当前位置:首页 > 数码 > 的数据一致性-和-Redis-MySQL-如何保障-直接上最优解 (的数据一致性是指什么)

的数据一致性-和-Redis-MySQL-如何保障-直接上最优解 (的数据一致性是指什么)

admin5个月前 (05-07)数码32
如何保证 MySQL 和 Redis 的一致性 前言 在分布式系统中,数据一致性是一个至关重要的概念。当多个节点存储相同的数据时,确保这些数据保持一致是至关重要的。这对于像 MySQL 和 Redis 这样的关系型数据库和缓存系统尤其重要。 本文将探讨 MySQL 和 Redis 一致性的挑战,并分析几种常见的解决方案。最后,我们将比较这些解决方案并推荐最佳实践。 挑战 保证 MySQL 和 Redis 一致性面临的主要挑战是: 高并发:在高并发系统中,多个请求可能同时访问数据。这使得很难确保对数据的更新按预期顺序执行。 网络延迟:网络延迟会导致请求处理时间不同。这可能会导致数据不一致,因为一些请求可能在其他请求更新数据之前收到响应。 系统故障:系统故障,如数据库宕机或缓存失效,可能会导致数据丢失或损坏。 方案 以下是几种常见的 MySQL 和 Redis 一致性解决方案: 不推荐的解决方案 1. 先写 MySQL,再写 Redis 在这种方案中,请求首先将数据写入 MySQL,然后将数据写入 Redis。这可能会导致以下问题: 如果在写 Redis 时发生延迟,其他请求可能会在 MySQL 中更新数据,导致 Redis 和 MySQL 之间的数据不一致。 2. 先写 Redis,再写 MySQL 这种方案与方案 1 类似,但它将导致不同的不一致性问题。如果在写 MySQL 时发生延迟,其他请求可能会在 Redis 中更新数据,导致 Redis 和 MySQL 之间的数据不一致。 3. 先删除 Redis,再写 MySQL 在这种方案中,请求首先从 Redis 中删除数据,然后将数据写入 MySQL。这可能会导致以下问题: 如果删除 Redis 时发生延迟,其他请求可能会在 MySQL 中更新数据,导致 Redis 中的数据过时。 推荐的解决方案 1. 先删除 Redis,再写 MySQL,再删除 Redis 这种方案称为“缓存双删”。它解决了方案 3 中的问题: 通过在写入 MySQL 后再次删除 Redis,可以确保 Redis 中的数据始终是最新的。 2. 先写 MySQL,再删除 Redis 这种方案适用于对实时性要求不高的场景。它会暂时出现数据不一致,但最终会解决: 当请求查询数据时,如果 Redis 中没有命中,它将从 MySQL 中查询数据并回写到 Redis 中。 3. 先写 MySQL,通过 Binlog 异步更新 Redis 这种方案通过监听 MySQL 的 Binlog 来更新 Redis。它提供了最终一致性: MySQL 和 Redis 之间的最终一致性是通过 Binlog 保证的。 在查询数据时,Redis 中可能没有最新数据,这可能会导致一些不一致。 比较 以下是对这几种解决方案的比较: | 方案 | 实时性 | 一致性 | 复杂性 | |---|---|---|---| | 先写 Redis,再写 MySQL | 高 | 否 | 低 | | 先写 MySQL,再写 Redis | 高 | 否 | 低 | | 先删除 Redis,再写 MySQL | 低 | 是 | 中 | | 先删除 Redis,再写 MySQL,再删除 Redis | 中 | 是 | 高 | | 先写 MySQL,再删除 Redis | 中 | 是 | 低 | | 先写 MySQL,通过 Binlog 异步更新 Redis | 低 | 是 | 高 | 最佳实践 根据特定应用程序的要求,可以选择合适的解决方案。以下是建议的最佳实践: 对于对实时性要求不高且一致性至关重要的应用程序,建议使用“先写 MySQL,再删除 Redis”方案。 对于对实时性要求高且一致性可接受的应用程序,建议使用“先删除 Redis,再写 MySQL,再删除 Redis”方案。 对于对最终一致性要求高且实时性要求不高的应用程序,建议使用“先写 MySQL,通过 Binlog 异步更新 Redis”方案。 结论 在满足实时性条件下,不存在 MySQL 和 Redis 完全一致的方案。最佳实践是根据应用程序的要求选择合适的解决方案。通过仔细权衡实时性、一致性和复杂性,可以设计出满足应用程序需求的解决方案。

