作者：小林coding
圖解計算機基礎網站：https://xiaolincoding.com/
一天，老闆說「最近公司的使用者越來越多了，但是伺服器的訪問速度越來越差的，阿旺幫我優化下，做好了給你畫個餅！」。
程式設計師阿旺聽到老闆口中的「畫餅」後就非常期待，沒有任何猶豫就接下了老闆給的這個任務。
阿旺登陸到了伺服器，經過一番排查後，確認伺服器的效能瓶頸是在資料庫。
這好辦，給伺服器加上 Redis，讓其作為資料庫的快取。
這樣，在客戶端請求資料時，如果能在快取中命中資料，那就查詢快取，不用在去查詢資料庫，從而減輕資料庫的壓力，提高伺服器的效能。
先更新資料庫，還是先更新快取？
阿旺有了這個想法後，就準備開始著手優化伺服器，但是擋在在他前面的是這樣的一個問題。
由於引入了快取，那麼在資料更新時，不僅要更新資料庫，而且要更新快取，這兩個更新操作存在前後的問題：
- 先更新資料庫，再更新快取；
- 先更新快取，再更新資料庫；
阿旺沒想到太多，他覺得最新的資料肯定要先更新資料庫，這樣才可以確保資料庫裡的資料是最新的，於是他就採用了「先更新資料庫，再更新快取」的方案。
阿旺經過幾個夜晚的折騰，終於「優化好了伺服器」，然後就直接上線了，自信心滿滿跑去跟老闆彙報。
老闆不懂技術，自然也沒多慮，就讓後續阿旺觀察下伺服器的情況，如果效果不錯，就跟阿旺談畫餅的事情。
阿旺觀察了好幾天，發現資料庫的壓力大大減少了，訪問速度也提高了不少，心想這事肯定成的了。
好景不長，突然老闆收到一個客戶的投訴，客戶說他剛發起了兩次更新年齡的操作，但是顯示的年齡確還是第一次更新時的年齡，而第二次更新年齡並沒有生效。
老闆立馬就找了阿旺，訓斥著阿旺說：「這麼簡單的更新操作，都有 bug？我臉往哪兒放？你的餅還要不要了？」
聽到自己準備到手的餅要沒了的阿旺瞬間就慌了，立馬登陸伺服器排查問題，阿旺查詢快取和資料庫的資料後發現了問題。
資料庫的資料是客戶第二次更新操作的資料，而快取確還是第一次更新操作的資料，也就是出現了資料庫和快取的資料不一致的問題。
這個問題可大了，阿旺經過一輪的分析，造成快取和資料庫的資料不一致的現象，是因為併發問題！
先更新資料庫，再更新快取
舉個例子，比如「請求 A 」和「請求 B 」兩個請求，同時更新「同一條」資料，則可能出現這樣的順序：
A 請求先將資料庫的資料更新為 1，然後在更新快取前，請求 B 將資料庫的資料更新為 2，緊接著也把快取更新為 2，然後 A 請求更新快取為 1。
此時，資料庫中的資料是 2，而快取中的資料卻是 1，出現了快取和資料庫中的資料不一致的現象。
先更新快取，再更新資料庫
那換成「先更新快取，再更新資料庫」這個方案，還會有問題嗎？
依然還是存在併發的問題，分析思路也是一樣。
假設「請求 A 」和「請求 B 」兩個請求，同時更新「同一條」資料，則可能出現這樣的順序：
A 請求先將快取的資料更新為 1，然後在更新資料庫前，B 請求來了， 將快取的資料更新為 2，緊接著把資料庫更新為 2，然後 A 請求將資料庫的資料更新為 1。
此時，資料庫中的資料是 1，而快取中的資料卻是 2，出現了快取和資料庫中的資料不一致的現象。
所以，無論是「先更新資料庫，再更新快取」，還是「先更新快取，再更新資料庫」，這兩個方案都存在併發問題，當兩個請求併發更新同一條資料的時候，可能會出現快取和資料庫中的資料不一致的現象。
先更新資料庫，還是先刪除快取？
阿旺定位出問題後，思考了一番後，決定在更新資料時，不更新快取，而是刪除快取中的資料。然後，到讀取資料時，發現快取中沒了資料之後，再從資料庫中讀取資料，更新到快取中。
