当前位置：首页 > news >正文

基于SpringBoot实现MySQL与Redis的数据最终一致性

news 2025/7/7 20:52:15

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。