Redis 如何保持和 MySQL 数据一致

redis在启动之后,从数据库加载数据。

读请求:

不要求强一致性的读请求,走redis,要求强一致性的直接从mysql读取

如何保障

写请求:

数据首先都写到数据库,之后更新redis(先写redis再写mysql,如果写入失败事务回滚会造成redis中存在脏数据)

在并发不高的情况下,读操作优先读取redis,不存在的话就去访问MySQL,并把读到的数据写回Redis中;写操作的话,直接写MySQL,成功后再写入Redis(可以在MySQL端定义CRUD触发器,在触发CRUD操作后写数据到Redis,也可以在Redis端解析binlog,再做相应的操作)

在并发高的情况下,读操作和上面一样,写操作是异步写,写入Redis后直接返回,然后定期写入MySQL

1.当更新数据时,如更新某商品的库存,当前商品的库存是100,现在要更新为99,先更新数据库更改成99,然后删除缓存,发现删除缓存失败了,这意味着数据库存的是99,而缓存是100,这导致数据库和缓存不一致。

解决方法:

这种情况应该是先删除缓存,然后在更新数据库,如果删除缓存失败,那就不要更新数据库,如果说删除缓存成功,而更新数据库失败,那查询的时候只是从数据库里查了旧的数据而已,这样就能保持数据库与缓存的一致性。

2.在高并发的情况下,如果当删除完缓存的时候,这时去更新数据库,但还没有更新完,另外一个请求来查询数据,发现缓存里没有,就去数据库里查,还是以上面商品库存为例,如果数据库中产品的库存是100,那么查询到的库存是100,然后插入缓存,插入完缓存后,原来那个更新数据库的线程把数据库更新为了99,导致数据库与缓存不一致的情况

解决方法:

遇到这种情况,可以用队列的去解决这个问,创建几个队列,如20个,根据商品的ID去做hash值,然后对队列个数取摸,当有数据更新请求时,先把它丢到队列里去,当更新完后在从队列里去除,如果在更新的过程中,遇到以上场景,先去缓存里看下有没有数据,如果没有,可以先去队列里看是否有相同商品ID在做更新,如果有也把查询的请求发送到队列里去,然后同步等待缓存更新完成。

这里有一个优化点,如果发现队列里有一个查询请求了,那么就不要放新的查询操作进去了,用一个while(true)循环去查询缓存,循环个200MS左右,如果缓存里还没有则直接取数据库的旧数据,一般情况下是可以取到的。

1、读请求时长阻塞

由于读请求进行了非常轻度的异步化,所以一定要注意读超时的问题,每个读请求必须在超时间内返回,该解决方案最大的风险在于可能数据更新很频繁,导致队列中挤压了大量的更新操作在里面,然后读请求会发生大量的超时,最后导致大量的请求直接走数据库,像遇到这种情况,一般要做好足够的压力测试,如果压力过大,需要根据实际情况添加机器。

2、请求并发量过高

这里还是要做好压力测试,多模拟真实场景,并发量在最高的时候QPS多少,扛不住就要多加机器,还有就是做好读写比例是多少

3、多服务实例部署的请求路由

可能这个服务部署了多个实例,那么必须保证说,执行数据更新操作,以及执行缓存更新操作的请求,都通过nginx服务器路由到相同的服务实例上

4、热点商品的路由问题,导致请求的倾斜

某些商品的读请求特别高,全部打到了相同的机器的相同丢列里了,可能造成某台服务器压力过大,因为只有在商品数据更新的时候才会清空缓存,然后才会导致读写并发,所以更新频率不是太高的话,这个问题的影响并不是很大,但是确实有可能某些服务器的负载会高一些。

搜索微信号(ID:芋道源码),可以获得各种 Java 源码解析。

并且,回复【书籍】后,可以领取笔者推荐的各种 Java 从入门到架构的书籍。

请教redis如何做到和mysql数据库的同步

redis和mysql数据的同步,代码级别大致可以这样做:读: 读redis->没有,读mysql->把mysql数据写回redis写: 写mysql->成功,写redis

