问题场景
在并发场景下，MySQL和Redis之间的数据不一致性可能成为一个突出问题。这种不一致性可能由网络延迟、并发写入冲突以及异常情况处理等因素引起，导致MySQL和Redis中的数据在某些时间点不同步或出现不一致的情况。数据一致性问题的级别可以分为三种：
- 强一致性：写入何值，读出何值，但在实现中，性能较差。
- 弱一致性：写入新数据后，承诺在某个时间级别（分、秒、毫秒）后，达到数据一致。
- 最终一致性：写入新数据后，承诺在规定时间内达到数据一致。
解决方案
强一致性： 强一致性解决方案在高并发场景下实现过于苛刻，本案例暂不讨论。
弱一致性： 一致性的解决方案可以使用“先写MySQL，再删除Redis”策略，这种方案在极限条件下有不一致的可能性，但结合需求和技术实现可以综合评判。弱一致性的应用场景如：社交平台点赞功能，用户可以实时看到点赞的更新，尽管MySQL和Redis可能存在短暂的数据不一致。
最终一致性： 采用“先写MySQL，通过MySQL的Binlog特性，异步写入Redis”。这种方案一般适用于库存、金融等业务场景，但是需要建立相关失败重试、告警、补偿机制，以及容灾措施。
在本案例中，弱一致性采用 Cache Aside 方案，最终一致性采用阿里巴巴开源组件 canal 实现。
Cache Aside
- 该方案在读取数据库时，首先从缓存中查询数据库：
-
- 如果缓存中存在数据，则直接返回给应用程序。
- 如果缓存中不存在数据，则从数据库中读取数据，并将数据存储到缓存中，然后返回给应用程序。
- 写入数据时，先更数据库的数据，当数据库更新成功后，再删除缓存中的数据。
Cache Aside注意事项
- 缓存失效：缓存中的数据可能会过期或失效，需要考虑设置合适的缓存过期时间，或使用合适的缓存失效策略（如LRU）来管理缓存中的数据。
- 缓存穿透：当请求查询一个不存在的数据时，会导致缓存层无法命中，从而直接访问数据库。为了避免缓存穿透问题，可以使用空值缓存或布隆过滤器等技术来减轻数据库的负载。
综上所述，Cache Aside方案适用于读取频率较高、对数据实时性要求不高的场景，通过合理地使用缓存来提高系统性能和扩展性，并通过维护数据的一致性来避免数据不一致的问题。
Cache Aside demo
基于Cache Aside实现点赞功能。
实体类信息
public class Like {private String postId;private int likeCount;// 构造函数、getter和setter方法
}
逻辑层
@Service
public class LikeService {private final LikeRepository likeRepository;private final RedisUtils redisUtils;public LikeService(LikeRepository likeRepository, RedisUtils redisUtils) {this.likeRepository = likeRepository;this.redisUtils = redisUtils;}public Like getLikeInfo(String postId) {String cacheKey = "like:" + postId;// 从缓存中获取点赞信息Like like = (Like) redisUtils.get(cacheKey);// 如果缓存中不存在，则从持久层（数据库）获取if (like == null) {like = likeRepository.findByPostId(postId);// 如果数据库中存在数据，则保存到缓存中if (like != null) {redisUtils.set(cacheKey, like);}}// 如果点赞信息为空，则初始化为0if (like == null) {like = new Like(postId, 0);}return like;}public void addLike(String postId) {String cacheKey = "like:" + postId;// 在持久层（数据库）新增点赞信息Like like = likeRepository.findByPostId(postId);if (like == null) {like = new Like(postId, 1);} else {like.setLikeCount(like.getLikeCount() + 1);}likeRepository.save(like);// 更新缓存中的数据redisUtils.set(cacheKey, like);}
}
canal
引用canal官方说明：
canal [kə’næl] ，译意为水道/管道/沟渠，主要用途是基于 MySQL 数据库增量日志解析，提供增量数据订阅和消费
早期阿里巴巴因为杭州和美国双机房部署，存在跨机房同步的业务需求，实现方式主要是基于业务 trigger 获取增量变更。从 2010 年开始，业务逐步尝试数据库日志解析获取增量变更进行同步，由此衍生出了大量的数据库增量订阅和消费业务。
基于日志增量订阅和消费的业务包括
- 数据库镜像
- 数据库实时备份
- 索引构建和实时维护(拆分异构索引、倒排索引等)
- 业务 cache 刷新
- 带业务逻辑的增量数据处理
当前的 canal 支持源端 MySQL 版本包括 5.1.x , 5.5.x , 5.6.x , 5.7.x , 8.0.x
前置知识:MySQL主从复制原理
- MySQL master 将数据变更写入二进制日志( binary log, 其中记录叫做二进制日志事件binary log events，可以通过 show binlog events 进行查看)
- MySQL slave 将 master 的 binary log events 拷贝到它的中继日志(relay log)
- MySQL slave 重放 relay log 中事件，将数据变更反映它自己的数据
canal工作原理
- canal 模拟 MySQL slave 的交互协议，伪装自己为 MySQL slave ，向 MySQL master 发送dump 协议
- MySQL master 收到 dump 请求，开始推送 binary log 给 slave (即 canal )
- canal 解析 binary log 对象(原始为 byte 流)
环境搭建
需要的开发环境：
- MySQL
- Redis
- Canal
特别说明：canal只支持JDK 8和JDK 11，如果您在本地物理机安装，请切换JDK默认版本。笔者更建议您使用Docker安装开发环境，由于canal安装后需要修改的配置较多，可以通过Docker-Compose安装。
那么，麻烦ChatGPT写一个Docker-Compose文件吧：
- version请按本地安装的Docker-Compose版本定义。
- Docker-Compose安装请自行查询。
version: '2.4'services:mysql:image: mysql:8.0container_name: mysqlrestart: falseenvironment:MYSQL_ROOT_PASSWORD: rootports:- "33060:3306"volumes:- ./mysql-data:/var/lib/mysqlcanal:image: canal/canal-server:v1.1.5container_name: canalrestart: falseports:- "11111:11111"- "11112:11112"depends_on:- mysqlenvironment:- canal.destinations=example- canal.instance.mysql.slaveId=1234- canal.instance.master.address=mysql:3306- canal.instance.dbUsername=root- canal.instance.dbPassword=root- canal.instance.connectionCharset=UTF-8- canal.instance.tsdb.enable=false- canal.instance.gtidon=false- canal.instance.filter.regex=.*- canal.instance.filter.black.regex=mysql\.slave_.*redis:image: redis:latestrestart: alwaysports:- 6379:6379volumes:- ./redis_data:/data
