缓存和数据库不一致分析及解决方案及多维度化

删除缓存还是更新缓存

我们存入缓存的数据，往往是经过一系列的计算才放如缓存的，而不是从数据库直接读取出来，放入缓存；所以更新缓存的代价往往会比较大。 例如：一分钟内可能修改一个字段100次，然后要将相关缓存的数据计算出来，还要查询其他的字段进行计算，然而这个缓存在1分钟内只被读一次，所以如果这时候更新缓存代价就会比较大，而删除删除的代价就小很多。 业界上大部分是删除缓存，而不是更新缓存

为什么缓存和数据库会不一致？

场景1：先更新数据库，再删除缓存 假设先更新数据库成功，删除缓存失败，这时候数据库和缓存就不一致了。 所以先删除缓存，再更新数据库 假设删除缓存成功，更新数据库失败，这个时候，数据是一致的。因为缓存空会去数据库读取。

场景2：先删除缓存，再更新数据库，并读取数据 我们知道删除缓存和更新数据库是两个操作，假设有这么一种情况，我删除缓存了。然后正要去更新数据库的时候但是还没更新，这个时候来了一个读取请求，并且抢到了cpu。读请求发现缓存为空，会去数据库读取，并存入缓存，，，这个时候才更新数据库，这样就会导致缓存和数据库不一致。

当然在并发很低的情况下，出现这个问题的概率会比较低，但是在并发很高的情况下，很容易就出现这个问题的。。

解决方案：删除缓存，更新数据库，读取数据异步串行化

https://zhuanlan.zhihu.com/p/77587581

异步串行化

当我们要更新数据库数据的时候将数据的唯一标识（比如修改库存，商品id/sku）放入一个jvm的内存队列中。

当我们读取请求过来的时候，如果缓存有数据，直接返回。如果没有数据，就要去读取数据库+更新缓存，这个时候也将唯一标识放在jvm的内存队列中

注意：同一个标识要路由到同一个队列，并且一个队列只能由一个线程进行消费；；这种方案类似rockermq的顺序消费。

由于队列是先进先出的，这个的话更新数据库操作（删除缓存+更新数据库）就会先于读取请求（读取数据+更新缓存）执行。

优化点：当队列中有一个读请求的时候（读取数据+更新缓存），这个没必要放入更多的读请求了到jvm内存队列中。之后的读请求可以使用不断的轮询去读取缓存，等待jvm的那个读请求更新缓存就行。。 当轮询等待的时候过长（200ms）可以直接读取数据库的数据并返回。

注意：队列中可能会堆积多个更新数据库的操作（同一数据），导致读取请求轮询超时直接读取数据库（所以要更新数据频繁的情景会怎么样）。

队列中堆积的更新操作可能是针对不同的数据项的，所以，要设当的扩大队列来分摊更新操作。

比如：如果一个内存队列里居然会挤压100个商品的库存修改操作，每隔库存修改操作要耗费10ms区完成，那么最后一个商品的读请求，可能等待10 * 100 = 1000ms = 1s后，才能得到数据

其实根据之前的项目经验，一般来说数据的写频率是很低的，因此实际上正常来说，在队列中积压的更新操作应该是很少的 针对读高并发，读缓存架构的项目，一般写请求相对读来说，是非常非常少的，每秒的QPS能到几百就不错了 一秒，500的写操作，5份，每200ms，就100个写操作

单机器，20个内存队列，每个内存队列，可能就积压5个写操作，每个写操作性能测试后，一般在20ms左右就完成 那么针对每个内存队列中的数据的读请求，也就最多hang一会儿，200ms以内肯定能返回了

写QPS扩大10倍，但是经过刚才的测算，就知道，单机支撑写QPS几百没问题，那么就扩容机器，扩容10倍的机器，10台机器，每个机器20个队列，200个队列

注意：对同一个商品的更新和读取，要路由到同一台机器;; 比如，写操作路由到机器1，读操作路由到机器2，那这样还讲什么串行话，就gg了。所以要路由到同一个机器。（nginx的hash算法）

这样又会导致另一种场景，热点商品的读取频率会比较高，会导致的服务器的压力大，因为某一个热点商品的读请求，会打到同一个服务器上面。造成某台服务器压力大。。。

全量更新

我们都知道redis的性能跟存入的value的大小有很大的关系。。。当我们存入的value很大这样会导致redis的性能急剧下降。

当我们存入的redis的数据是商品详情页数据（商品基本信息，商品分类信息，商品店铺信息 ）混在一起会导致redis的value很大。。。这样当我们只想修改商品的颜色这个小小的基本信息。。。就需要将分类及店铺都拿出来在set进去。。这样读取的数据都非常大。。导致性能很低

我们可以分维度存在redis 比如商品基本信息对应一个key。。商品分类信息对应一个key。。商品店铺信息对应一个key。。分成3个维护存储、、只想修改基本信息，就拿基本信息来修改。。。