免责声明:本文转载或采集自网络,版权归原作者所有。本网站刊发此文旨在传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及版权、内容等问题,请联系本网,我们将在第一时间删除。同时,本网站不对所刊发内容的准确性、真实性、完整性、及时性、原创性等进行保证,请读者仅作参考,并请自行核实相关内容。对于因使用或依赖本文内容所产生的任何直接或间接损失,本网站不承担任何责任。

标签: MySQL

“的数据一致性-和-Redis-MySQL-如何保障-直接上最优解 (的数据一致性是指什么)” 的相关文章

优化数据统计的终极指南-MySQL-提升查询性能的秘诀 (优化数据统计工具)

优化数据统计的终极指南-MySQL-提升查询性能的秘诀 (优化数据统计工具)

在业务场景中,我们经常需要统计当前已有的业务数据,例如商品库内商品的数量、每天的用户订单数量等。此时,我们需要使用统计功能来实现。 count()实现方式 对于不同的数据库引擎,co...

主从复制原理简介-MySQL (主从复制原理mysql)

主从复制原理简介-MySQL (主从复制原理mysql)

主从复制(Master-SlaveReplication)是一种数据复制技术,用于在多个数据库主机之间的数据同步。在主从复制架构中,一个主机被设置为主主机(Master),充任数据源,其余主机被设...

如何在MySQL中成功数据的版本治理和回滚操作 (如何在mysql数据库中添加数据)

如何在MySQL中成功数据的版本治理和回滚操作 (如何在mysql数据库中添加数据)

成功数据的版本治理和回滚操作在中可以经过以下几种模式成功,包含经常使用事务、备份恢复、日志和版本控制工具等。上方将详细引见这些方法。 1.经常使用事务: MySQL允许事务操作,可以经...

核心模块-深入探索数据库引擎-MySQL-揭秘 (核心模块英文)

核心模块-深入探索数据库引擎-MySQL-揭秘 (核心模块英文)

简介 Savepoint 是 MySQL 中的一种机制,允许在事务中创建标记点,以便在事务失败时回滚到该标记点。Savepoint 的原理是将事务的当前状态存储在各种数据结构中,包括服务器层、b...

使用-数据库并自动发送备份文件到指定邮箱-K8s-定期备份-MySQL (使用数据库的命令)

使用-数据库并自动发送备份文件到指定邮箱-K8s-定期备份-MySQL (使用数据库的命令)

简介 本文档描述了一个使用脚本来监控服务器高占用率进程并通过电子邮件发送警报的项目。本文还探讨了使用相同机制备份数据库的可能性。 技术 Python psuti...

обеспечение-и-данных-MySQL锁机制-предотвращение-конфликтов-согласованности (翻译)

обеспечение-и-данных-MySQL锁机制-предотвращение-конфликтов-согласованности (翻译)

锁机制是一种通过对数据进行加锁来防止数据冲突和不一致的技术。MySQL 采用了两种类型的锁:共享锁和排他锁,以实现并发访问数据的同时保证数据的一致性。 共享锁 (SharedLock)...

EXPLAIN-代价模型-MySQL-浅析-提早预知索引优化战略-优化查问性能-告别自觉经常使用 (explain)

EXPLAIN-代价模型-MySQL-浅析-提早预知索引优化战略-优化查问性能-告别自觉经常使用 (explain)

背景 在中,当咱们为表创立了一个或多个索引后,通常须要在索引定义成功后,依据详细的数据状况口头EXPLN命令,才干观察到数据库实践经常使用哪个索引、能否经常使用索引。这使得咱们在参与新索引之...

揭开其背后的神奇世界-深入探寻-索引的底层逻辑-MySQL (揭开其背后的真相)

揭开其背后的神奇世界-深入探寻-索引的底层逻辑-MySQL (揭开其背后的真相)

什么是索引? 索引是数据库系统中一种特殊的数据结构,用于快速查找数据。索引以某种方式引用(指向)数据,允许在索引上实现高级查找算法,从而提高查询速度。 索引的种类 最常见的索引类型有:...