如何保障MySQL和Redis的數據一致性？

先拋一下結論：在滿足實時性的條件下，不存在兩者完全保存一致的方案，只有最終一致性方案。根據網上的眾多解決方案，總結出 6 種，直接看目錄：

如圖所示：

請求 A、B 都是先寫 MySQL，然後再寫 Redis，在高併發情況下，如果請求 A 在寫 Redis 時卡了一會，請求 B 已經依次完成數據的更新，就會出現圖中的問題。

這個圖已經畫得很清晰了，我就不用再去啰嗦了吧，不過這裡有個前提，就是對於讀請求，先去讀 Redis，如果沒有，再去讀 DB，但是讀請求不會再回寫 Redis。大白話說一下，就是讀請求不會更新 Redis。

同“先寫 MySQL，再寫 Redis”，看圖可秒懂。

這幅圖和上面有些不一樣，前面的請求 A 和 B 都是更新請求，這裡的請求 A 是更新請求，但是請求 B 是讀請求，且請求 B 的讀請求會回寫 Redis。

請求 A 先刪除緩存，可能因為卡頓，數據一直沒有更新到 MySQL，導致兩者數據不一致。

這種情況出現的概率比較大，因為請求 A 更新 MySQL 可能耗時會比較長，而請求 B 的前兩步都是查詢，會非常快。

對於“先刪除 Redis，再寫 MySQL”，如果要解決最後的不一致問題，其實再對 Redis 重新刪除即可，這個也是大家常說的“緩存雙刪”。

為了便於大家看圖，對於藍色的文字，“刪除緩存 10”必須在“回寫緩存10”後面，那如何才能保證一定是在後面呢？網上給出的第一個方案是，讓請求 A 的最後一次刪除，等待 500ms。

對於這種方案，看看就行，反正我是不會用，太 Low 了，風險也不可控。

那有沒有更好的方案？我建議非同步串列化刪除，即刪除請求入隊列。

非同步刪除對線上業務無影響，串列化處理保障併發情況下正確刪除。

如果雙刪失敗怎麼辦，網上有給 Redis 加一個緩存過期時間的方案，這個不敢苟同。個人建議整個重試機制，可以藉助消息隊列的重試機制，也可以自己整個表，記錄重試次數，方法很多。

簡單小結一下：

對於上面這種情況，對於第一次查詢，請求 B 查詢的數據是 10，但是 MySQL 的數據是 11，只存在這一次不一致的情況，對於不是強一致性要求的業務，可以容忍。（什麼情況下不能容忍呢，比如秒殺業務、庫存服務等。）

當請求 B 進行第二次查詢時，因為沒有命中 Redis，會重新查一次 DB，然後再回寫到 Reids。

這裡需要滿足 2 個條件：

對於第二個條件，我們都知道更新 DB 肯定比查詢耗時要長，所以出現這個情況的概率很小，同時滿足上述條件的情況更小。

這種方案，主要是監聽 MySQL 的 Binlog，然後通過非同步的方式，將數據更新到 Redis，這種方案有個前提，查詢的請求，不會回寫 Redis。

這個方案，會保證 MySQL 和 Redis 的最終一致性，但是如果中途請求 B 需要查詢數據，如果緩存無數據，就直接查 DB；如果緩存有數據，查詢的數據也會存在不一致的情況。

所以這個方案，是實現最終一致性的終極解決方案，但是不能保證實時性。

我們對比上面討論的 6 種方案：

這種方案，我肯定不會用，萬一 DB 掛了，你把數據寫到緩存，DB 無數據，這個是災難性的。

我之前也見同學這麼用過，如果寫 DB 失敗，對 Redis 進行逆操作，那如果逆操作失敗呢，是不是還要搞個重試？

對於併發量、一致性要求不高的項目，很多就是這麼用的，我之前也經常這麼搞，但是不建議這麼做。

當 Redis 瞬間不可用的情況，需要報警出來，然後線下處理。

這種方式，我還沒使用過，直接忽略吧。

這種方式雖然可行，但是感覺好複雜，還要搞個消息隊列去非同步刪除 Redis。

比較推薦這種方式，刪除 Redis 如果失敗，可以再多重試幾次，否則報警出來；這個方案，是實時性中最好的方案，在一些高併發場景中，推薦這種。

對於異地容災、數據彙總等，建議會用這種方式，比如 binlog + kafka，數據的一致性也可以達到秒級。

純粹的高併發場景，不建議用這種方案，比如搶購、秒殺等。