緩存與數據庫不一致，你遇到過嗎？
相信大家偶爾會遇到緩存與數據庫不一致的問題。今天聊聊這個話題。
數據庫主從，為什么會不一致?
先回顧下，無緩存時，數據庫主從不一致問題。
如上圖，發生的場景是，寫后立刻讀：
(1)主庫一個寫請求(主從沒同步完成);
(2)從庫接著一個讀請求，讀到了舊數據;
(3)最后，主從同步完成;
導致的結果是：主動同步完成之前，會讀取到舊數據。
可以看到，主從不一致的影響時間很短，在主從同步完成后，就會讀到新數據。
緩存與數據庫，什么時候會不一致?
再看，引入緩存后，緩存和數據庫不一致問題。
如上圖，發生的場景也是，寫后立刻讀：
(1+2)先一個寫請求，淘汰緩存，寫數據庫;
(3+4+5)接著立刻一個讀請求，讀緩存，cache miss，讀從庫，寫緩存放入數據，以便后續的讀能夠cache hit(主從同步沒有完成，緩存中放入了舊數據);
(6)最后，主從同步完成;
導致的結果是：舊數據放入緩存，即使主從同步完成，后續仍然會從緩存一直讀取到舊數據。
可以看到，加入緩存后，導致的不一致影響時間會很長，并且最終也不會達到一致。
為什么會出現這類不一致?
可以看到，這里提到的緩存與數據庫數據不一致，根本上是由數據庫主從不一致引起的。當主庫上發生寫操作之后，從庫binlog同步的時間間隔內，讀請求，可能導致有舊數據入緩存。
假如主從不一致沒法徹底解決，引入緩存之后，binlog同步時間間隔內，也無法避免讀舊數據。
但是，有沒有辦法做到，即使引入緩存，不一致不會比“不引入緩存”更糟呢?這是更為實際的優化目標。
思路轉化為：在從庫同步完成之后，如果有舊數據入緩存，應該及時把這個舊數據淘汰掉。
緩存與數據庫不一致，可以怎么優化?
如上圖所述，在并發讀寫導致緩存中讀入了臟數據之后：
(6)主從同步;
(7)通過工具訂閱從庫的binlog，這里能夠最準確的知道，從庫數據同步完成的時間;畫外音：本圖畫的訂閱工具是DTS，可以是cannal，也可以自己訂閱和分析binlog。
(8)從庫執行完寫操作，向緩存再次發起刪除，淘汰這段時間內可能寫入緩存的舊數據;
如此這般，至少能夠保證，引入緩存之后，主從不一致，不會比沒有引入緩存更壞。
【本文為51CTO專欄作者“58沈劍”原創稿件，轉載請聯系原作者】
