最近线上的一个状态修改功能出现了问题,一开始是运营找了过来,运营告知某条数据的状态已经开启了的,但是实际使用起来还是没有生效,于是拿到这个问题后,首先就去数据库查了这条数据,发现确实如他所说,状态数据是已经更改过的。但是为什么没有生效呢?于是再次查看了获取数据的方法,发现是优先获取的缓存,于是查询缓存里的数据,发现了问题所在,缓存里并没有将这条数据的状态更改过来,也就是缓存数据不一致问题。
继续追查状态修改的方法,发现采用的更新方式是先更新数据库,然后删除缓存。这是我们常用的双写一致性的处理方法,但也正是这样的方式出现了问题。下面我们来详细讲解。
public R save(UserVO userVO) { User user = new User(); BeanUtils.copyProperties(userVO, user); saveUser(user); redisTemplate.delete("userInfo:" + user.getUserName()); return R.success("操作成功"); }同时在获取数据时,采用的是先从缓存获取,如果缓存没有,就从数据库查询,并同时存放到缓存上,这样保证了下次访问时数据能直接从缓存获取,减少了数据库压力。
public User getByUserName(String userName) { // 堆代码 duidaima.com User user = (User) redisTemplate.opsForValue().get(userName); if (user != null) { return user; } user = this.getOne(Wrappers.<User>lambdaQuery().eq(User::getUserName, userName)); redisTemplate.opsForValue().set("userInfo:" + userName, user); return user; }数据库的数据已经更新成功了,说明数据库是没有报错了,那么哪个地方报错了呢?当然是redis,在执行redis的删除操作时,如果发现错误,比如因为网络问题,或者redis本身服务问题,导致没有正常执行而产生的报错,所以为了捕获这个报错,我们需要添加上数据库事务 @Transactional(rollbackFor = Exception.class)。
@Transactional(rollbackFor = Exception.class) public R save(UserVO userVO) { User user = new User(); BeanUtils.copyProperties(userVO, user); saveUser(user); redisTemplate.delete("userInfo:" + user.getUserName()); return R.success("操作成功"); }
但是这样你以为就结束了吗,这样的操作确实可以实现事务的回滚,但是上述的模式仅仅只是我们用到的Cache Aside模式(这里大家要了解redis缓存的四种模式),而对于另外一种同样经典的Write Through模式就不再适用于这个操作了。
Write Through模式采用的是读缓存,写时先更新缓存,再更新数据库,一般缓存不设置过期时间,适用于频繁查询缓存数据的场景。因为是先更新缓存,再更新数据库,且在查询操作时不做更新缓存,所以保证了数据的一致性,也防止了缓存击穿。
@Transactional(rollbackFor = Exception.class) public R save3(UserVO userVO) { User user = new User(); // 拷贝属性 BeanUtils.copyProperties(userVO, user); redisTemplate.opsForValue().set(user.getUserName(), user); userMapper.addUser(user); return R.success("操作成功"); }但是这样的操作,肯定是有问题的,因为一旦数据库报错,@Transactional能够保证数据库回滚,但并不能保证redis的事务性,于是我们需要让redis也能保证事务
@Transactional(rollbackFor = Exception.class) public R save2(UserVO userVO) { // 本地事务+redis事务 = 双写一致性/缓存强一致性/redis.mysql事务回滚 User user = new User(); // 拷贝属性 BeanUtils.copyProperties(userVO, user); Object execute = redisTemplate.execute(new SessionCallback<List<Boolean>>() { @Override public List<Boolean> execute(RedisOperations operations) throws DataAccessException { // 事务开启 operations.multi(); // 执行的操作,redis先操作 operations.opsForValue().set(user.getUserName(), user); try { saveUser(user); } catch (Exception e) { // 事务取消 operations.discard(); e.printStackTrace(); return null; } // 事务的提交 return operations.exec(); } }); return R.status(execute != null); }方案二: setEnableTransactionSupport实现redis事务
@Configuration public class RedisConfig { /** * 创建RedisTemplate * @param redisConnectionFactory * @return */ @Bean public RedisTemplate redisTemplate(RedisConnectionFactory redisConnectionFactory){ // 创建对象 RedisTemplate redisTemplate = new RedisTemplate(); // 设置连接工厂 redisTemplate.setConnectionFactory(redisConnectionFactory); // 设置redis生成的key的序列化器,对key编码进行处理 RedisSerializer stringSerializer = new StringRedisSerializer(); redisTemplate.setKeySerializer(stringSerializer); redisTemplate.setHashKeySerializer(stringSerializer); // 设置redis支持数据库事务 redisTemplate.setEnableTransactionSupport(true); return redisTemplate; } }开启之后,我们的更新代码就变成了如下所示,非常的简洁清爽
@Transactional(rollbackFor = Exception.class) public R save3(UserVO userVO) { User user = new User(); // 拷贝属性 BeanUtils.copyProperties(userVO, user); redisTemplate.opsForValue().set(user.getUserName(), user); userMapper.addUser(user); return R.success("操作成功"); }测试