五险一金Redis与Mysql双写一致性方案解析
一 前言二 一致性方案三 先更新数据库,再更新缓存四 先删缓存,再更新数据库五 先更新数据库,再删缓存 缓存的收益与成本
1.1 受益1.2 成本1.3 使用场景 缓存更新策略缓存粒度控制缓存穿透,缓存击穿,缓存雪崩MySQL主从搭建基于docker
一 主从配置原理二 *** 作步骤
2.1 配置准备2.2 远程连接入主库和从库2.3 测试主从同步 django实现读写分离
五险一金1 五险:养老(8%自己交一部分),医疗(2%自己交一部分),生育(自己交一部分),失业(自己交一部分),工伤(个人账户:你交的钱和统筹账户:公司交的前) 一金:住房公积金 2 小公司:不交,你没有很正常 3 五险跟一金是单独的,有的公司只交5险(3险) 4 五险一金基数:公司以哪个标准给你交 -全额交:假设你工资1w,公司一个月要花1w4在你身上,你到手7千多点点 -按基数交:公司想少交,给你按什么基数交:6000(你之前的基数是多少) -取不出来:你挂了,移民到国外,只能迁移 -很乱,每个省(每个市)有自己独立一套(全国没有统一),用的系统也不一样 -全国统一,暂时没有 -在其他地方交的社保,在上海根本不支持 -我之前在上海没有交过,给我办增员(减员)就行了 -多交,退休拿的多 -五险双规制 -享受待遇即可,养老保险交够15年,医疗保险交够25年 -一金能多交就多交:你交多少,公司给你交多少,租房子,装修房子,住房贷款 5 签合同,不用太关注合同上的条款 6 总结: -1 你之前哪都没有交过,问你要社保账号。 我之前在上海没有交过,你给我办增员即可(账号注销,钱取出来了),之前公司没有交,之前公司刚成立,试用期先没交,后期要提交材料,我一直很忙没有弄, -2 你之前在杭州交过,但是你公司上上海的公司 -3 公司名字和你交社保的公司名不一样,公司雇第三方公司交的社保,公司名和品牌名不一样 -4 之前在上海交过(2个月),现在新继续在上海交,中间断了好久。 -5 你之前在上海交过,我之前在上海交过,你直接交就行了,公积金,你有个公积金账号,转不转由你 -6 网上搞Redis与Mysql双写一致性方案解析 一 前言
首先,缓存由于其高并发和高性能的特性,已经在项目中被广泛使用。在读取缓存方面,大家没啥疑问,都是按照下图的流程来进行业务 *** 作
但是在更新缓存方面,对于更新完数据库,是更新缓存呢,还是删除缓存。又或者是先删除缓存,再更新数据库,其实大家存在很大的争议
本文由以下三个部分组成 1、讲解缓存更新策略 2、对每种策略进行缺点分析 3、针对缺点给出改进方案
先做一个说明,从理论上来说,给缓存设置过期时间,是保证最终一致性的解决方案。这种方案下,我们可以对存入缓存的数据设置过期时间,所有的写 *** 作以数据库为准,对缓存 *** 作只是尽最大努力即可。也就是说如果数据库写成功,缓存更新失败,那么只要到达过期时间,则后面的读请求自然会从数据库中读取新值然后回填缓存。因此,接下来讨论的思路不依赖于给缓存设置过期时间这个方案。 在这里,我们讨论三种更新策略:
- 先更新数据库,再更新缓存
- 先删除缓存,再更新数据库
- 先更新数据库,再删除缓存
这套方案,大家是普遍反对的。为什么呢?有如下两点原因。
原因一(线程安全角度) 同时有请求A和请求B进行更新 *** 作,那么会出现
(1)线程A更新了数据库(2)线程B更新了数据库(3)线程B更新了缓存(4)线程A更新了缓存
这就出现请求A更新缓存应该比请求B更新缓存早才对,但是因为网络等原因,B却比A更早更新了缓存。这就导致了脏数据,因此不考虑。
原因二(业务场景角度) 有如下两点:
(1)如果你是一个写数据库场景比较多,而读数据场景比较少的业务需求,采用这种方案就会导致,数据压根还没读到,缓存就被频繁的更新,浪费性能。(2)如果你写入数据库的值,并不是直接写入缓存的,而是要经过一系列复杂的计算再写入缓存。那么,每次写入数据库后,都再次计算写入缓存的值,无疑是浪费性能的。显然,删除缓存更为适合。
