主從DB與cache一致性
本文主要討論這麽幾個問題：
（1）數據庫主從延時為何會導致緩存數據不一致
（2）優化思路與方案
一、需求緣起
上一篇《緩存架構設計細節二三事》中有一個小優化點，在只有主庫時，通過“串行化”的思路可以解決緩存與數據庫中數據不一致。引發大家熱烈討論的點是“在主從同步，讀寫分離的數據庫架構下，有可能出現臟數據入緩存的情況，此時串行化方案不再適用了”，這就是本文要討論的主題。
二、為什麽數據會不一致
為什麽會讀到臟數據，有這麽幾種情況：
（1）單庫情況下，服務層的並發讀寫，緩存與數據庫的操作交叉進行
雖然只有一個DB，在上述詭異異常時序下，也可能臟數據入緩存：
1）請求A發起一個寫操作，第一步淘汰了cache，然後這個請求因為各種原因在服務層卡住了（進行大量的業務邏輯計算，例如計算了1秒鐘），如上圖步驟1
2）請求B發起一個讀操作，讀cache，cache miss，如上圖步驟2
3）請求B繼續讀DB，讀出來一個臟數據，然後臟數據入cache，如上圖步驟3
4）請求A卡了很久後終於寫數據庫了，寫入了最新的數據，如上圖步驟4
這種情況雖然少見，但理論上是存在的， 後發起的請求B在先發起的請求A中間完成了。
（2）主從同步，讀寫分離的情況下，讀從庫讀到舊數據
在數據庫架構做了一主多從，讀寫分離時，更多的臟數據入緩存是下面這種情況：
1）請求A發起一個寫操作，第一步淘汰了cache，如上圖步驟1
2）請求A寫數據庫了，寫入了最新的數據，如上圖步驟2
3）請求B發起一個讀操作，讀cache，cache miss，如上圖步驟3
4）請求B繼續讀DB，讀的是從庫，此時主從同步還沒有完成，讀出來一個臟數據，然後臟數據入cache，如上圖步4
5）最後數據庫的主從同步完成了，如上圖步驟5
這種情況請求A和請求B的時序是完全沒有問題的，是主動同步的時延（假設延時1秒鐘）中間有讀請求讀從庫讀到臟數據導致的不一致。
那怎麽來進行優化呢？
三、不一致優化思路
有同學說“那能不能先操作數據庫，再淘汰緩存”，這個是不行的，在《緩存和數據庫先操作誰》的文章中介紹過。
出現不一致的根本原因：
（1）單庫情況下，服務層在進行1s的邏輯計算過程中，可能讀到舊數據入緩存
（2）主從庫+讀寫分離情況下，在1s鐘主從同步延時過程中，可能讀到舊數據入緩存
既然舊數據就是在那1s的間隙中入緩存的，是不是可以在寫請求完成後，再休眠1s，再次淘汰緩存，就能將這1s內寫入的臟數據再次淘汰掉呢？
答案是可以的。
寫請求的步驟由2步升級為3步：
（1）先淘汰緩存
（2）再寫數據庫（這兩步和原來一樣）
（3）休眠1秒，再次淘汰緩存
這樣的話，1秒內有臟數據如緩存，也會被再次淘汰掉，但帶來的問題是：
（1）所有的寫請求都阻塞了1秒，大大降低了寫請求的吞吐量，增長了處理時間，業務上是接受不了的
再次分析，其實第二次淘汰緩存是“為了保證緩存一致”而做的操作，而不是“業務要求”，所以其實無需等待，用一個異步的timer，或者利用消息總線異步的來做這個事情即可：
寫請求由2步升級為2.5步：
（1）先淘汰緩存
（2）再寫數據庫（這兩步和原來一樣）
（2.5）不再休眠1s，而是往消息總線esb發送一個消息，發送完成之後馬上就能返回
這樣的話，寫請求的處理時間幾乎沒有增加，這個方法淘汰了緩存兩次，因此被稱為“緩存雙淘汰”法。這個方法付出的代價是，緩存會增加1次cache miss（代價幾乎可以忽略）。
而在下遊，有一個異步淘汰緩存的消費者，在接收到消息之後，asy-expire在1s之後淘汰緩存。這樣，即使1s內有臟數據入緩存，也有機會再次被淘汰掉。
上述方案有一個缺點，需要業務線的寫操作增加一個步驟，有沒有方案對業務線的代碼沒有任何入侵呢，是有的，這個方案在《細聊冗余表數據一致性》中也提到過，通過分析線下的binlog來異步淘汰緩存：
業務線的代碼就不需要動了，新增一個線下的讀binlog的異步淘汰模塊，讀取到binlog中的數據，異步的淘汰緩存。
提問：為什麽上文總是說1s，這個1s是怎麽來的？
回答：1s只是一個舉例，需要根據業務的數據量與並發量，觀察主從同步的時延來設定這個值。例如主從同步的時延為200ms，這個異步淘汰cache設置為258ms就是OK的。
四、總結
在“異常時序”或者“讀從庫”導致臟數據入緩存時，可以用二次異步淘汰的“緩存雙淘汰”法來解決緩存與數據庫中數據不一致的問題，具體實施至少有三種方案：
（1）timer異步淘汰（本文沒有細講，本質就是起個線程專門異步二次淘汰緩存）
（2）總線異步淘汰
（3）讀binlog異步淘汰
轉載自架構師之路
主從DB與cache一致性