阿旺想的這個策略是有名字的，是叫 Cache Aside 策略，中文是叫旁路快取策略。
該策略又可以細分為「讀策略」和「寫策略」。
寫策略的步驟：
- 更新資料庫中的資料；
- 刪除快取中的資料。
讀策略的步驟：
- 如果讀取的資料命中了快取，則直接返回資料；
- 如果讀取的資料沒有命中快取，則從資料庫中讀取資料，然後將資料寫入到快取，並且返回給使用者。
阿旺在想到「寫策略」的時候，又陷入更深層次的思考，到底該選擇哪種順序呢？
- 先刪除快取，再更新資料庫；
- 先更新資料庫，再刪除快取。
阿旺這次經過上次教訓，不再「想當然」的亂選方案，因為老闆這次給的餅很大啊，必須把握住。
於是阿旺用併發的角度來分析，看看這兩種方案哪個可以保證資料庫與快取的資料一致性。
先刪除快取，再更新資料庫
阿旺還是以使用者表的場景來分析。
假設某個使用者的年齡是 20，請求 A 要更新使用者年齡為 21，所以它會刪除快取中的內容。這時，另一個請求 B 要讀取這個使用者的年齡，它查詢快取發現未命中後，會從資料庫中讀取到年齡為 20，並且寫入到快取中，然後請求 A 繼續更改資料庫，將使用者的年齡更新為 21。
最終，該使用者年齡在快取中是 20（舊值），在資料庫中是 21（新值），快取和資料庫的資料不一致。
可以看到，先刪除快取，再更新資料庫，在「讀 + 寫」併發的時候，還是會出現快取和資料庫的資料不一致的問題。
先更新資料庫，再刪除快取
繼續用「讀 + 寫」請求的併發的場景來分析。
假如某個使用者資料在快取中不存在，請求 A 讀取資料時從資料庫中查詢到年齡為 20，在未寫入快取中時另一個請求 B 更新資料。它更新資料庫中的年齡為 21，並且清空快取。這時請求 A 把從資料庫中讀到的年齡為 20 的資料寫入到快取中。
最終，該使用者年齡在快取中是 20（舊值），在資料庫中是 21（新值），快取和資料庫資料不一致。
從上面的理論上分析，先更新資料庫，再刪除快取也是會出現資料不一致性的問題，但是在實際中，這個問題出現的概率並不高。
因為快取的寫入通常要遠遠快於資料庫的寫入，所以在實際中很難出現請求 B 已經更新了資料庫並且刪除了快取，請求 A 才更新完快取的情況。
而一旦請求 A 早於請求 B 刪除快取之前更新了快取，那麼接下來的請求就會因為快取不命中而從資料庫中重新讀取資料，所以不會出現這種不一致的情況。
所以，「先更新資料庫 + 再刪除快取」的方案，是可以保證資料一致性的。
而且阿旺為了確保萬無一失，還給快取資料加上了「過期時間」，就算在這期間存在快取資料不一致，有過期時間來兜底，這樣也能達到最終一致。
阿旺思考到這一步後，覺得自己真的是個小天才，因為他竟然想到了個「天衣無縫」的方案，他二話不說就採用了這個方案，又經過幾天的折騰，終於完成了。
他自信滿滿的向老闆彙報，已經解決了上次客戶的投訴的問題了。老闆覺得阿旺這小夥子不錯，這麼快就解決問題了，然後讓阿旺在觀察幾天。
事情哪有這麼順利呢？結果又沒過多久，老闆又收到客戶的投訴了，說自己明明更新了資料，但是資料要過一段時間才生效，客戶接受不了。
老闆面無表情的找上阿旺，讓阿旺儘快查出問題。
阿旺得知又有 Bug 就更慌了，立馬就登入伺服器去排查問題，檢視日誌後得知了原因。
「先更新資料庫， 再刪除快取」其實是兩個操作，前面的所有分析都是建立在這兩個操作都能同時執行成功，而這次客戶投訴的問題就在於，在****刪除快取（第二個操作）的時候失敗了，導致快取中的資料是舊值。