接下来讨论的就是争议最大的,先删缓存,再更新数据库。还是先更新数据库,再删缓存的问题。
四 先删缓存,再更新数据库该方案会导致不一致的原因是。同时有一个请求A进行更新 *** 作,另一个请求B进行查询 *** 作。那么会出现如下情形:
(1)请求A进行写 *** 作,删除缓存(2)请求B查询发现缓存不存在(3)请求B去数据库查询得到旧值(4)请求B将旧值写入缓存(5)请求A将新值写入数据库 上述情况就会导致不一致的情形出现。而且,如果不采用给缓存设置过期时间策略,该数据永远都是脏数据。
那么,如何解决呢?采用延时双删策略 伪代码如下
public void write(String key,Object data){
redis.delKey(key);
db.updateData(data);
Thread.sleep(1000);
redis.delKey(key);
}
转化为中文描述就是
(1)先淘汰缓存(2)再写数据库(这两步和原来一样)(3)休眠1秒,再次淘汰缓存 这么做,可以将1秒内所造成的缓存脏数据,再次删除。
那么,这个1秒怎么确定的,具体该休眠多久呢?
针对上面的情形,读者应该自行评估自己的项目的读数据业务逻辑的耗时。然后写数据的休眠时间则在读数据业务逻辑的耗时基础上,加几百ms即可。这么做的目的,就是确保读请求结束,写请求可以删除读请求造成的缓存脏数据。
如果你用了mysql的读写分离架构怎么办?
ok,在这种情况下,造成数据不一致的原因如下,还是两个请求,一个请求A进行更新 *** 作,另一个请求B进行查询 *** 作。
(1)请求A进行写 *** 作,删除缓存(2)请求A将数据写入数据库了,(3)请求B查询缓存发现,缓存没有值(4)请求B去从库查询,这时,还没有完成主从同步,因此查询到的是旧值(5)请求B将旧值写入缓存(6)数据库完成主从同步,从库变为新值 上述情形,就是数据不一致的原因。还是使用双删延时策略。只是,睡眠时间修改为在主从同步的延时时间基础上,加几百ms。
采用这种同步淘汰策略,吞吐量降低怎么办?
ok,那就将第二次删除作为异步的。自己起一个线程,异步删除。这样,写的请求就不用沉睡一段时间后了,再返回。这么做,加大吞吐量。
第二次删除,如果删除失败怎么办?
这是个非常好的问题,因为第二次删除失败,就会出现如下情形。还是有两个请求,一个请求A进行更新 *** 作,另一个请求B进行查询 *** 作,为了方便,假设是单库:
(1)请求A进行写 *** 作,删除缓存(2)请求B查询发现缓存不存在(3)请求B去数据库查询得到旧值(4)请求B将旧值写入缓存(5)请求A将新值写入数据库(6)请求A试图去删除请求B写入对缓存值,结果失败了。 ok,这也就是说。如果第二次删除缓存失败,会再次出现缓存和数据库不一致的问题。 如何解决呢? 具体解决方案,且看博主对第(3)种更新策略的解析。 五 先更新数据库,再删缓存
首先,先说一下。老外提出了一个缓存更新套路,名为《Cache-Aside pattern》。其中就指出
- 失效:应用程序先从cache取数据,没有得到,则从数据库中取数据,成功后,放到缓存中。命中:应用程序从cache中取数据,取到后返回。更新:先把数据存到数据库中,成功后,再让缓存失效。
另外,知名社交网站facebook也在论文《Scaling Memcache at Facebook》中提出,他们用的也是先更新数据库,再删缓存的策略。
这种情况不存在并发问题么?
不是的。假设这会有两个请求,一个请求A做查询 *** 作,一个请求B做更新 *** 作,那么会有如下情形产生
(1)缓存刚好失效
(2)请求A查询数据库,得一个旧值
(3)请求B将新值写入数据库
(4)请求B删除缓存
(5)请求A将查到的旧值写入缓存 ok,如果发生上述情况,确实是会发生脏数据。
然而,发生这种情况的概率又有多少呢?
