专栏名称: 码小辫
给程序员和编程爱好者分享计算机编程电子书以及相关的学习资源
目录
相关文章推荐
传感器专家网  ·  重庆大学: 研究用于语音识别和交互的机器学习 ... ·  16 小时前  
传感器专家网  ·  重庆大学: 研究用于语音识别和交互的机器学习 ... ·  16 小时前  
质量与认证  ·  关注 | ... ·  昨天  
质量与认证  ·  关注 | ... ·  昨天  
AIGC开放社区  ·  重磅!OpenAI开源首个Agent ... ·  2 天前  
AIGC开放社区  ·  重磅!OpenAI开源首个Agent ... ·  2 天前  
AIGC开放社区  ·  微软AI开发者挑战赛 | ... ·  3 天前  
AIGC开放社区  ·  微软AI开发者挑战赛 | ... ·  3 天前  
51好读  ›  专栏  ›  码小辫

字节一面:延迟双删,要延迟多久呢?

码小辫  · 公众号  ·  · 2024-11-21 17:10

正文

前言

有位读者,去面试了字节,问了这么一道题: 延迟双删,延迟多久呢?十几毫秒?


这个延迟双删,其实是 保证数据库和缓存数据一致性 的一种方案来的。大家觉得应该如何回答更好呢?我觉得可以先从最基础的开始聊起,比如什么是一致性,然后从串联起来。我聊聊我的思路。

  • 首先,先回归基础,什么是一致性。
  • 日常开发中,我们怎么用缓存的?哪种缓存模式?
  • 操作缓存的时候,到底是删除缓存呢,还是更新缓存?
  • 双写的情况下,先操作数据库还是先操作缓存?
  • 数据库和缓存数据保持强一致,可以嘛?
  • 什么是延迟双删除?这个延迟到底是多久呢?
  • 其他方案:删除缓存重试机制和读取biglog异步删除缓存

1.什么是一致性,数据一致性

一致性就是 数据保持一致 ,在分布式系统中,可以理解为 多个节点中数据的值是一致 的。比如你用reids缓存某个用户信息,同时,数据库也有保存这个用户的记录。那就要 保持数据库和redis保存用户数据的一致性

一致性一般分:强一致性、弱一致性、最终一致性。

  • 强一致性 :这种一致性级别是最符合用户直觉的,它要求系统写入什么,读出来的也会是什么,用户体验好,但实现起来往往对系统的性能影响大
  • 弱一致性 :这种一致性级别约束了系统在写入成功后,不承诺立即可以读到写入的值,也不承诺多久之后数据能够达到一致,但会尽可能地保证到某个时间级别(比如秒级别)后,数据能够达到一致状态
  • 最终一致性 :最终一致性是弱一致性的一个特例,系统会保证在一定时间内,能够达到一个数据一致的状态。这里之所以将最终一致性单独提出来,是因为它是弱一致性中非常推崇的一种一致性模型, 也是业界在大型分布式系统的数据一致性上比较推崇的模型

2. 日常开发中,我们怎么用缓存的?哪种缓存模式?

2.1 Cache-Aside

日常开发中,我们是如何使用缓存的呢?如果是读请求,一般都是这样吧:

  1. 读的时候,先读缓存,缓存命中的话,直接返回数据
  2. 缓存没有命中的话,就去读数据库,从数据库取出数据,放入缓存后,同时返回响应。

如果是写的请求,就是这样:

更新的时候, 先更新数据库,然后再删除缓存

其实这个就是Cache-Aside的读流程和写流程。Cache-Aside不就是一种经典的 缓存模式 ,同时还有

  • Read-Through/Write-through
  • Write-behind

还是简单介绍下这两个吧~~

2.2 Read/Write-Through

Read/Write-Through模式中,服务端把缓存作为主要数据存储。应用程序跟数据库缓存交互,都是通过抽象缓存层完成的。

Read-Through Read-Through的简要流程如下:

Read-Through简要流程

  1. 从缓存读取数据,读到直接返回
  2. 如果读取不到的话,从数据库加载,写入缓存后,再返回响应。

这个简要流程是不是跟Cache-Aside很像呢?其实Read-Through就是多了一层Cache-Provider而已,流程如下:

Read-Through实际只是在Cache-Aside之上进行了一层封装,它会让程序代码变得更简洁,同时也减少数据源上的负载。

Write-Through

Write-Through模式下,当发生写请求时,也是由缓存抽象层完成数据源和缓存数据的更新,流程如下:

2.3 Write-behind (异步缓存写入)

Write-behind 跟Read-Through/Write-Through有相似的地方,都是由Cache Provider来负责缓存和数据库的读写。它们又有个很大的不同:Read/Write-Through是同步更新缓存和数据的,Write-Behind则是只更新缓存,不直接更新数据库,通过批量异步的方式来更新数据库。

Write behind流程    这种方式下,缓存和数据库的一致性不强, 对一致性要求高的系统要谨慎使用 。但是它适合频繁写的场景,MySQL的 InnoDB Buffer Pool机制 就使用到这种模式。

3. 操作缓存的时候,到底是删除缓存呢,还是更新缓存?

我们回归主题, 延迟双删的时候,就跟删除缓存有关联 为什么是删除缓存呢?更新缓存不可以吗? 这是 Cache-Aside写入流程:

我们在操作缓存的时候,到底应该删除缓存还是更新缓存呢?我们先来看个例子:

  1. 线程A先发起一个写操作,第一步先更新数据库
  2. 线程B再发起一个写操作,第二步更新了数据库
  3. 由于网络等原因,线程B先更新了缓存
  4. 线程A更新缓存。这时候,缓存保存的是A的数据( 老数据 ),数据库保存的是B的数据( 新数据 ),数据不一致了,脏数据出现啦。如果是 删除缓存取代更新缓存 则不会出现这个脏数据问题。

更新缓存相对于删除缓存,还有两点劣势

  • 如果你写入的缓存值,是经过复杂计算才得到的话。更新缓存频率高的话,就 浪费性能 啦。
  • 在写数据库场景多,读数据场景少的情况下,数据很多时候还没被读取到,又被更新了, 这也浪费了性能 呢(实际上,写多的场景,用缓存也不是很划算的,哈哈)

4. 双写的情况下,先操作数据库还是先操作缓存?







请到「今天看啥」查看全文