好在之前給快取加上了過期時間，所以才會出現客戶說的過一段時間才更新生效的現象，假設如果沒有這個過期時間的兜底，那後續的請求讀到的就會一直是快取中的舊資料，這樣問題就更大了。
所以新的問題來了，如何保證「先更新資料庫 ，再刪除快取」這兩個操作能執行成功？
阿旺分析出問題後，慌慌張張的向老闆彙報了問題。
老闆知道事情後，又給了阿旺幾天來解決這個問題，畫餅的事情這次沒有再提了。
阿旺會用什麼方式來解決這個問題呢？
老闆畫的餅事情，能否兌現給阿旺呢？
預知後事，且聽下回阿旺的故事。
小結
阿旺的事情就聊到這，我們繼續說點其他。
「先更新資料庫，再刪除快取」的方案雖然保證了資料庫與快取的資料一致性，但是每次更新資料的時候，快取的資料都會被刪除，這樣會對快取的命中率帶來影響。
所以，如果我們的業務對快取命中率有很高的要求，我們可以採用「更新資料庫 + 更新快取」的方案，因為更新快取並不會出現快取未命中的情況。
但是這個方案前面我們也分析過，在兩個更新請求併發執行的時候，會出現資料不一致的問題，因為更新資料庫和更新快取這兩個操作是獨立的，而我們又沒有對操作做任何併發控制，那麼當兩個執行緒併發更新它們的話，就會因為寫入順序的不同造成資料的不一致。
所以我們得增加一些手段來解決這個問題，這裡提供兩種做法：
- 在更新快取前先加個分散式鎖，保證同一時間只執行一個請求更新快取，就會不會產生併發問題了，當然引入了鎖後，對於寫入的效能就會帶來影響。
- 在更新完快取時，給快取加上較短的過期時間，這樣即時出現快取不一致的情況，快取的資料也會很快過期，對業務還是能接受的。
對了，針對「先刪除快取，再刪除資料庫」方案在「讀 + 寫」併發請求而造成快取不一致的解決辦法是「延遲雙刪」。
延遲雙刪實現的虛擬碼如下：
#刪除快取
redis.delKey(X)
#更新資料庫
db.update(X)
#睡眠
Thread.sleep(N)
#再刪除快取
redis.delKey(X)
加了個睡眠時間，主要是為了確保請求 A 在睡眠的時候，請求 B 能夠在這這一段時間完成「從資料庫讀取資料，再把缺失的快取寫入快取」的操作，然後請求 A 睡眠完，再刪除快取。
所以，請求 A 的睡眠時間就需要大於請求 B 「從資料庫讀取資料 + 寫入快取」的時間。
但是具體睡眠多久其實是個玄學，很難評估出來，所以這個方案也只是儘可能保證一致性而已，極端情況下，依然也會出現快取不一致的現象。
因此，還是比較建議用「先更新資料庫，再刪除快取」的方案。
前情回顧
上回程式設計師阿旺為了提升資料訪問的效能，引入 Redis 作為 MySQL 快取層，但是這件事情並不是那麼簡單，因為還要考慮 Redis 和 MySQL 雙寫一致性的問題。
阿旺經過一番周折，最終選用了「先更新資料庫，再刪快取」的策略，原因是這個策略即使在併發讀寫時，也能最大程度保證資料一致性。
聰明的阿旺還搞了個兜底的方案，就是給快取加上了過期時間。
本以為就這樣不會在出現資料一致性的問題，結果將功能上線後，老闆還是收到使用者的投訴「說自己明明更新了資料，但是資料要過一段時間才生效」，客戶接受不了。
老闆轉告給了阿旺，阿旺得知又有 Bug 就更慌了，立馬就登入伺服器去排查問題，檢視日誌後得知了原因。
「先更新資料庫， 再刪除快取」其實是兩個操作，這次客戶投訴的問題就在於，在刪除快取（第二個操作）的時候失敗了，導致快取中的資料是舊值，而資料庫是最新值。