发生上述情况有一个先天性条件,就是步骤(3)的写数据库 *** 作比步骤(2)的读数据库 *** 作耗时更短,才有可能使得步骤(4)先于步骤(5)。
可是,大家想想,数据库的读 *** 作的速度远快于写 *** 作的(不然做读写分离干嘛,做读写分离的意义就是因为读 *** 作比较快,耗资源少),因此步骤(3)耗时比步骤(2)更短,这一情形很难出现。 假设,有人非要抬杠,有强迫症,一定要解决怎么办?
如何解决上述并发问题?
首先,给缓存设有效时间是一种方案。其次,采用策略(2)里给出的异步延时删除策略,保证读请求完成以后,再进行删除 *** 作。
还有其他造成不一致的原因么?
有的,这也是缓存更新策略(2)和缓存更新策略(3)都存在的一个问题,如果删缓存失败了怎么办,那不是会有不一致的情况出现么。比如一个写数据请求,然后写入数据库了,删缓存失败了,这会就出现不一致的情况了。这也是缓存更新策略(2)里留下的最后一个疑问。
如何解决? 提供一个保障的重试机制即可,这里给出两套方案。
方案一: 如下图所示
流程如下所示
(1)更新数据库数据;(2)缓存因为种种问题删除失败(3)将需要删除的key发送至消息队列(4)自己消费消息,获得需要删除的key(5)继续重试删除 *** 作,直到成功 然而,该方案有一个缺点,对业务线代码造成大量的侵入。于是有了方案二,在方案二中,启动一个订阅程序去订阅数据库的binlog,获得需要 *** 作的数据。在应用程序中,另起一段程序,获得这个订阅程序传来的信息,进行删除缓存 *** 作。
方案二:
流程如下图所示:
(1)更新数据库数据(2)数据库会将 *** 作信息写入binlog日志当中(3)订阅程序提取出所需要的数据以及key(4)另起一段非业务代码,获得该信息(5)尝试删除缓存 *** 作,发现删除失败(6)将这些信息发送至消息队列(7)重新从消息队列中获得该数据,重试 *** 作。
**备注说明:**上述的订阅binlog程序在mysql中有现成的中间件叫canal,可以完成订阅binlog日志的功能。至于oracle中,博主目前不知道有没有现成中间件可以使用。另外,重试机制,博主是采用的是消息队列的方式。如果对一致性要求不是很高,直接在程序中另起一个线程,每隔一段时间去重试即可,这些大家可以灵活自由发挥,只是提供一个思路。
缓存的收益与成本 1.1 受益1 加速读写
2 降低后端负载:后端服务器通过前端缓存降低负载,业务端使用redis降低后端mysql负载
1 数据不一致:缓存层和数据层有时间窗口不一致,和更新策略有关
2 代码维护成本:多了一层缓存逻辑
3 运维成本:比如使用了Redis Cluster
1 降低后端负载:对高消耗的sql,join结果集/分组统计的结果做缓存
2 加速请求响应:利用redis优化io响应时间
3 大量写合并为批量写:如计数器先redis累加再批量写入db
1 LRU/LFU/FIFO算法剔除:例如maxmemory-policy(到了最大内存,对应的应对策略)
LRU -Least Recently Used,没有被使用时间最长的
LFU -Least Frequenty User,一定时间段内使用次数最少的
FIFO -First In First Out
LIRS (Low Inter-reference Recency Set)是一个页替换算法,相比于LRU(Least Recently Used)和很多其他的替换算法,LIRS具有较高的性能。这是通过使用两次访问同一页之间的距离(本距离指中间被访问了多少非重复块)作为一种尺度去动态地将访问页排序,从而去做一个替换的选择
配置文件中设置:
># LRU配置 >maxmemory-policy:volatile-lru >(1)noeviction: 如果内存使用达到了maxmemory,client还要继续写入数据,那么就直接报错给客户端 >(2)allkeys-lru: 就是我们常说的LRU算法,移除掉最近最少使用的那些keys对应的数据,ps最长用的策略 >(3)volatile-lru: 也是采取LRU算法,但是仅仅针对那些设置了指定存活时间(TTL)的key才会清理掉 >(4)allkeys-random: 随机选择一些key来删除掉 >(5)volatile-random: 随机选择一些设置了TTL的key来删除掉 >(6)volatile-ttl: 移除掉部分keys,选择那些TTL时间比较短的keys
># LFU配置 Redis4.0之后为maxmemory_policy淘汰策略添加了两个LFU模式: >volatile-lfu:对有过期时间的key采用LFU淘汰算法 >allkeys-lfu:对全部key采用LFU淘汰算法 ># 还有2个配置可以调整LFU算法: >lfu-log-factor 10 >lfu-decay-time 1 ># lfu-log-factor可以调整计数器counter的增长速度,lfu-log-factor越大,counter增长的越慢。 ># lfu-decay-time是一个以分钟为单位的数值,可以调整counter的减少速度
2 超时剔除:例如expire,设置过期时间
3 主动更新:开发控制生命周期
策略
一致性
维护成本
LRU/LIRS算法剔除
最差
低
超时剔除
较差
低
主动更新
强
高
1 低一致性:最大内存和淘汰策略
2 高一致性:超时剔除和主动更新结合,最大内存和淘汰策略兜底
1 从mysql获取用户信息:select * from user where id=100
