Java并發(fā)編程數(shù)據(jù)庫與緩存數(shù)據(jù)一致性方案是什么

本文小編為大家詳細介紹“Java并發(fā)編程數(shù)據(jù)庫與緩存數(shù)據(jù)一致性方案是什么”，內(nèi)容詳細，步驟清晰，細節(jié)處理妥當，希望這篇“Java并發(fā)編程數(shù)據(jù)庫與緩存數(shù)據(jù)一致性方案是什么”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學(xué)習(xí)新知識吧。

一、序言

在分布式并發(fā)系統(tǒng)中，數(shù)據(jù)庫與緩存數(shù)據(jù)一致性是一項富有挑戰(zhàn)性的技術(shù)難點。假設(shè)有完善的工業(yè)級分布式事務(wù)解決方案，那么數(shù)據(jù)庫與緩存數(shù)據(jù)一致性便迎刃而解，實際上，目前分布式事務(wù)不成熟。

二、不同的聲音

在數(shù)據(jù)庫與緩存數(shù)據(jù)一致解決方式中，有各種聲音。

• 先操作數(shù)據(jù)庫后緩存還是先緩存后數(shù)據(jù)庫

• 緩存是更新還是刪除

1、操作的先后順序

在并發(fā)系統(tǒng)中，數(shù)據(jù)庫與緩存雙寫場景下，為了追求更大的并發(fā)量，操作數(shù)據(jù)庫與緩存顯而易見不會同步進行。前者操作成功后者以異步的方式進行。

關(guān)系型數(shù)據(jù)庫作為成熟的工業(yè)級數(shù)據(jù)存儲方案，有完善的事務(wù)處理機制，數(shù)據(jù)一旦落盤，不考慮硬件故障，可以負責任的說數(shù)據(jù)不會丟失。

所謂緩存，無非是存儲在內(nèi)存中的數(shù)據(jù)，服務(wù)一旦重啟，緩存數(shù)據(jù)全部丟失。既然稱之為緩存，那么時刻做好了緩存數(shù)據(jù)丟失的準備。盡管Redis有持久化機制，是否能夠保證百分之百持久化？Redis將數(shù)據(jù)異步持久化到磁盤有不可，緩存是緩存，數(shù)據(jù)庫是數(shù)據(jù)庫，兩個不同的東西。把緩存當數(shù)據(jù)庫使用是一件極其危險的事情。

從數(shù)據(jù)安全的角度來講，先操作數(shù)據(jù)庫，然后以異步的方式操作緩存，響應(yīng)用戶請求。

2、處理緩存的態(tài)度

緩存是更新還是刪除，對應(yīng)懶漢式和飽漢式，從處理線程安全實踐來講，刪除緩存操作相對難度低一些。如果在刪除緩存的前提下滿足了查詢性能，那么優(yōu)先選擇刪除緩存。

更新緩存盡管能夠提高查詢效率，然后帶來的線程并發(fā)臟數(shù)據(jù)處理起來較麻煩，序言引入MQ等其它消息中間件，因此非必要不推薦。

三、線程并發(fā)分析

理解線程并發(fā)所帶來問題的關(guān)鍵是先理解系統(tǒng)中斷，操作系統(tǒng)在任務(wù)調(diào)度時，中斷隨時都在發(fā)生，這是線程數(shù)據(jù)不一致產(chǎn)生的根源。以4和8線程CPU為例，同一時刻最多處理8個線程，然而操作系統(tǒng)管理的線程遠遠超過8個，因此線程們以一種看似并行的方式進行。

查詢數(shù)據(jù)

1、非并發(fā)環(huán)境

在非并發(fā)環(huán)境中，使用如下方式查詢數(shù)據(jù)并無不妥：先查詢緩存，如果緩存數(shù)據(jù)不存在，查詢數(shù)據(jù)庫，更新緩存，返回結(jié)果。

public BuOrder getOrder(Long orderId) {
    String key = ORDER_KEY_PREFIX + orderId;
    BuOrder buOrder = RedisUtils.getObject(key, BuOrder.class);
    if (buOrder != null) {
        return buOrder;
    }
    BuOrder order = getById(orderId);
    RedisUtils.setObject(key, order, 5, TimeUnit.MINUTES);
    return order;
}

