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： 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。
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。
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0
if (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);
}
}
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
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
需要的开发环境：
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: '2.4'
services:
mysql:
image: mysql:8.0
container_name: mysql
restart: false
environment:
MYSQL_ROOT_PASSWORD: root
ports:
- "33060:3306"
volumes:
- ./mysql-data:/var/lib/mysql
canal:
image: canal/canal-server:v1.1.5
container_name: canal
restart: false
ports:
- "11111:11111"
- "11112:11112"
depends_on:
- mysql
environment:
- 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:latest
restart: always
ports:
- 6379:6379
volumes:
- ./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';
开发环境根据您的实际需要选择即可。
环境启动后，进入编码阶段。
@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;
private final RocketMQProducer rocketMQProducer;
@Value("${canal.server.open}")
private boolean open;
/**
* 重试次数
*/
private final static int MAX_RETRY_COUNT = 3;
@Autowired
public BalanceRedisProcessorService(RedisUtils redisUtils,
CanalConfig canalConfig,
@Qualifier("ownThreadPoolExecutor") Executor executor, RocketMQProducer rocketMqProducer) {
this.redisUtils = redisUtils;
this.canalConfig = canalConfig;
this.executor = executor;
this.rocketMQProducer = rocketMqProducer;
}
@PostConstruct
public 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");
}
@Override
public 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id
long batchId = message.getId();
int size = message.getEntries().size();
if (batchId == -1 || size == 0) {
TimeUnit.SECONDS.sleep(1);
continue;
}
// 处理数据
for (CanalEntry.Entry entry : message.getEntries()) {
if (entry.getEntryType() != CanalEntry.EntryType.ROWDATA) {
continue;
}
CanalEntry.RowChange rowChange = CanalEntry.RowChange.parseFrom(entry.getStoreValue());
CanalEntry.EventType eventType = rowChange.getEventType();
List<CanalEntry.RowData> rowDatasList = rowChange.getRowDatasList();
boolean syncRedisDataFlag = eventType == CanalEntry.EventType.UPDATE || eventType == CanalEntry.EventType.INSERT || eventType == CanalEntry.EventType.DELETE;
if (!syncRedisDataFlag) {
continue;
}
for (CanalEntry.RowData rowData : rowDatasList) {
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)) {
return;
}
StringBuilder redisKey = new StringBuilder("balance:");
handleCanalChangeColumns(columns, redisKey);
}
}
// 确认消费完成这条消息
canalConnector.ack(message.getId());
}
} catch (Exception e) {
logger.error("canal-数据同步异常");
//运行时异常，服务监控告警，需要开发介入排查
throw new RuntimeException(e);
} finally {
// 关闭连接
canalConnector.disconnect();
}
}
/**
* 开始处理canal获取到的变更列到Redis
*
* @param columns 列
* @param redisKey Redis中数据存储的Key
* @throws InterruptedException 异常
*/
private void handleCanalChangeColumns(List<CanalEntry.Column> columns, StringBuilder redisKey) throws Exception {
String changeInfo = null;
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();
boolean success = false;
logger.info(changeValue);
for (int retryCount = 0; retryCount < MAX_RETRY_COUNT; retryCount++) {
try {
redisUtils.set(redisKey.toString(), changeValue);
success = true;
logger.info("消费成功");
return;
} catch (Exception ex) {
logger.error("存入Redis失败，进行重试：{}", ex.getMessage());
// 等待一段时间后进行重试
TimeUnit.SECONDS.sleep(1);
}
changeInfo = redisKey.append(":").append(changeValue).toString();
}
//发送告警消息
if (!success) {
rocketMQProducer.sendMessage("DefaultCluster", changeInfo);
}
}
}
}
}
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：
消费失败情况测试：
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。
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。