPessimisticOrder(sid);
        // 延时指定时间后再次删除缓存
        cachedThreadPool.execute(new delCacheByThread(sid));
    } catch (Exception e) {
        LOGGER.error("购买失败：[{}]", e.getMessage());
        return "购买失败，库存不足";
    }
    LOGGER.info("购买成功，剩余库存为: [{}]", count);
    return String.format("购买成功，剩余库存为：%d", count);
}

OrderController中新增线程池：

// 延时双删线程池
private static ExecutorService cachedThreadPool = new ThreadPoolExecutor(0, Integer.MAX_VALUE, 60L, TimeUnit.SECONDS,new SynchronousQueue<Runnable>());


/**
 * 缓存再删除线程
 */
private class delCacheByThread implements Runnable {
    private int sid;
    public delCacheByThread(int sid) {
        this.sid = sid;
    }
    public void run() {
        try {
            LOGGER.info("异步执行缓存再删除，商品id：[{}]， 首先休眠：[{}] 毫秒", sid, DELAY_MILLSECONDS);
            Thread.sleep(DELAY_MILLSECONDS);
            stockService.delStockCountCache(sid);
            LOGGER.info("再次删除商品id：[{}] 缓存", sid);
        } catch (Exception e) {
            LOGGER.error("delCacheByThread执行出错", e);
        }
    }
}

调用接口createOrderWithCacheV3

在这里插入图片描述

删除缓存前库存为48

在这里插入图片描述

删除缓存前库存为null,没有数据

然后正常下单以后库存变为47，此时将缓存更新到redis中

最后异步将缓存数据再次删除：

的确是做了两次缓存删除：

在这里插入图片描述

删除缓存重试机制

以上删除有可能会失败。要解决删除失败的问题，需要用到消息队列，进行删除操作的重试。这里我们为了达到效果，接入了RabbitMq，并且需要在接口中写发送消息，并且需要消费者常驻来消费消息。

首先在pom.xml新增RabbitMq的依赖：

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-amqp</artifactId>
</dependency>

写一个RabbitMqConfig：

@Configuration
public class RabbitMqConfig {
    @Bean
    public Queue delCacheQueue() {
        return new Queue("delCache");
    }
}

添加一个消费者：

@Component
@RabbitListener(queues = "delCache")
public class DelCacheReceiver {

    private static final Logger LOGGER = LoggerFactory.getLogger(DelCacheReceiver.class);

    @Autowired
    private StockService stockService;

    @RabbitHandler
    public void process(String message) {
        LOGGER.info("DelCacheReceiver收到消息: " + message);
        LOGGER.info("DelCacheReceiver开始删除缓存: " + message);
        stockService.delStockCountCache(Integer.parseInt(message));
    }
}

OrderController中新增接口：

/**
 * 下单接口：先更新数据库，再删缓存，删除缓存重试机制
 * @param sid
 * @return
 */
@RequestMapping("/createOrderWithCacheV4/{sid}")
@ResponseBody
public String createOrderWithCacheV4(@PathVariable int sid) {
    int count;
    try {
        // 完成扣库存下单事务
        count = orderService.createPessimisticOrder(sid);
        // 删除库存缓存
        stockService.delStockCountCache(sid);
        // 延时指定时间后再次删除缓存
        // cachedThreadPool.execute(new delCacheByThread(sid));
        // 假设上述再次删除缓存没成功，通知消息队列进行删除缓存
        sendDelCache(String.valueOf(sid));

    } catch (Exception e) {
        LOGGER.error("购买失败：[{}]", e.getMessage());
        return "购买失败，库存不足";
    }
    LOGGER.info("购买成功，剩余库存为: [{}]", count);
    return String.format("购买成功，剩余库存为：%d", count);
}

调用接口createOrderWithCacheV4

在这里插入图片描述

可以看到，我们先完成了下单，然后删除了缓存，并且假设延迟删除缓存失败了，发送给消息队列重试的消息，消息队列收到消息后再去删除缓存。

读取binlog异步删除缓存

这里我们使用阿里开源的canal来读取binlog进行缓存的异步删除。Canal用途很广，并且上手非常简单，我们在下一篇单独做一下介绍。

猜你感兴趣

：

教你从0到1搭建秒杀系统-防超卖


教你从0到1搭建秒杀系统-限流


教你从0到1搭建秒杀系统-抢购接口隐藏与单用户限制频率


教你从0到1搭建秒杀系统-缓存与数据库双写一致


教你从0到1搭建秒杀系统-Canal快速入门（番外篇）

教你从0到1搭建秒杀系统-订单异步处理

更多文章请点击：

更多…

参考文章：

https://cloud.tencent.com/developer/article/1574827

https://www.jianshu.com/p/2936a5c65e6b

https://www.cnblogs.com/rjzheng/p/9041659.html

https://www.cnblogs.com/codeon/p/8287563.html

https://www.jianshu.com/p/0275ecca2438

https://www.jianshu.com/p/dc1e5091a0d8

https://coolshell.cn/articles/17416.html

原文链接：https://blog.csdn.net/weixin_43525722/article/details/111316024