如果在高并發(fā)環(huán)境中有一個嚴重缺陷：當緩存失效時，大量查詢請求涌入，瞬間全部打到DB上，輕則數(shù)據(jù)庫連接資源耗盡，用戶端響應(yīng)500錯誤，重則數(shù)據(jù)庫壓力過大服務(wù)宕機。

2、并發(fā)環(huán)境

因此在并發(fā)環(huán)境中，需要對上述代碼進行修改，使用分布式鎖。大量請求涌入時，獲得鎖的線程有機會訪問數(shù)據(jù)庫查詢數(shù)據(jù)，其余線程阻塞。當查詢完數(shù)據(jù)并更新緩存，然后釋放鎖。等待的線程重新檢查緩存，發(fā)現(xiàn)能夠獲取到數(shù)據(jù)，直接將緩存數(shù)據(jù)響應(yīng)。

這里提到分布式鎖，那么使用表鎖還是行鎖呢？使用分布式行鎖提高并發(fā)量；使用二次檢查機制，確保等待獲得鎖的線程能夠快速返回結(jié)果

@Override
public BuOrder getOrder(Long orderId) {
    /* 如果緩存不存在，則添加分布式鎖更新緩存 */
    String key = ORDER_KEY_PREFIX + orderId;
    BuOrder order = RedisUtils.getObject(key, BuOrder.class);
    if (order != null) {
        return order;
    }
    String orderLock = ORDER_LOCK + orderId;
    RLock lock = redissonClient.getLock(orderLock);
    if (lock.tryLock()) {
        order = RedisUtils.getObject(key, BuOrder.class);
        if (order != null) {
            LockOptional.ofNullable(lock).ifLocked(RLock::unlock);
            return order;
        }
        BuOrder buOrder = getById(orderId);
        RedisUtils.setObject(key, buOrder, 5, TimeUnit.MINUTES);
        LockOptional.ofNullable(lock).ifLocked(RLock::unlock);
    }
    return RedisUtils.getObject(key, BuOrder.class);
}

更新數(shù)據(jù)

1、非并發(fā)環(huán)境

非并發(fā)環(huán)境中，如下代碼盡管可能會產(chǎn)生數(shù)據(jù)不一致問題（數(shù)據(jù)被覆蓋）。盡管使用數(shù)據(jù)庫層面樂觀鎖能夠解決數(shù)據(jù)被覆蓋問題，然而無效更新流量依舊會流向數(shù)據(jù)庫。

public Boolean editOrder(BuOrder order) {
    /* 更新數(shù)據(jù)庫 */
    updateById(order);
    /* 刪除緩存 */
    RedisUtils.deleteObject(OrderServiceImpl.ORDER_KEY_PREFIX + order.getOrderId());
    return true;
}

2、并發(fā)環(huán)境

上面分析中使用數(shù)據(jù)庫樂觀鎖能夠解決并發(fā)更新中數(shù)據(jù)被覆蓋的問題，然而當同一行記錄被修改后，版本號發(fā)生改變，后續(xù)并發(fā)流向數(shù)據(jù)庫的請求為無效流量。減小數(shù)據(jù)庫壓力的首要策略是將無效流量攔截在數(shù)據(jù)庫之前。

使用分布式鎖能夠保證并發(fā)流量有序訪問數(shù)據(jù)庫，考慮到數(shù)據(jù)庫層面已經(jīng)使用了樂觀鎖，第二個及以后獲得鎖的線程操作數(shù)據(jù)庫為無效流量。

