前言

本文主要是缓存与数据库的一致性的文章，如果有什么需要改进的地方还请大佬指出⛺️

作者简介：大家好，我是青衿
☁️博客首页：CSDN主页放风讲故事
每日一句：努力一点，优秀一点

目录

文章目录

  • 前言
  • **目录**
      • CAP原则
      • 如何使用 CAP 理论？
      • 一致性
      • Redis一致性策略
      • 先更新数据库再删除Redis中的数据的方法，CAP你这种方式还是会出现数据不一致情况
      • 先更新数据库再删除Redis中的数据的方法分析：
  • 文章末尾

CAP原则

CAP 理论对分布式系统的特性做了高度抽象，形成了三个指标：
● 一致性（Consistency）
● 可用性（Availability）
● 分区容错性（Partition Tolerance）

  1. 一致性说的是客户端的每次读操作，不管访问哪个节点，要么读到的都是同一份最新的数据，要么读取失败。
  2. 可以把一致性看作是分布式系统对访问本系统的客户端的一种承诺：不管你访问哪个节点，要么我给你返回的都是绝对一致的数据，要么你都读取失败。因此可以看到，一致性强调的不是数据完整，而是各节点间的数据一致。
    可用性（A）：
  3. 可用性说的是任何来自客户端的请求，不管访问哪个节点，都能得到响应数据，但不保证是同一份最新数据。
  4. 可用性看作是分布式系统对访问本系统的客户端的另外一种承诺：我尽力给你返回数据，不会不响应你，但是我不保证每个节点给你的数据都是最新的。 这个指标强调的是服务可用，但不保证数据的一致。 分区容错性（P）：
  5. 当节点间出现任意数量的消息丢失或高延迟的时候，系统仍然可以继续提供服务。
  6. 也就是说，分布式系统在告诉访问本系统的客户端：不管我的内部出现什么样的数据同步问题，我会一直运行，提供服务。这个指标，强调的是集群对分区故障的容错能力。

如何使用 CAP 理论？

我们都知道，只要有网络交互就一定会有延迟和数据丢失，而这种状况我们必须接受，还必须保证系统不能挂掉。所以就像我上面提到的，节点间的分区故障是必然发生的。也就是说，分区容错性（P）是前提，是必须要保证的。
现在就只剩下一致性（C）和可用性（A）可以选择了：要么选择一致性，保证数据绝对一致；要么选择可用性，保证服务可用。
那么 CP 和 AP 的含义是什么呢？
● 当选择了一致性（C）的时候，如果因为消息丢失、延迟过高发生了网络分区，部分节点无法保证特定信息是最新的，那么这个时候，当集群节点接收到来自客户端的写请求时，因为无法保证所有节点都是最新信息，所以系统将返回写失败错误，也就是说集群拒绝新数据写入。
● 当选择了可用性（A）的时候，系统将始终处理客户端的查询，返回特定信息，如果发生了网络分区，一些节点将无法返回最新的特定信息，它们将返回自己当前的相对新的信息。

一致性

数据库如mysql等磁盘数据库，后端系统中数据最终存储在数据库中
缓存如redis等内存数据库，速度快，在运行时提高系统性能

这两种数据库同时在系统中，就需要两种数据库数据的一致性

缓存与数据库的数据一致性问题：当插入或者更新一条数据，怎么保持数据一致？
可以想到3种策略

  1. 先更新数据库，再更新缓存

  2. 先删除缓存，再更新数据库

  3. 先更新数据库，再删缓存

三个策略都存在缺陷，应该先改数据库，再删缓存，一般会放弃一定的一致性，追求最终一致。

Redis一致性策略

实时同步：缓存或DB修改，另一方同步修改。强一致性要求比较高，可采用实时同步，这就是前面推荐的一致性策略：先更新数据库，再删除缓存
非实时同步：热点文章，频繁操作数据库影响系统性能

先更新数据库再删除Redis中的数据的方法，CAP你这种方式还是会出现数据不一致情况

为什么会出现数据不一致？
更新数据库成功，删除Redis失败：这种情况下，Redis中将保留着旧的数据，导致用户读取到过时的信息。直到Redis中的数据过期或者有其他操作触发数据的更新，这种不一致状态才会被解决。
时间窗口问题：即使数据库更新和Redis删除操作都成功了，但是在这两个操作之间的时间窗口里，如果有其他请求读取了Redis中的旧数据，也会导致短暂的数据不一致。

先更新数据库再删除Redis中的数据的方法分析：

一致性（Consistency）：
这种方法在数据库更新与Redis删除之间存在一个短暂的时间窗口，在此期间如果有读取操作，可能会读到旧的数据，导致短暂的一致性问题。
可用性（Availability）：
通过保持Redis缓存和数据库之间的数据尽量一致，此方法在大多数情况下确保了高可用性。因为即使在进行数据更新和Redis缓存删除的操作中，系统依然能够处理读取请求，无论是从缓存中读取（尽管可能是旧数据）还是在缓存失效后从数据库中读取新数据。
分区容错性（Partition Tolerance）：
此方法在一定程度上体现了对分区容错性的考虑。即便在网络分区导致Redis缓存暂时无法更新或删除时，数据库的更新操作仍然可以独立完成，保证了数据的正确性和服务的部分可用性。但是，这种情况下可能会加剧数据不一致的问题，直到网络分区问题解决并且Redis缓存被正确处理。（可用性可以保证，一致性难以保证）

文章末尾