记录Redis+MQ延迟双删保证缓存一致性

场景描述

在博客系统中，用户可以给博客点赞或者评论，这些操作需要更新数据库中的数据，同时要保证缓存中的博客信息与数据库保持一致。为了提高性能，博客数据会存放在Redis缓存中。但当有大量用户同事点赞或是评论时，缓存和数据库中的数据可能出现不一致。

何谓延迟双删？

延迟双删的核心思想：更新数据库数据的同时，处理Redis缓存中的数据，以避免缓存和数据库中的数据不一致。

双删

在更新数据库之前删除缓存中的博客数据
更新数据库之后，为了防止第一次删除缓存和数据库更新之间，产生新的缓存（一个新的并发请求产生在删除缓存之后，更新数据库之前再次写入了旧缓存，导致不一致问题），所以在更新数据库后的一，延迟一段时间再次删除缓存。

实现步骤

1. 当用户点赞或评论某篇博客时，首先将Redis缓存中对应的博客数据删除

public void deleteCacheBeforeUpdate(Long blogId) {
    // 删除Redis中缓存的博客数据
    redisTemplate.delete("blog:" + blogId);
}

2. 更新数据库

public void updateBlogInDatabase(Long blogId) {
    // 假设有一个点赞服务或评论服务，执行数据库更新
    blogService.updateLikeCount(blogId); // 点赞操作
    // 或者
    blogService.updateCommentCount(blogId); // 评论操作
}

3. 延迟删除缓存（通过RabbitMQ异步处理）
   发送延迟删除缓存的消息到RabbitMQ:更新数据库后，将延迟删除的任务放入RabbitMQ消息队列，并设置一个适当的延迟时间

public void sendDelayedCacheDeletion(Long blogId) {
    // 发送博客ID到RabbitMQ消息队列，延迟一段时间后删除缓存
    rabbitTemplate.convertAndSend("cache-delete-queue", blogId);
}

RabbitMQ监听消息，进行第二次缓存删除操作。

@RabbitListener(queues = "cache-delete-queue")
public void handleCacheDelete(Long blogId) {
    try {
        // 设置延迟时间，比如500毫秒 可以采用延迟队列
        Thread.sleep(500); // 模拟延迟
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
    // 删除Redis缓存中的博客数据
    redisTemplate.delete("blog:" + blogId);
}

执行逻辑：

// 1. 删除缓存，确保读取的下一次是最新数据
deleteCacheBeforeUpdate(blogId);

// 2. 更新数据库中的博客点赞数或评论数
updateBlogInDatabase(blogId);

// 3. 发送延迟删除缓存的消息到RabbitMQ
sendDelayedCacheDeletion(blogId);

以上方案可以在一定程度上保证缓存一致性，但不是绝对的，在某些极端情况下还是会存在缓存不一致的情况。可以结合分布式锁来确保缓存的一致性。在更新数据库和处理缓存删除的过程中，通过锁机制保证只有一个线程可以操作缓存，从而避免多个线程并发地写入缓存。

最后，延迟双删策略虽然能有效解决大部分并发下的缓存一致性问题，但在极端高并发场景中仍可能会出现短暂的不一致。通过引入分布式锁，可以进一步增强缓存和数据库之间的一致性，确保在并发操作时只有一个线程能够执行缓存和数据库的操作。此外，如果对一致性要求更高，还可以在数据库更新后直接更新缓存而不是删除缓存，进一步提高数据的一致性。或者直接更新缓存，cache优于DB的情景。