好在之前給快取加上了過期時間，所以才會出現客戶說的過一段時間才更新生效的現象，假設如果沒有這個過期時間的兜底，那後續的請求讀到的就會一直是快取中的舊資料，這樣問題就更大了。
所以新的問題來了，如何保證「先更新資料庫 ，再刪除快取」這兩個操作能執行成功？
阿旺分析出問題後，慌慌張張的向老闆彙報了問題。
老闆知道事情後，又給了阿旺幾天來解決這個問題，畫餅的事情這次沒有再提了。
- 阿旺會用什麼方式來解決這個問題呢？
- 老闆畫的餅事情，能否兌現給阿旺呢？
如何保證兩個操作都能執行成功？
這次使用者的投訴是因為在刪除快取（第二個操作）的時候失敗了，導致快取還是舊值，而資料庫是最新值，造成資料庫和快取資料不一致的問題，會對敏感業務造成影響。
舉個例子，來說明下。
應用要把資料 X 的值從 1 更新為 2，先成功更新了資料庫，然後在 Redis 快取中刪除 X 的快取，但是這個操作卻失敗了，這個時候資料庫中 X 的新值為 2，Redis 中的 X 的快取值為 1，出現了資料庫和快取資料不一致的問題。
那麼，後續有訪問資料 X 的請求，會先在 Redis 中查詢，因為快取並沒有 誒刪除，所以會快取命中，但是讀到的卻是舊值 1。
其實不管是先運算元據庫，還是先操作快取，只要第二個操作失敗都會出現資料一致的問題。
問題原因知道了，該怎麼解決呢？有兩種方法：
- 重試機制。
- 訂閱 MySQL binlog，再操作快取。
先來說第一種。
重試機制
我們可以引入訊息佇列，將第二個操作（刪除快取）要操作的資料加入到訊息佇列，由消費者來運算元據。
- 如果應用刪除快取失敗，可以從訊息佇列中重新讀取資料，然後再次刪除快取，這個就是重試機制。當然，如果重試超過的一定次數，還是沒有成功，我們就需要向業務層傳送報錯資訊了。
- 如果刪除快取成功，就要把資料從訊息佇列中移除，避免重複操作，否則就繼續重試。
舉個例子，來說明重試機制的過程。
訂閱 MySQL binlog，再操作快取
「先更新資料庫，再刪快取」的策略的第一步是更新資料庫，那麼更新資料庫成功，就會產生一條變更日誌，記錄在 binlog 裡。
於是我們就可以通過訂閱 binlog 日誌，拿到具體要操作的資料，然後再執行快取刪除，阿里巴巴開源的 Canal 中介軟體就是基於這個實現的。
Canal 模擬 MySQL 主從複製的互動協議，把自己偽裝成一個 MySQL 的從節點，向 MySQL 主節點傳送 dump 請求，MySQL 收到請求後，就會開始推送 Binlog 給 Canal，Canal 解析 Binlog 位元組流之後，轉換為便於讀取的結構化資料，供下游程式訂閱使用。
下圖是 Canal 的工作原理：
所以，如果要想保證「先更新資料庫，再刪快取」策略第二個操作能執行成功，我們可以使用「訊息佇列來重試快取的刪除」，或者「訂閱 MySQL binlog 再操作快取」，這兩種方法有一個共同的特點，都是採用非同步操作快取。
老闆發餅啦
阿旺由於對訊息佇列比較熟悉，所以他決定採用「訊息佇列來重試快取的刪除」的方案，來解決這次的使用者問題。
經過幾天幾夜的操作，伺服器搞定啦，立馬向老闆彙報工作。
老闆讓阿旺再觀察些時間，如果沒問題，到中秋節就商量“餅”的事情。
時間過的很快，中秋佳節到了，這期間一直都沒有使用者反饋資料不一致的問題。
老闆見這次阿旺表現很好，沒有再出現任何差錯，伺服器的訪問效能也上來了，於是給阿旺發了這個超級大的月餅，你看這個餅又大又圓，就像你的程式碼又長又多。
阿旺看到這個月餅，哭笑不得，沒想到這就是老闆畫的餅，是真的很大餅。。。。
以上故事純屬虛擬，如有巧合，以你為準。