Redis缓存与数据库一致性方案
程序员文章站
2024-03-19 22:18:52
...
使用Redis缓存的模式的有很多种，下面就逐一介绍。
一、数据库和redis分别处理不同的数据类型
数据库处理要求强一致实时性的数据，例如金融数据、交易数据；
redis处理不要求强一致实时性的数据，例如网站最热贴排行榜；
二、Cache-Aside模式
Cache-Aside模式的意思是业务代码直接维护缓存，这是最常用的一类模式。
2.1 读场景
先从缓存获取数据，如果缓存没有命中，则回源到数据库获取源数据。
将数据放入到缓存，下次即可从缓存中获取数据。
放入缓存的可以是异步的（创建一个新的线程），也可以是同步的，根据实际情况自己选择。
2.2 非高并发情况下的写场景
先将数据写入数据库，写入成功后立即同步将数据写入缓存。
2.3 写多读少的写场景
先将数据写入数据库，写入成功后，将缓存数据过期/删除，下次读取时再加载缓存。
这样的好处是避免了不必要的写缓存操作。
2.4 高并发情况下的写场景
先写缓存，再定期更新数据库：
异步化，先写入redis的缓存，就直接返回；定期或特定动作将数据保存到mysql，可以做到多次更新，一次保存。
三、Cache-As-SoR（Redis不支持）
SoR：system of record，记录系统，或者叫数据源；数据库是数据源的一种。
Cache-As-SoR即把Cache看作SoR，所有操作都是对Cache进行，然后Cache再委托给SoR进行真实的读写。即业务代码中只看到Cache的操作，看不到关于SoR相关的代码。
3.1 Read-Through
业务代码读Cache，如果不命中，由Cache读SoR。使用Read-Through模式需要一个CacheLoader组件来回源到SoR加载数据。Guava Cache和Ehcache 3.X都支持该模式。
3.2 Write-Through
对应Read-Through，需要有一个CacheWriter组件来回写SoR。Guava Cache不支持，Ehcache 3.X支持该模式。
3.3 Write-Behind
与 Write-Through 的区别是，Write-Through是同步写SoR，Write-Behind是异步写，从而可以实现批量写、合并写、延时写和限流。
四、订阅/曾量更新模式
canal是阿里巴巴旗下的一款开源项目，纯Java开发。基于数据库增量日志解析，提供增量数据订阅&消费，目前主要支持了MySQL（也支持mariaDB）。
基于日志增量订阅&消费支持的业务：
- 数据库镜像
- 数据库实时备份
- 多级索引 (卖家和买家各自分库索引)
- search build
- 业务cache刷新
- 价格变化等重要业务消息
4.1 MySQL主备复制原理
从上层来看，复制分成三步：
-
master将改变记录到二进制日志binlog中（binary log events可以通过show binlog events进行查看）； -
slave将master的binlog events拷贝到它的中继日志relay log； - slave**重做**中继日志中的事件，将改变反映它自己的数据。
4.2 canal的工作原理
原理相对比较简单：
-
canal模拟mysql slave的交互协议，伪装自己为mysql slave，向mysql master发送dump请求； - mysql master收到dump请求，开始推送binary log给slave(也就是canal)；
- canal解析binary log对象；
4.3 通过Canal订阅MySQL的Binlog并更新Redis
package com.datamip.canal;
import java.awt.Event;
import java.net.InetSocketAddress;
import java.util.List;
import com.alibaba.otter.canal.client.CanalConnector;
import com.alibaba.otter.canal.client.CanalConnectors;
import com.alibaba.otter.canal.protocol.CanalEntry.Column;
import com.alibaba.otter.canal.protocol.CanalEntry.Entry;
import com.alibaba.otter.canal.protocol.CanalEntry.EntryType;
import com.alibaba.otter.canal.protocol.CanalEntry.EventType;
import com.alibaba.otter.canal.protocol.CanalEntry.Header;
import com.alibaba.otter.canal.protocol.CanalEntry.RowChange;
import com.alibaba.otter.canal.protocol.Message;
import com.google.protobuf.InvalidProtocolBufferException;
public class App {
public static void main(String[] args) throws InterruptedException {
// 第一步：与canal进行连接
CanalConnector connector = CanalConnectors.newSingleConnector(new InetSocketAddress("192.168.23.170", 11111),
"example", "", "");
connector.connect();
// 第二步：开启订阅
connector.subscribe();
// 第三步：循环订阅
while (true) {
try {
// 每次读取 1000 条
Message message = connector.getWithoutAck(1000);
long batchID = message.getId();
int size = message.getEntries().size();
if (batchID == -1 || size == 0) {
System.out.println("当前暂时没有数据");
Thread.sleep(1000); // 没有数据
} else {
System.out.println("-------------------------- 有数据啦 -----------------------");
PrintEntry(message.getEntries());
}
// position id ack （方便处理下一条）
connector.ack(batchID);
} catch (Exception e) {
// TODO: handle exception
} finally {
Thread.sleep(1000);
}
}
}
// 获取每条打印的记录
@SuppressWarnings("static-access")
public static void PrintEntry(List<Entry> entrys) {
for (Entry entry : entrys) {
// 第一步：拆解entry 实体
Header header = entry.getHeader();
EntryType entryType = entry.getEntryType();
// 第二步： 如果当前是RowData，那就是我需要的数据
if (entryType == EntryType.ROWDATA) {
String tableName = header.getTableName();
String schemaName = header.getSchemaName();
RowChange rowChange = null;
try {
rowChange = RowChange.parseFrom(entry.getStoreValue());
} catch (InvalidProtocolBufferException e) {
e.printStackTrace();
}
EventType eventType = rowChange.getEventType();
System.out.println(String.format("当前正在操作 %s.%s， Action= %s", schemaName, tableName, eventType));
// 如果是‘查询’ 或者 是 ‘DDL’ 操作，那么sql直接打出来
if (eventType == EventType.QUERY || rowChange.getIsDdl()) {
System.out.println("rowchange sql ----->" + rowChange.getSql());
return;
}
// 第三步：追踪到 columns 级别
rowChange.getRowDatasList().forEach((rowData) -> {
// 获取更新之前的column情况
List<Column> beforeColumns = rowData.getBeforeColumnsList();
// 获取更新之后的 column 情况
List<Column> afterColumns = rowData.getAfterColumnsList();
// 当前执行的是 删除操作
if (eventType == EventType.DELETE) {
PrintColumn(beforeColumns);
}
// 当前执行的是 插入操作
if (eventType == eventType.INSERT) {
PrintColumn(afterColumns);
}
// 当前执行的是 更新操作
if (eventType == eventType.UPDATE) {
PrintColumn(afterColumns);
}
});
}
}
}
// 每个row上面的每一个column 的更改情况
public static void PrintColumn(List<Column> columns) {
columns.forEach((column) -> {
String columnName = column.getName();
String columnValue = column.getValue();
String columnType = column.getMysqlType();
boolean isUpdated = column.getUpdated(); // 判断 该字段是否更新
System.out.println(String.format("columnName=%s, columnValue=%s, columnType=%s, isUpdated=%s", columnName,
columnValue, columnType, isUpdated));
});
}
}需要注意的是，缓存的更新会存在延迟，所以缓存可根据不一致容忍度设置合理的过期时间。