将文件命名为：docker-compose.yml，开始安装。
docker-compose up -d
本案例使用balance余额表来演示，数据库表设计如下：
CREATE TABLE `balance` (`id` varchar(50) NOT NULL COMMENT '主键',`account` varchar(50) NOT NULL COMMENT '账户',`amount` decimal(10,2) NOT NULL COMMENT '金额',PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci
COMMENT='余额表';
开发环境
- JDK 17
- SpringBoot 3.1.2
- MyBatis-Plus 3.5.3.1
- druid
- lettuce
开发环境根据您的实际需要选择即可。
环境启动后，进入编码阶段。
/*** @author: liu_pc* Date: 2023/8/25* Description: 余额信息变更Redis变成处理类* Version: 1.0*/
@Component
public class BalanceRedisProcessorService implements EntryHandler<Balance>, Runnable {private final Logger logger = LoggerFactory.getLogger(BalanceRedisProcessorService.class);private final RedisUtils redisUtils;private final CanalConfig canalConfig;private final Executor executor;@Value("${canal.server.open}")private boolean open;@Autowiredpublic BalanceRedisProcessorService(RedisUtils redisUtils,CanalConfig canalConfig,@Qualifier("ownThreadPoolExecutor") Executor executor) {this.redisUtils = redisUtils;this.canalConfig = canalConfig;this.executor = executor;}@PostConstructpublic void init() {Map<String, String> mainMdcContext = Maps.newHashMap();mainMdcContext.put("canal-thread", "balance-redis-processor-service");MDC.setContextMap(mainMdcContext);executor.execute(this);logger.info("MySQL-Balance数据自动同步到Redis：线程已经启动");}@Overridepublic void run() {CanalConnector canalConnector = canalConfig.canalConnector();canalConnector.connect();// 回滚到未进行ack的地方canalConnector.rollback();try {while (open) {// 获取数据 每次获取一百条改变数据Message message = canalConnector.getWithoutAck(100);//获取这条消息的idlong batchId = message.getId();int size = message.getEntries().size();if (batchId == -1 || size == 0) {Thread.sleep(1000);continue;}// 处理数据for (CanalEntry.Entry entry : message.getEntries()) {if (entry.getEntryType() == CanalEntry.EntryType.ROWDATA) {CanalEntry.RowChange rowChange = CanalEntry.RowChange.parseFrom(entry.getStoreValue());CanalEntry.EventType eventType = rowChange.getEventType();if (eventType == CanalEntry.EventType.UPDATE || eventType == CanalEntry.EventType.INSERT || eventType == CanalEntry.EventType.DELETE) {for (CanalEntry.RowData rowData : rowChange.getRowDatasList()) {List<CanalEntry.Column> columns = rowData.getAfterColumnsList();String tableName = entry.getHeader().getTableName();// 判断是否是 Balance 表的 amount 字段变更if ("balance".equals(tableName)) {StringBuilder redisKey = new StringBuilder("balance:");for (CanalEntry.Column column : columns) {logger.info("Balance changed in 'balance' dataInfo: {}", column);if ("id".equals(column.getName())) {String changeId = column.getValue();logger.info("当前变更id为:{}", changeId);redisKey.append(changeId);}if ("amount".equals(column.getName())) {String changeValue = column.getValue();logger.info(changeValue);redisUtils.set(redisKey.toString(), changeValue);}}}}}}}// 确认消费完成这条消息canalConnector.ack(message.getId());logger.info("消费成功");}} catch (Exception e) {logger.warn("canal-消费失败");} finally {// 关闭连接canalConnector.disconnect();}}
}
测试
使用接口调用或者手动改库的方式，制造数据变更，查看日志打印情况：
Redis数据：
完成。
我已将canal实现数据同步代码开源，请自行下载领取，笔者不介意您宝贵的Star，如果能帮到您，十分荣幸。
mdc_logback
同时，如果您对笔者其他文章感兴趣，可以扫一扫关注笔者的公众号：种颗代码技术树
公众号文章更新更及时，以及一些程序员周边相关更新。
感谢您阅读到这里，不胜感激。
