跳到主要内容

数据一致性

2025年01月06日
柏拉文
越努力，越幸运

一、认识​

在分布式系统中，Redis 缓存和数据库可能存储相同的数据，但它们的更新速度不同，可能会导致数据不一致问题。数据一致性是确保缓存与数据库中的数据保持同步的关键。我们最优的解决方案是先更新数据库，再操作缓存，确保数据源是数据库。

二、原因​

  1. 直接更新数据库而忘记更新缓存: 更新数据库的数据，但未同步更新缓存，导致缓存中的数据陈旧。

  2. 先更新缓存，再更新数据库: 如果在缓存更新后，数据库更新失败，可能导致缓存和数据库数据不一致。

  3. 缓存延迟更新: 数据库已经更新，但缓存中的旧数据还未被淘汰或刷新。

三、解决方案​

3.1 旁路缓存模式​

旁路缓存模式 Cache Aside Pattern: 应用程序先从缓存读取数据，如果未命中（Cache Miss），则从数据库读取并更新到缓存。更新或删除数据时，先操作数据库，再使缓存失效。这样的好处是数据更新逻辑简单，适合读多写少场景。

// 读取数据
const getData = async (key) => {
  let data = await redis.get(key);
  if (!data) {
    data = await db.query("SELECT * FROM table WHERE key = ?", [key]);
    await redis.set(key, JSON.stringify(data), 'EX', 3600); // 设置缓存过期时间
  }
  return data;
};

// 更新数据
const updateData = async (key, value) => {
  await db.update("UPDATE table SET value = ? WHERE key = ?", [value, key]);
  await redis.del(key); // 删除缓存
};

3.2 直写缓存模式​

直写缓存模式 Write Through Pattern: 所有的写操作直接写入缓存，缓存再同步写入数据库。这样的好处是缓存与数据库实时同步，适合频繁读写场景。但是数据写入延迟增加，因为需要同步写数据库。

3.3 异步写缓存模式​

异步写缓存模式 Write Behind Pattern 写操作先写入缓存，数据库更新通过异步任务队列延迟处理。这样的话，数据写入延迟较小，适合写操作密集的场景。但是异步处理失败时可能导致数据丢失。

3.4 延迟双删策略​

延迟双删策略 Delayed Double Delete: 适用于高并发场景，解决缓存和数据库更新时的时间差问题。具体操作步骤为: 首先更新数据库,然后删除缓存, 等待短暂时间后, 再次删除缓存（避免并发请求更新缓存为旧数据）。

const updateWithDoubleDelete = async (key, value) => {
  await db.update("UPDATE table SET value = ? WHERE key = ?", [value, key]);
  await redis.del(key); // 第一次删除缓存
  setTimeout(async () => {
    await redis.del(key); // 延迟第二次删除缓存
  }, 500); // 延迟时间根据具体场景调整
};