Redis+Caffeine 多级缓存数据一致性解决方案

背景

之前写过一篇文章Redis+Caffeine 实现两级缓存实战，文章提到了两级缓存Redis+Caffeine可以解决缓存雪等问题也可以提高接口的性能，但是可能会出现缓存一致性问题。如果数据频繁的变更，可能会导致Redis和Caffeine数据不一致的问题。

最近正好学习了一个项目，项目里也用到的Redis+Caffeine实现多级缓存，并且在项目中给出了解决多级缓存数据不一致问题的解决方案，今天正好给大家分享一下。

问题分析

通过Redis+Caffeine，似乎可以完成一级、二级缓存中数据的同步，如果在单节点项目中是没有问题的，但是，在分布式场景下是有问题的，看下图：

在这里插入图片描述

说明：

部署了2个transport-info微服务节点，每个微服务都有自己进程级的一级缓存，都共享同一个Redis作为二级缓存
假设，所有节点的一级和二级缓存都是空的，此时，用户通过节点1查询运单物流信息，在完成后，节点1的caffeine和Redis中都会有数据
接着，系统通过节点2更新了数据，此时节点2中的caffeine和Redis都是更新后的数据
用户还是进行查询动作，依然是通过节点1查询，此时查询到的将是旧的数据，也就是出现了一级缓存与二级缓存之间的数据不一致的问题

解决方案

如何解决该问题呢？可以通过消息的方式解决，就是任意一个节点数据更新了数据，发个消息出来，通知其他节点，其他节点接收到消息后，将自己caffeine中相应的数据删除即可。

关于消息的实现，可以采用RabbitMQ，也可以采用Redis的消息订阅发布来实现，在这里为了应用技术的多样化，所以采用Redis的订阅发布来实现。

方案概述

在这里插入图片描述

Redis 发布订阅(pub/sub)是一种消息通信模式：发送者(pub)发送消息，订阅者(sub)接收消息。

当有新消息通过 publish 命令发送给频道 channel1 时，这个消息就会被发送给订阅它的三个客户端。

Redis的订阅发布功能与传统的消息中间件（如：RabbitMQ）相比，相对轻量一些，针对数据准确和安全性要求没有那么高的场景可以直接使用。

代码实现

在RedisConfig增加订阅的配置：

	/**
     * 配置订阅，用于解决Caffeine一致性的问题
     *
     * @param connectionFactory 链接工厂
     * @param listenerAdapter 消息监听器
     * @return 消息监听容器
     */
    @Bean
    public RedisMessageListenerContainer container(RedisConnectionFactory connectionFactory,
                                                   MessageListenerAdapter listenerAdapter) {
        RedisMessageListenerContainer container = new RedisMessageListenerContainer();
        container.setConnectionFactory(connectionFactory);
        container.addMessageListener(listenerAdapter, new ChannelTopic(CHANNEL_TOPIC));
        return container;
    }

编写RedisMessageListener用于监听消息，删除caffeine中的数据。

/**
 * redis消息监听，解决Caffeine一致性的问题
 */
@Slf4j
@Component
public class RedisMessageListener extends MessageListenerAdapter {

    @Resource
    private Cache<String, TransportInfoDTO> transportInfoCache;

    @Override
    public void onMessage(Message message, byte[] pattern) {
        // 获取到消息中的运单id
        String transportOrderId = Convert.toStr(message);
        log.info("redis消息监听缓存变更，运单id:{}", transportOrderId);
        // 将本jvm中的缓存删除掉
        this.transportInfoCache.invalidate(transportOrderId);
    }
}

更新数据后向redis发送消息：

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    @CachePut(value = "transport-info", key = "#p0")
    public TransportInfoEntity saveOrUpdate(String transportOrderId, TransportInfoDetail infoDetail) {
		// 省略代码
 
        // 清除缓存中的数据
        // this.transportInfoCache.invalidate(transportOrderId);
        // Caffeine本地缓存一致性，发布订阅消息到redis，通知订阅者更新缓存
        this.stringRedisTemplate.convertAndSend(RedisConfig.CHANNEL_TOPIC, transportOrderId);
        // 保存/更新到MongoDB
        return this.mongoTemplate.save(transportInfoEntity);
    }