線程在獲得鎖時采用超時退出的策略，等待獲得鎖的線程超時快速退出，快速響應(yīng)用戶請求，重試更新數(shù)據(jù)操作。

public Boolean editOrder(BuOrder order) {
    String orderLock = ORDER_LOCK + order.getOrderId();
    RLock lock = redissonClient.getLock(orderLock);
    try {
        /* 超時未獲取到鎖，快速失敗，用戶端重試 */
        if (lock.tryLock(1, TimeUnit.SECONDS)) {
            /* 更新數(shù)據(jù)庫 */
            updateById(order);
            /* 刪除緩存 */
            RedisUtils.deleteObject(OrderServiceImpl.ORDER_KEY_PREFIX + order.getOrderId());
            /* 釋放鎖 */
            LockOptional.ofNullable(lock).ifLocked(RLock::unlock);
            return true;
        }
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
    return false;
}

依賴環(huán)境

上述代碼使用了封裝鎖的工具類。

<dependency>
  <groupId>xin.altitude.cms</groupId>
  <artifactId>ucode-cms-common</artifactId>
  <version>1.4.3.2</version>
</dependency>

LockOptional根據(jù)鎖的狀態(tài)執(zhí)行后續(xù)操作。

四、先數(shù)據(jù)庫后緩存

數(shù)據(jù)一致性

1、問題描述

接下來討論先更新數(shù)據(jù)庫，后刪除緩存是否存在并發(fā)問題。

（1）緩存剛好失效
（2）請求A查詢數(shù)據(jù)庫，得一個舊值
（3）請求B將新值寫入數(shù)據(jù)庫
（4）請求B刪除緩存
（5）請求A將查到的舊值寫入緩存

上述并發(fā)問題出現(xiàn)的關(guān)鍵是第5步比第3、4步后發(fā)生，由操作系統(tǒng)中斷不確定因素可知，此種情況卻有發(fā)生的可能。

2、解決方式

從實際情況來看，將數(shù)據(jù)寫入Redis遠比將數(shù)據(jù)寫入數(shù)據(jù)庫耗時要短，盡管發(fā)生的概率較低，但仍會發(fā)生。

• （1）增加緩存過期時間

增加緩存過期時間允許一定時間范圍內(nèi)臟數(shù)據(jù)存在，直到下一次并發(fā)更新出現(xiàn)，可能會出現(xiàn)臟數(shù)據(jù)。臟數(shù)據(jù)會周期性存在。

• （2）更新和查詢共用一把行鎖

更新和查詢共用一把行分布式鎖，上述問題不復(fù)存在。當讀請求獲取到鎖時，寫請求處于阻塞狀態(tài)（超時會快速失敗返回），能夠保證步驟5在步驟3之前進行。

• （3）延遲刪除緩存

使用RabbitMQ延遲刪除緩存，去除步驟5的影響。使用異步的方式進行，幾乎不影響性能。

特殊情況

數(shù)據(jù)庫有事務(wù)機制保證操作成功與否；Redis單條指令具有原子性，然后組合起來卻不具備原子特征，具體來說是數(shù)據(jù)庫操作成功，然后應(yīng)用異常掛掉，導(dǎo)致Redis緩存未刪除。Redis服務(wù)網(wǎng)絡(luò)連接超時出現(xiàn)此問題。

如果設(shè)置有緩存過期時間，那么在緩存尚未過期前，臟數(shù)據(jù)一直存在。如果未設(shè)置過期時間，那么直到下一次修改數(shù)據(jù)前，臟數(shù)據(jù)一直存在。（數(shù)據(jù)庫數(shù)據(jù)已經(jīng)發(fā)生改變，緩存尚未更新）

解決方式

在操作數(shù)據(jù)庫前，向RabbitMQ寫入一條延遲刪除緩存的消息，然后執(zhí)行數(shù)據(jù)庫操作，執(zhí)行緩存刪除操作。不管代碼層面緩存是否刪除成功，MQ刪除緩存作為保底操作。

讀到這里，這篇“Java并發(fā)編程數(shù)據(jù)庫與緩存數(shù)據(jù)一致性方案是什么”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領(lǐng)會，如果想了解更多相關(guān)內(nèi)容的文章，歡迎關(guān)注億速云行業(yè)資訊頻道。