2 设置用户信息缓存:set user:100 select * from user where id=100
3 缓存粒度: 缓存全部属性 比较 缓存部分重要属性
1 通用性:全量属性更好
2 占用空间:部分属性更好
3 代码维护:表面上全量属性更好
### 缓存穿透 #描述: 缓存穿透是指缓存和数据库中都没有的数据,而用户不断发起请求,如发起为id为“-1”的数据或id为特别大不存在的数据。这时的用户很可能是攻击者,攻击会导致数据库压力过大。 #解决方案: 1 接口层增加校验,如用户鉴权校验,id做基础校验,id<=0的直接拦截; 2 从缓存取不到的数据,在数据库中也没有取到,这时也可以将key-value对写为key-null,缓存有效时间可以设置短点,如30秒(设置太长会导致正常情况也没法使用)。这样可以防止攻击用户反复用同一个id暴力攻击 3 通过布隆过滤器实现 ### 缓存击穿 #描述: 缓存击穿是指缓存中没有但数据库中有的数据(一般是缓存时间到期),这时由于并发用户特别多,同时读缓存没读到数据,又同时去数据库去取数据,引起数据库压力瞬间增大,造成过大压力 #解决方案: 设置热点数据永远不过期。 ### 缓存雪崩 #描述: 缓存雪崩是指缓存中数据大批量到过期时间,而查询数据量巨大,引起数据库压力过大甚至down机。和缓存击穿不同的是, 缓存击穿指并发查同一条数据,缓存雪崩是不同数据都过期了,很多数据都查不到从而查数据库。 # 解决方案: 1 缓存数据的过期时间设置随机,防止同一时间大量数据过期现象发生。 2 如果缓存数据库是分布式部署,将热点数据均匀分布在不同搞得缓存数据库中。 3 设置热点数据永远不过期。MySQL主从搭建基于docker 一 主从配置原理
mysql主从配置的流程大体如图:
1)master会将变动记录到二进制日志里面;
2)master有一个I/O线程将二进制日志发送到slave;
3) slave有一个I/O线程把master发送的二进制写入到relay日志里面;
4)slave有一个SQL线程,按照relay日志处理slave的数据;
我们准备两台装好mysql的服务器(我在此用docker模拟了两台机器)
环境 mysql版本 ip地址:端口号 主库(master) 5.7 172.16.209.100:33307 从库(slave) 5.7 172.16.209.100:33306
用docker拉起两个mysql容器,步骤如下(对docker不熟悉的同学可以查看docker快速入门章节):
# 拉取mysql5.7镜像 docker pull mysql:5.7 #在home目录下创建mysql文件夹,下面创建data和conf.d文件夹 mkdir /home/mysql mkdir /home/mysql/conf.d mkdir /home/mysql/data/ 创建my.cnf配置文件 touch /home/mysql/my.cnf mkdir /home/mysql2 mkdir /home/mysql2/conf.d mkdir /home/mysql2/data/ touch /home/mysql2/my.cnf my.cnf添加如下内容: [mysqld] user=mysql character-set-server=utf8 default_authentication_plugin=mysql_native_password secure_file_priv=/var/lib/mysql expire_logs_days=7 sql_mode=STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,NO_ZERO_DATE,ERROR_FOR_DIVISION_BY_ZERO,NO_ENGINE_SUBSTITUTION max_connections=1000 ##主库----start--- 同一局域网内注意要唯一 server-id=100 ## 开启二进制日志功能,可以随便取(关键) log-bin=mysql-bin ##主库----end--- ##从库----start--- ## 设置server_id,注意要唯一 server-id=101 ## 开启二进制日志功能,以备Slave作为其它Slave的Master时使用 log-bin=mysql-slave-bin ## relay_log配置中继日志 relay_log=edu-mysql-relay-bin ##从库----end--- [client] default-character-set=utf8 [mysql] default-character-set=utf8 #启动主库容器(挂载外部目录,端口映射成33307,密码设置为123456) docker run -di -v /home/mysql/data/:/var/lib/mysql -v /home/mysql/conf.d:/etc/mysql/conf.d -v /home/mysql/my.cnf:/etc/mysql/my.cnf -p 33307:3306 --name mysql-master -e MYSQL_ROOT_PASSWORD=123456 mysql:5.7 #启动从库容器(挂载外部目录,端口映射成33306,密码设置为123456) docker run -di -v /home/mysql2/data/:/var/lib/mysql -v /home/mysql2/conf.d:/etc/mysql/conf.d -v /home/mysql2/my.cnf:/etc/mysql/my.cnf -p 33306:3306 --name mysql-slave -e MYSQL_ROOT_PASSWORD=123456 mysql:5.72.2 远程连接入主库和从库
#连接主库 mysql -h 172.16.209.100 -P 33307 -u root -p123456 #在主库创建用户并授权 ##创建test用户 create user 'test'@'%' identified by '123'; ##授权用户 grant all privileges on *.