关于先更新再缓存这种缓存方案设计的思考

这两天正在做公司缓存方面的设计，然后就把自己的思考过程整理一下。

网上对于这块的内容讲解也非常的多，有些说的也都非常的在理，关于缓存一致性的方案也就那么几种，如：先更新、再删，先删、在更新，先更新再更新等，然后围绕这些方案产生的问题有衍生出了+rocketmq方案或者+binlog&rocketmq方案，有兴趣的大家可以自己搜索。

本篇内容主要是我在整理更新、再删这种方案时的思考，欢迎一起讨论。

读写不分离场景

期望结果

关于先更新再缓存这种缓存方案设计的思考 - 程序员古德

这种方式在网上的推荐比较多，原因是出错概率小，实现起来比较简单，对于一般规模不大的系统足矣。深度思考，会发现以下几个问题：

1、如果服务B更新频率高，服务C读取频率低，对整个方案会有什么影响？

频繁的更新Mysql（RW）会导致Mysql（RW）的压力变大，但只对Redis做缓存删除，因此对Redis的影响微乎其微。

因为Redis的缓存总是被删除，因此服务C在每次读取缓存时都会先读取数据库然后更新缓存，这种情况下服务C中缓存的机制就失去了意义，也会对服务C性能造成一定的影响。

小概率会出现缓存击穿、缓存雪崩、缓存穿透等问题。

2、如果服务B更新频率低，服务C读取频率搞，对整个方案会有什么影响？

Mysql（RW）的更新频率低，也就是意味着缓存的更新频率低，对于服务C来说也就不用频繁的到Mysql（RW）中去查询数据，服务C少了和Mysql（RW）的交互，在性能上也能大幅提升。

但是服务C读取频率高，大概率会出现缓存击穿、缓存雪崩、缓存穿透等问题。尤其是缓存击穿问题，当高并发情况下缓存突然失效，这时就会因为缓存不命中，导致大量的请求开始读取Mysql（RW）以及更新Redis，从而给Mysql（RW）和Redis造成性能影响。

极端情况一

关于先更新再缓存这种缓存方案设计的思考 - 程序员古德

如果Mysql（RW）更新失败，但是Redis删除成功会有什么影响？

存在一定影响，因为在服务B中更新Mysql（RW）失败了，但是删除Redis却成功了，从业务上来说，在这一步就产生了缓存不一致问题。但是又因为删除Mysql（RW）失败，数据库的值没有变化，服务C读取的数据也就没有变化，从服务C来说缓存也就没有改变，不存在缓存一致性问题。

极端情况二

关于先更新再缓存这种缓存方案设计的思考 - 程序员古德

如果服务B缓存删除失败，对整个方案会有什么影响？

在服务B中如果Redis删除失败，则会导致Redis中的缓存值在一定时间之内和Mysql（RW）中不一致，如果没有其它方式介入，只能等到缓存失效，下一次请求进来时重新更新缓存，这种情况产生的风险非常大。如果是商详页或者商城首页，出现这问题直接就GG了。

读写分离场景

期望结果

关于先更新再缓存这种缓存方案设计的思考 - 程序员古德

当下项目规模都很大，公司Mysql数据库多数采用主从库、读写分离的部署方式，主库和从库之间通过binlog机制进行同步，主库数据的变动可以实时同步到从库。

主从同步机制自身也存在很大的问题，比如，当主库写入量非常多，或者主从库网络不通畅，这就使binlog同步存在数据延迟，导致主库和从库数据存在不一致情况，读写分离场景下，主库和从库之间同步延迟的时间，也是导致缓存不一致的主要原因。

深度思考以下几个问题：

1、如果服务B更新频率高，服务C读取频率低，对整个方案会有什么影响？

频繁的更新Mysql（W）会导致Mysql（W）的压力变大，但只对Redis做缓存删除，因此对Redis的影响微乎其微。

但是，如果服务B产生大量的数据变动，这就会使binlog同步延迟，同样的，网络延迟也会导致binlog同步延迟，这就导致了当Redis缓存过期时，服务C从Mysql（R）中读取的数据可能不是最新的，最终导致缓存不一致问题。

小概率会出现缓存击穿、缓存雪崩、缓存穿透等问题。

2、如果服务B更新频率低，服务C读取频率搞，对整个方案会有什么影响？

服务B上Mysql（W）的更新频率低，也就是意味着缓存的删除频率低，产生的变动数据少，对于binlog同步来说产生延迟也就越小（假设不考虑网络原因），对于Mysql（R）来说，binlog同步延迟越低，数据一致性就越高。同样的，网络的延迟问题也是需要考虑的。

总结一下，在读写分离场景下，不仅binlog自身同步会影响缓存一致性，网络问题也会影响缓存一致性，这就使得在读写分离场景下实现缓存一致性会有更高的挑战。

极端情况

关于先更新再缓存这种缓存方案设计的思考 - 程序员古德

当服务B在主库更新完Mysql（W）数据库，并且从Redis删除缓存，从库通过binlog进行数据同步，由于数据积压、网络延迟，从库一直未能和主库数据保持一致。

但是在这时服务C有新的请求进入，并且由于缓存过期，需要从从库获得数据，但是由于从库未和主库数据保持一致，因此服务C从从库获得数据并不是最新的，这也就导致了缓存不一致问题。

核心总结

比较适合读写不分离的场景，如果是读写分离场景，一定要充分考虑binlong同步延迟和网络延迟带来的缓存不一致问题。

比较适合写少读多的的业务场景，频繁的写入同时也会频繁的删除缓存，对于读取频率低的服务C来说，缓存也就失去了意义，因为每次都得要重新获得数据库数据。

缓存一定要设置有效期，非常重要。如果不设置会导致当缓存不一致时，永远不能和数据库保持一致。

要充分考虑更新失败和删除失败的策略

其它？？？