Redis与MySQL数据一致性和3大缓存问题

1.数据一致性

策略一

1. 方案：对于写操作先插入数据库，在进行同步redis；对于更新、删除操作先，先删除缓存在操作数据库。
2. 弊端：写入的操作需要手动同步到redis；更新的时候在高并发的情况下会出现脏数据，有可能缓存删除了之后，数据库还没更新的时候，有请求进来会查到老数据。

策略二

1. 方案：延时双删，先删除redis中的缓存，然后在更新数据库，让线程等待1s，然后在删除redis中的缓存

// 伪代码
redis.del(key)
mysql.update(data)
Thread.sleep(1000)
redis.del(key)

2. 弊端：不是适用于高并发，而且在没有第二次删除缓存之前仍然会有可能出现脏数据，线程等也会导致请求耗时过长

策略三

1. 方案：修改redis的缓存时间，等到数据写入数据库之后在删除redis中的缓存

// 伪代码
redis.expire(key, 2)
mysql.update(data)
redis.del(key)

2. 这种方案优化了请求耗时过长，即使没删除缓存，key的有效期也会到了也会重新获取数据

策略四

1. 方案：使用MySQL中binlog的同步机制，当数据库中出现写、改、删的时候将数据异步写入redis。阿里提供了开源项目Canal，模仿了MySql的主从复制
2. 弊端：会导致MySql的binlog文件占用磁盘过大

2.缓存

1. 缓存穿透

• 原因：请求访问的数据redis中没有，数据库中也没有，所以没有访问数据库的结果加入到缓存中，就会一直请求数据库，数据库压力增加
• 案例：黑客攻击
• 解决方案：
  1. 空值缓存：如果数据库中查不到结果就将null存入到redis缓存中
  2. 布隆过滤器：它会在缓存前面加了一层过滤，过滤的规则是只允许数据库存在的数据进行下一步操作

2. 缓存击穿

• 原因： 请求访问的数据redis中没有，数据库中有，高并发情况下会有多个请求同时访问数据库，数据库压力增加
• 案例：热点数据过期
• 解决方案：
  1. 加锁：同时只能有一个请求访问数据库，单线程可以使用普通锁，多线程可以使用redis分布式锁
  2. 将数据设为永久有效

3. 缓存雪崩

• 原因：缓存的数据同时过期，或者redis宕机，导致大量请求直接访问数据库，数据库压力增加
• 解决方案：
  1. 将缓存时间增加区间随机值
  2. 使用多级缓存
  3. 配置高可用缓存(redis集群)，宕机之后尽快重启redis，通过持久化恢复数据