* to 'test'@'%' ; ###刷新权限 flush privileges; #查看主服务器状态(显示如下图) show master status;
#连接从库 mysql -h 172.16.209.100 -P 33306 -u root -p123456 #配置详解 /* change master to master_host='MySQL主服务器IP地址', master_user='之前在MySQL主服务器上面创建的用户名', master_password='之前创建的密码', master_log_file='MySQL主服务器状态中的二进制文件名', master_log_pos='MySQL主服务器状态中的position值'; */ #命令如下 change master to master_host='101.133.225.166',master_port=33307,master_user='test',master_password='123',master_log_file='mysql-bin.000003',master_log_pos=0; #启用从库 start slave; #查看从库状态(如下图) show slave statusG;2.3 测试主从同步
#在主库上创建数据库test1 create database test1; use test1; #创建表 create table tom (id int not null,name varchar(100)not null ,age tinyint); #插入数据 insert tom (id,name,age) values(1,'xxx',20),(2,'yyy',7),(3,'zzz',23);
#在从库上查看是否同步成功 #查看数据库 show database; use test1; #查看表 show tables; #查看数据 select * from test1;
可以看到大功告成
django实现读写分离# 0 主从搭建好了 #1 在setting中配置 DATAbaseS = { # 主库 'default': { 'ENGINE': 'django.db.backends.mysql', 'NAME': 'lqz1', 'USER': 'root', 'PASSWORD': '123456', 'HOST': '101.133.225.166', 'PORT': 33307, }, # 从库 'db1': { 'ENGINE': 'django.db.backends.mysql', 'NAME': 'lqz1', 'USER': 'root', 'PASSWORD': '123456', 'HOST': '101.133.225.166', 'PORT': 33306, }, } # 2 手动指定 ####手动来做 # 向default库写,主库 # res=models.Book.objects.using('default').create(name='金瓶梅',price=33.4) # 去从库查 # res=models.Book.objects.using('db1').all().first() # print(res.name) # 3 自动指定(写router和配置setting) class Router1: def db_for_read(self, model, **hints): return 'db1' def db_for_write(self, model, **hints): return 'default' # 在setting中注册 # 注册一下 DATAbase_ROUTERS = ['db_router.Router1',] # 4 以后只要是写 *** 作,就会用default,只要是读 *** 作自动去db1 # 5 更细粒度() class Router1: def db_for_read(self, model, **hints): if model._meta.model_name == 'book': return 'db1' else: return 'default' def db_for_write(self, model, **hints): return 'default' # 6 在数据库迁移时,可以指定把哪个app的表结构迁移到哪个库 python manage.py migrate app01 --database=default
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)